ข่าว (News)

AI สามารถมองทะลุตัวคุณได้: ภาษาของ CEO ภายใต้กล้องจุลทรรศน์เครื่อง

ลอนดอน (รอยเตอร์) – ผู้บริหาร ระวัง! คุณอาจกลายเป็นศัตรูตัวฉกาจของตัวเอง ซีอีโอและผู้จัดการคนอื่นๆ อยู่ภายใต้กล้องจุลทรรศน์มากขึ้นเรื่อยๆ เนื่องจากนักลงทุนบางคนใช้ปัญญาประดิษฐ์ในการเรียนรู้และวิเคราะห์รูปแบบภาษาและโทนเสียงของพวกเขา ซึ่งจะเป็นการเปิดโอกาสใหม่ๆ ที่จะพลาดพลั้ง ในช่วงหลัง 2020 ตามที่ผู้เชี่ยวชาญซอฟต์แวร์รูปแบบภาษา Evan Schnidman ผู้บริหารบางคนในอุตสาหกรรมไอทีกำลังเผชิญกับความเป็นไปได้ที่จะเกิดปัญหาการขาดแคลนชิปเซมิคอนดักเตอร์ในขณะที่พูดคุยเกี่ยวกับการหยุดชะงักของห่วงโซ่อุปทาน พวกเขากล่าวว่าทุกอย่างเรียบร้อยดี ทว่าน้ำเสียงของคำพูดของพวกเขาแสดงให้เห็นถึงความไม่แน่นอนในระดับสูง ตามการวิเคราะห์อัลกอริธึมที่ออกแบบมาเพื่อระบุเบาะแสที่ซ่อนอยู่ในคำพูดที่ไม่ได้เขียนในอุดมคติ “เราพบว่าน้ำเสียงของผู้บริหารภาคไอทีไม่สอดคล้องกับความรู้สึกที่เป็นข้อความเชิงบวกจากคำพูดของพวกเขา” ชนิดแมน ผู้ให้คำแนะนำแก่บริษัทฟินเทคสองแห่งที่อยู่เบื้องหลังการวิเคราะห์กล่าว ภายในเวลาไม่กี่เดือนที่มีการแสดงความคิดเห็น บริษัทต่างๆ รวมทั้ง Volkswagen และ Ford ได้รับคำเตือนเกี่ยวกับการขาดแคลนชิปอย่างรุนแรง ราคาหุ้นบริษัทรถยนต์และอุตสาหกรรมลดลง ผู้บริหารด้านไอทีกล่าวว่ามีอุปทานบีบคั้น Schnidman ถือได้ว่าเงินทุนควอนตัมที่ขับเคลื่อนด้วยคอมพิวเตอร์ซึ่งเข้าถึงคะแนนที่กำหนดตามน้ำเสียงของคำพูดของผู้จัดการ เทียบกับคะแนนที่กำหนดให้กับคำที่เขียน ควรจะอยู่ในตำแหน่งที่ดีกว่าก่อนเกิดความวุ่นวายในอุตสาหกรรม ตัวอย่างหนึ่งไม่สามารถเป็นพยานถึงความถูกต้องของการวิเคราะห์คำพูดได้ เนื่องจากเราไม่ทราบว่าผู้บริหารมองโลกในแง่ดีเกินควรในตอนแรกหรือเปลี่ยนมุมมองอย่างจริงใจเมื่อสถานการณ์เปลี่ยนไป อย่างไรก็ตาม นักลงทุนบางคนมองว่าเทคโนโลยีนี้เรียกว่าการประมวลผลภาษาธรรมชาติ (NLP) เป็นเครื่องมือใหม่ในการสร้างความได้เปรียบเหนือคู่แข่ง ตามการสัมภาษณ์ของ Reuters 11 ผู้จัดการกองทุนที่ใช้หรือทดลองใช้ระบบดังกล่าว พวกเขากล่าวว่าข้อมูลทางการเงินแบบดั้งเดิมและคำแถลงของบริษัทถูกขุดขึ้นมาอย่างหนักในปัจจุบันจนให้คุณค่าเพียงเล็กน้อย 'บางสิ่งที่ยุ่งเหยิงมาก' NLP เป็นสาขาหนึ่งของ AI ที่การเรียนรู้ด้วยเครื่องถูกปล่อยให้หลวมในภาษาเพื่อให้เข้าใจ จากนั้นเปลี่ยนเป็นสัญญาณเชิงปริมาณที่นำปัจจัยเงินทุนจำนวนมากมาประกอบการซื้อขาย ซอฟต์แวร์ที่มีความทะเยอทะยานที่สุดในพื้นที่นี้มีจุดมุ่งหมายเพื่อวิเคราะห์โทนเสียง จังหวะและการเน้นของคำพูดควบคู่ไปกับการใช้ถ้อยคำ ในขณะที่ซอฟต์แวร์อื่นๆ พยายามแยกวิเคราะห์การถอดเสียงของสุนทรพจน์และการสัมภาษณ์ด้วยวิธีที่ซับซ้อนมากขึ้น Slavi Marinov หัวหน้าฝ่ายแมชชีนเลิร์นนิงที่ Man AHL ซึ่งเป็นส่วนหนึ่งของ Man Group บริษัทจัดการการลงทุนมูลค่า $135 บอกกับรอยเตอร์ว่า NLP เป็น “หนึ่งในหลักสำคัญ จุดเน้นการวิจัย” ที่กองทุนขับเคลื่อนด้วยคอมพิวเตอร์ “โมเดลเหล่านี้เปลี่ยนสิ่งที่ยุ่งมากให้เป็นสิ่งที่เข้าใจได้ง่ายโดยควอนตัม” เขากล่าว ผู้สนับสนุนกล่าวว่า NLP สามารถปลดล็อกศักยภาพที่ไม่ได้ใช้สำหรับข้อมูลเชิงลึกจากโลกของ “ข้อมูลที่ไม่มีโครงสร้าง”: การโทรศัพท์กับนักวิเคราะห์ การถาม & ตอบที่ไม่มีสคริปต์ การสัมภาษณ์สื่อ นี้เปิดให้อภิปรายแม้ว่า ระบบ AI เหล่านี้สามารถใช้เงินหลายล้านดอลลาร์ในการพัฒนาและดำเนินการ โดยตัดขาดจากนักลงทุนและนักพัฒนาจำนวนมากที่ช่วยประหยัดค่าใช้จ่ายในส่วนลึกหรือเฉพาะกลุ่ม บางคนยังอยู่ในขั้นตอนการทดลองเปรียบเทียบโดยไม่มีข้อมูลที่เปิดเผยต่อสาธารณะเพื่อแสดงว่าพวกเขาทำเงินได้ กองทุนที่สัมภาษณ์ปฏิเสธที่จะแสดงหลักฐานว่า NLP สามารถเพิ่มผลตอบแทนได้ โดยอ้างถึงความอ่อนไหวทางการค้า การศึกษาบางชิ้นแนะนำว่าเทคนิคสามารถเพิ่มประสิทธิภาพได้หากเน้นในสถานที่ที่ชาญฉลาด การวิเคราะห์ในเดือนกันยายนโดยนักยุทธศาสตร์เชิงปริมาณของ Nomura แสดงให้เห็นความเชื่อมโยงระหว่างความซับซ้อนของภาษาของผู้บริหารในระหว่างการเรียกหารายได้และการแบ่งปัน ผู้บังคับบัญชาในสหรัฐฯ ที่ใช้ภาษาง่ายๆ เห็นว่าหุ้นของบริษัทของพวกเขาทำได้ดีกว่า 6% ต่อปี 97 เมื่อเทียบกับผู้ที่ใช้ถ้อยคำที่ซับซ้อน นักวิเคราะห์ของ BofA ใช้แบบจำลองที่ใช้วลีในการเรียกรายได้เพื่อคาดการณ์อัตราการผิดนัดชำระหนี้ของหุ้นกู้ ซึ่งจะตรวจสอบวลีหลายพันวลี เช่น “การลดต้นทุน” และ “การเบิกเงินสด” เพื่อค้นหาวลีที่เกี่ยวข้องกับค่าเริ่มต้นในอนาคต BofA กล่าวว่าการทดสอบย้อนกลับแบบจำลองมีความสัมพันธ์สูงกับความน่าจะเป็นเริ่มต้น ทั้งสองระบบวิเคราะห์การถอดเสียง วัฒนธรรมการวัดเครื่องจักร ในหลายปีที่ผ่านมา การประมวลผลภาษาในด้านการเงินได้นำเสนอซอฟต์แวร์พื้นฐานและขายกันอย่างแพร่หลาย