Fin-Ally؛ چت‌باتی با شعور مالی و هوش انسانی

اندازه متن

Fin-Ally؛ چت‌باتی با شعور مالی و هوش انسانی

فین‌تک با سرعتی چشمگیر رشد می‌کند و اکنون پژوهشگران مؤسسه فناوری هند (IIT Patna) همراه با همکارانی از تایلند و شرکت CRISIL هند، گام تازه‌ای در این مسیر برداشته‌اند. آن‌ها سامانه‌ای به نام Fin-Ally ساخته‌اند؛ یک چت‌بات مالی که نه‌تنها محاسبه‌گر است، بلکه مثل انسان منطق، ادب و درک موقعیتی دارد.

این چت‌بات می‌تواند با زبان طبیعی و محترمانه به پرسش‌های مالی پاسخ دهد. برخلاف ربات‌های قدیمی که فقط جمله‌های ازپیش‌تعریف‌شده می‌گفتند، Fin-Ally مفهوم و نیت پشت سؤال را می‌فهمد و پاسخ منطقی ارائه می‌کند.

چرا نیاز به Fin-Ally داریم؟

بسیاری از چت‌بات‌های امروزی، با وجود مدل‌های پیشرفته مانند GPT-3.5 یا BloombergGPT، هنوز پاسخ‌هایی می‌دهند که از نظر احساسی یا موقعیتی مناسب نیستند. مثلاً وقتی کسی از نگرانی مالی صحبت می‌کند، ممکن است ربات به‌جای همدردی، جواب سرد و کلی بدهد. همین ضعف باعث شده کاربران به هوش مصنوعی در امور مالی کمتر اعتماد کنند.

پروژه Fin-Solution 2.0

تیم تحقیقاتی برای رفع این مشکل، پروژه‌ای به نام Fin-Solution 2.0 راه‌اندازی کرد. این پروژه دو بخش اصلی دارد:
۱. پایگاه داده‌ی جدید Fin-Vault شامل بیش از ۱۴۰۰ گفت‌وگوی واقعی مالی.
۲. مدل گفت‌وگویی Fin-Ally که با داده‌های مالی، منطق متعارف انسانی و الگوریتم Direct Preference Optimization (DPO) آموزش دیده است.

Fin-Ally؛ چت‌باتی با شعور مالی و هوش انسانی

داده‌هایی برگرفته از دنیای واقعی

پژوهشگران داده‌های Fin-Vault را از انجمن‌های آنلاین مانند Reddit و Bogleheads جمع‌آوری کرده‌اند. این مجموعه موضوعاتی مانند کارت اعتباری، مالیات، سرمایه‌گذاری و بیمه را در بر می‌گیرد. سپس داده‌ها را با منابع رسمی مانند بانک مرکزی هند و سازمان بورس تطبیق داده‌اند تا دقت علمی حفظ شود.

هر گفت‌وگو دارای برچسب‌هایی برای سطح ادب و لحن است. به این ترتیب، مدل یاد می‌گیرد چگونه با احترام و همدلی پاسخ دهد، نه با جملات خشک و از پیش نوشته‌شده.

ساختار هوشمند و یادگیری با منطق

Fin-Ally از ساختار COMET-BART استفاده می‌کند تا اطلاعات منطقی و متعارف را درک کند. به‌عنوان نمونه، وقتی کاربر از سرقت کارت خود خبر می‌دهد، ربات مراحل لازم را مشخص می‌کند. او پیشنهاد می‌دهد ابتدا کارت مسدود و سپس گزارش سرقت ثبت شود.

الگوریتم DPO نیز به مدل کمک می‌کند بین پاسخ درست و پاسخ مودبانه تعادل برقرار کند. آموزش مدل با نمونه‌های تأییدشده توسط کارشناسان مالی انجام شده تا از لحن حرفه‌ای و بی‌طرف استفاده کند.

نتایج آزمایش‌ها

پژوهشگران Fin-Ally را بر پایه مدل Gemma 2-9B اجرا کردند و آن را با مدل‌های معروفی مانند GPT-3.5 Turbo و LLaMA-3 مقایسه کردند. نتایج نشان داد Fin-Ally پاسخ‌هایی دقیق‌تر، طبیعی‌تر و سازگارتر تولید می‌کند. از نظر معیارهای علمی مانند ROUGE و BLEU، این مدل امتیاز بالاتری داشت و کارشناسان انسانی هم آن را از نظر روانی و خوانایی برتر دانستند.

Fin-Ally نه‌تنها به پرسش پاسخ می‌دهد، بلکه احساس کاربر را نیز در نظر می‌گیرد. به جای لحن دستوری، با لحنی دوستانه راهنمایی می‌کند و حس اعتماد ایجاد می‌کند.

آینده‌ی چت‌بات‌های مالی

این پژوهش نشان می‌دهد افزودن «عقل سلیم» به هوش مصنوعی، چت‌بات‌ها را از یک ماشین پاسخ‌گو به یک مشاور واقعی تبدیل می‌کند. کاربرد این فناوری فراتر از بانکداری است؛ می‌تواند در بیمه، سرمایه‌گذاری، خدمات حقوقی یا حتی سلامت مالی نیز استفاده شود.

تیم تحقیقاتی قصد دارد نسخه‌ی چندوجهی (Multimodal) Fin-Ally را توسعه دهد تا بتواند متن و تصویر را هم‌زمان تحلیل کند؛ مثلاً قبض، فیش بانکی یا صورت‌حساب را تشخیص دهد و بر اساس آن مشاوره بدهد. آن‌ها همچنین در حال بررسی روش‌هایی هستند تا مفهوم «ادب» به‌صورت بازخورد در فرایند آموزش مدل وارد شود.

جمع‌بندی
Fin-Ally ترکیبی از دانش مالی، هوش انسانی و اخلاق حرفه‌ای است. نتایج این پژوهش ثابت می‌کند که تحلیل داده و عدد برای چت‌بات‌های مالی کافی نیست. آن‌ها باید بتوانند احساس و بافت گفت‌وگو را نیز درک کنند تا واقعاً هوشمند باشند.