Finansal AI Modelleri: Küçük Ama Güvenilir Kararlar

Finansal sistemlerde yapay zeka kullanırken hız ve denetlenebilirlik kritik. Yeni bir araştırma, bu dengeyi sağlamak için küçük karar modellerini (System-1) test ediyor.

Arxiv'de yayınlanan çalışma, 0,8 milyar ile 32 milyar parametre arasında dokuz farklı model boyutunu eğitti. Hedef, evet/hayır veya puan türü soruları tek adımda, olasılık değeriyle yanıtlamak. Kullanılan modeller K2-Horizon ve Qwen ailesinden seçildi.

Araştırma iki özel veri seti kullandı: biri kural tabanlı, tam etiketli politika kütüphanesi; diğeri gerçek piyasa sonuçlarından oluşan 19.640 sorudan ibaret. Böylece modellerin teorik bilgi ve gerçek performansı karşılaştırıldı.

Bulgu ilginç: Dar finansal görevlere özelleştirilen modeller, genel karar verme yeteneğini %9 ile %45 arasında kaybetti. Bu kayıp, daha büyük modellerde daha az görüldü. Araştırmacılar bunu dar gradyan hacmi sorunu olarak tanımladı, model çok spesifik hale gelince, esnek düşünmeyi kaybediyor.

Praktik açıdan bu, finansal AI'da bir ikilem ortaya koyuyor: Hızlı, basit kararlar için küçük modeller cazip, ancak bu özelleştirme maliyeti var. Gerçek piyasa verilerine karşı test edildiğinde, tüm model boyutları temel başarı oranına yaklaştı, yani küçük model kullanmanın avantajı burada marjinal kaldı.

Finansal kurumlar için sonuç: Denetlenebilir AI için küçük modeller uygun olabilir, ama veri kalitesi ve model ölçeği dikkatle seçilmeli. Dar eğitim setleri genellikle bumerang döner.