ซึ่งจัดอันดับข่าวหรือโพสต์ในโซเชียลมีเดียตามความรู้สึก สิ่งนี้กำลังสูญเสียมูลค่าเมื่อเผชิญกับโมเดล NLP ที่มีความซับซ้อนมากขึ้น ซึ่งได้รับแรงกระตุ้นจากความก้าวหน้าทางเทคโนโลยีและต้นทุนการประมวลผลบนคลาวด์ที่ลดลง ความก้าวหน้าเกิดขึ้น 135 เมื่อนักพัฒนาปล่อยซอร์สโค้ดที่อยู่เบื้องหลัง NLP “การถ่ายโอนการเรียนรู้” ซึ่งอนุญาตให้โมเดลได้รับการฝึกอบรมล่วงหน้าในชุดข้อมูลของคำเดียวแล้วใส่ เพื่อทำงานอย่างอื่นประหยัดเวลาและเงิน ทีมงาน AI ของ Google ได้เผยแพร่โค้ดที่อยู่เบื้องหลังโมเดลล้ำสมัยหลายรุ่นซึ่งได้รับการฝึกฝนมาล่วงหน้าบนชุดข้อมูลที่ใหญ่ขึ้นเรื่อยๆ นักพัฒนาระบบปัจจุบันกล่าวว่าพวกเขาบีบอัดคำศัพท์หลายหมื่นคำด้วยความเร็วสูง แยกรูปแบบและหาระดับความสัมพันธ์กับคำ วลี และแนวคิด “เมล็ดพันธุ์” ที่สำคัญที่กำหนดโดยผู้ใช้ Marinov แห่ง MAN AHL มองเห็นข้อดีในการวิเคราะห์วรรณยุกต์แต่ยังไม่ได้ใช้มัน โดยเน้นไปที่เบาะแสที่ซ่อนอยู่ในข้อความที่เป็นลายลักษณ์อักษร สิ่งนี้สามารถเป็นอะไรก็ได้ตั้งแต่การเปรียบเทียบรายงานประจำปีในช่วงเวลาหนึ่งเพื่อค้นหาการเปลี่ยนแปลงที่ละเอียดอ่อนซึ่งไม่ชัดเจนสำหรับผู้อ่าน ไปจนถึงการหาปริมาณสิ่งที่จับต้องไม่ได้เช่นวัฒนธรรมองค์กร มีนักลงทุนเพียงไม่กี่รายที่พยายามวัดวัฒนธรรมองค์กรอย่างเป็นทางการในอดีต แม้ว่าจะเป็นสิ่งสำคัญสำหรับผลการดำเนินงานในระยะยาว โดยเฉพาะอย่างยิ่งในด้านการลงทุน ESG ที่ร้อนแรงในด้านการพิจารณาด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล โมเดลของ Man AHL สามารถสแกนความคิดเห็นของผู้บริหารเพื่อค้นหาคำหรือวลีที่แสดงถึงวัฒนธรรม Kai Wu ผู้ก่อตั้งกองทุนป้องกันความเสี่ยง Sparkline Capital ได้สร้าง “โปรไฟล์บุคลิกภาพ” สำหรับบริษัทต่างๆ เพื่อวัดการยึดมั่นในคุณค่าทางวัฒนธรรมบางอย่าง เขาเลือกเมล็ดคำที่เขาเชื่อว่าสะท้อนถึงคุณค่าดังกล่าว จากนั้นโมเดล NLP ของเขาจะลดจำนวนคำจำนวนมากเป็นจำนวนน้อยที่มีความหมายใกล้เคียงกัน โดยผลการวิจัยจะแสดงเป็นตัวเลข โดยใช้รูปแบบ NLP ของเขาในการวิจารณ์ผู้บริหารและบทวิจารณ์ของพนักงาน เขาพบว่าบริษัทที่มีวัฒนธรรม “แปลกประหลาด” เช่น Apple, Southwest Airlines และ Costco ทำได้ดีกว่า ในทางกลับกัน ธุรกิจในสหรัฐฯ ที่แสดง “ความเป็นพิษ” ซึ่งพนักงานใช้สำนวนเฉพาะเจาะจงเช่น “สโมสรชายผู้ดี” และ “สุนัขกินสุนัข” กลับมีผลงานด้อยประสิทธิภาพอย่างมาก Wu กล่าว 'ไม่มีกฎเกณฑ์' กองทุนที่ไม่มีทรัพยากรในการจ้างนักวิทยาศาสตร์ข้อมูลเพื่อสร้างเครื่องมือ NLP ของตนเองสามารถซื้อได้ในการวิเคราะห์จากบริษัทบุคคลที่สาม เช่นเดียวกับที่ Schnidman ให้คำแนะนำ – fintech Aiera และผู้ให้บริการวิเคราะห์วรรณยุกต์ Helios Life Enterprises – ซึ่งขายบริการของพวกเขาให้กับ ลูกค้าเช่นกองทุนป้องกันความเสี่ยง อย่างไรก็ตาม Wu ที่ Sparkline ตระหนักดีว่ากองทุนควรได้รับข้อมูลที่ได้จาก NLP “ใกล้เคียงกับข้อมูลดิบมากที่สุด” โดยควรใช้แบบจำลองภายในองค์กร เทคโนโลยีเผชิญกับความท้าทายอื่นๆ และการทำให้มันถูกต้องอาจใช้เวลานาน NN Investment Partners ผู้จัดการชาวดัตช์ใช้ข้อมูลของบุคคลที่สามผสมผสานกับแบบจำลองของตัวเอง ซึ่งบางส่วนยังอยู่ในขั้นตอนการวิจัย โครงการหนึ่งกำลังฝึกแบบจำลองเพื่อค้นหาคำที่คาดการณ์อัตราการผิดนัดชำระหนี้ของพันธบัตร Sebastiaan Reinders หัวหน้าฝ่ายวิทยาศาสตร์การลงทุนของ NNIP กล่าว นั่นทำให้ผู้จัดการพอร์ตโฟลิโอต้องตรวจสอบรายการวลียาว ๆ เพื่อติดป้ายกำกับด้วยตนเองว่าเป็นบวกหรือลบ โมเดลส่วนใหญ่เน้นที่ภาษาอังกฤษ และนักพัฒนาอาจต้องเผชิญกับงานที่ยากลำบากในการปรับตัวให้อ่านความรู้สึกที่ถูกต้องจากผู้คนจากวัฒนธรรมต่างๆ ที่พูดภาษาอื่น นอกจากนี้ ผู้บริหารยังตั้งอกตั้งใจ เมื่อ George Mussalli หัวหน้าเจ้าหน้าที่การลงทุนของ PanAgora Asset Management ในสหรัฐฯ บอกกับหัวหน้าบริษัทเทคโนโลยีชีวภาพว่า AI ของกองทุนของเขาสแกนความคิดเห็นของผู้บริหารเพื่อหาคำสำคัญ บุคคลนั้นขอรายชื่อเพื่อช่วยให้ธุรกิจของเขามีอันดับสูงขึ้น มุสซาลีปฏิเสธคำขอ แต่กล่าวว่าเอกสารเช่นบันทึกการเรียกรายได้นั้น “มีสคริปต์อย่างดี” มากขึ้นเรื่อยๆ ซึ่งบ่อนทำลายคุณค่าของพวกเขา ทว่า Marinov ของ Man Group เชื่อว่าในที่สุดผู้บริหารจะพิสูจน์ว่าไม่มีการจับคู่กับเครื่องจักรที่ปรับปรุงด้วยข้อมูลที่มากขึ้น “ไม่มีกฎเกณฑ์ใด ๆ มันเหมือนกับรถยนต์ที่ขับด้วยตนเองที่เรียนรู้ไปตลอด” เขากล่าวเสริม “ดังนั้นในหลาย ๆ กรณีจึงเป็นไปไม่ได้ที่จะให้รายการคำศัพท์สำคัญแก่ผู้บริหาร”

  • Trang chủ
  • กีฬา (sport)
  • ข่าว (News)
  • ความบันเทิง (entertainment)
  • ดนตรี (Music)
  • สุขภาพ (Health)
  • อาหาร (Food)
  • Back to top button