لماذا يمكن للذكاء الاصطناعي أن يعطي إجابات مختلفة (حتى لنفس السؤال)

هل سألت يومًا ذكاءً اصطناعيًا نفس السؤال مرتين وحصلت على إجابات مختلفة قليلاً؟

أنت لست تتخيل ذلك.

هذا هو كيف تعمل نماذج اللغة الكبيرة.

مشكلة العشوائية#

كل نموذج ذكاء اصطناعي لديه إعداد يسمى درجة الحرارة. فكر في الأمر كما لو كنت تضيف كمية صغيرة من العشوائية إلى كل استجابة.

حتى مع درجة حرارة منخفضة، يمكن للذكاء الاصطناعي أن يتخذ خيارات مختلفة قليلاً في كل مرة يحلل نفس السهم.

على سبيل المثال:

• التشغيل الأول: متفائل – 74% ثقة
• التشغيل الثاني: متفائل – 68% ثقة
• التشغيل الثالث: محايد – 58% ثقة

لم يتغير شيء - لا السهم، ولا السوق، ولا نموذج الذكاء الاصطناعي.

لقد اتخذ الذكاء الاصطناعي ببساطة مسارًا مختلفًا قليلاً.

هذا أمر طبيعي تمامًا بالنسبة للذكاء الاصطناعي، لكنه ليس مثاليًا عندما تبحث عن استثمارات.

بعد كل شيء، لن تسأل صديقًا واحدًا عن نصيحة ثم تتخذ قرارًا ماليًا كبيرًا على الفور.

حلنا: عمليات التجميع#

بدلاً من الاعتماد على تحليل ذكاء اصطناعي واحد، تقوم Valarn بتشغيل عملية البحث بالكامل ثلاث مرات منفصلة.

كل تشغيل مستقل تمامًا.

كل واحد ينتج توقع السوق ودرجة الثقة الخاصة به.

ثم نقارن النتائج.

فكر في الأمر كما لو كنت تسأل ثلاثة محللين ذوي خبرة بدلاً من واحد.

إذا أعاد الثلاثة جميعًا توقعًا متفائلًا، فهذه إشارة أقوى بكثير من مجرد وصول ذكاء اصطناعي واحد إلى تلك النتيجة.

إذا كان اثنان متفائلين وواحد محايد، فإن التوقع العام لا يزال متفائلًا - لكنك ستعرف أيضًا أنه لم يكن هناك اتفاق كامل.

وإذا اختلف الثلاثة جميعًا؟

هذا هو الذكاء الاصطناعي يقول بأدب، "هذا الأمر محير." الأسواق تفعل ذلك أحيانًا.

لماذا يعمل#

تشغيل تحليلات مستقلة متعددة يساعد على تقليل ضوضاء الذكاء الاصطناعي العشوائية.

بدلاً من التفاعل مع استجابة محظوظة - أو غير محظوظة - واحدة، تبحث Valarn عن الاتساق.

النتيجة هي بحث أكثر استقرارًا وثقة.

في اختباراتنا:

• التحليل القياسي أنتج نفس التوقع العام 81% من الوقت عند تكراره.
• عمليات التجميع زادت ذلك إلى 94%.

هذا تحسن بمقدار 13 نقطة في الاتساق.

سريع بما يكفي للاستخدام كل يوم#

قد تعتقد أن تشغيل ثلاث تحليلات سيستغرق ثلاث مرات أطول.

لحسن الحظ، لا يحدث ذلك.

تقوم Valarn بتشغيل جميع التحليلات الثلاث في نفس الوقت.

تكتمل معظم عمليات التجميع في 35-60 ثانية، أي ببطء حوالي 40% فقط من التشغيل القياسي.

متى يجب عليك استخدامه؟#

تعد عمليات التجميع خيارًا رائعًا عندما:

• تبحث عن استثمار مهم.
• تكون ظروف السوق متقلبة بشكل خاص.
• يكون التحليل القياسي لديه ثقة معتدلة فقط.
• تريد تأكيدًا إضافيًا قبل اتخاذ قرارك الخاص.

عادةً ما يكون التشغيل القياسي كافيًا عندما:

• تبحث عن العديد من الأسهم بسرعة.
• يكون لدى الذكاء الاصطناعي ثقة عالية جدًا مع اتفاق قوي.
• تقوم بإجراء بحث واستكشاف في مرحلة مبكرة.

فهم التقارب#

تتضمن عمليات التجميع درجة تقارب.

هذا يخبرك بمدى توافق التحليلات الثلاث مع بعضها البعض.

• 90-100: اتفاق قوي. جميع الثلاثة وصلوا إلى نفس التوقع.
• 60-89: اتفاق معتدل. اثنان من الثلاثة اتفقوا.
• 0-59: اتفاق منخفض. وجد الذكاء الاصطناعي أدلة مختلطة ولا يوجد إجماع واضح.

يمكن أن تعيد تحليلتان توقعًا متفائلًا مع 80% ثقة، لكنهما ليستا مقنعتين بنفس القدر.

توقع متفائل مع درجة تقارب 95 أقوى بكثير من واحد مع درجة 62.

لهذا السبب تظهر Valarn كلا الرقمين.

فهم مدى توافق الذكاء الاصطناعي مع نفسه غالبًا ما يكون بنفس قيمة درجة الثقة.

الخلاصة#

الذكاء الاصطناعي قوي للغاية، لكنه ليس سحرًا.

الفروق الصغيرة بين العمليات أمر طبيعي تمامًا.

بدلاً من إخفاء تلك الحقيقة، تحتضن Valarn ذلك.

من خلال دمج تحليلات مستقلة متعددة في توقع سوق نهائي واحد، تقلل عمليات التجميع من الضوضاء العشوائية، وتحسن الاتساق، وتمنحك صورة أوضح عما يراه الذكاء الاصطناعي.

نعم... أحيانًا حتى ثلاثة محللين ذكاء اصطناعي لا يمكنهم الاتفاق.

إذا كنت قد شاهدت الأخبار المالية من قبل، فستعرف أن ذلك واقعي جدًا.

عمليات التجميع متاحة في جميع خطط Pro وTeam.