हमें हैरान नहीं होना चाहिए कि कृत्रिम बुद्धिमत्ता (एआई) औसतन लाभ की भविष्यवाणी करने में शेयर विश्लेषकों से बेहतर प्रदर्शन करती है। या यह कि नियम-आधारित रणनीतियाँ औसतन एक व्यक्तिगत बैंकर की तुलना में बेहतर वित्तीय परामर्श प्रदान करती हैं। जेनरेटिव एआई में हालिया प्रगति से पहले ही, व्यवस्थित रूप से निवेश करने के प्रमाणित लाभ थे। ऐसी तकनीकों को शायद उन दुर्लभ शीर्ष स्टॉक्स या बाजार बिंदुओं का पता न चले, जो औसत से अधिक रिटर्न लाते हैं, लेकिन फिर भी उनका सिद्ध मूल्य है।
हालाँकि KI के विकास दिखाते हैं कि हम नियम-आधारित सिफारिशों से आगे बढ़ सकते हैं। निवेश के तीन मुख्य स्तंभ मैक्रोइकोनॉमिक्स, लेखांकन और सांख्यिकी हैं। इन विषयों की उन्नत परीक्षाओं में बड़े भाषा मॉडल उच्चतम अंक प्राप्त करते हैं। इसके अलावा, हम जानते हैं कि LLMs इंसान की तुलना में कहीं अधिक संदर्भ और सामूहिक बुद्धि को संक्षेप में प्रस्तुत कर सकते हैं, जो मैक्रोइकोनॉमिक रणनीतियों के लिए बहुत मददगार हो सकता है। तो अगर KI वित्तीय निर्णयों में मदद कर सकती है, तो फिर विश्लेषकों या पोर्टफोलियो मैनेजरों के लिए इस बदलाव को स्वीकार करना इतना मुश्किल क्यों है?
हमें कुछ संकेत डेटा वैज्ञानिक सीज़र हिडाल्गो के उस कार्य में मिलते हैं, जिसमें यह बताया गया है कि लोग मशीनों का मूल्यांकन कैसे करते हैं। जब हम किसी प्रोग्राम का उपयोग करते हैं, तो हम उपकरण के प्रदर्शन पर ध्यान केंद्रित करते हैं। इस प्रोग्राम की प्रत्येक भविष्यवाणी त्रुटि हमारे वित्तीय विशेषज्ञ का विश्वास खो देगी। ज्यादातर मामलों में यह मायने नहीं रखता कि औसतन एल्गोरिथ्म इंसान से बेहतर है या नहीं। हमारा वित्तीय सलाहकार अपनी अंतर्निहित क्षमता और अनुभव पर भरोसा करेगा।
हिडाल्गो की शोध से पता चलता है कि हम मानवीय सलाह को अलग तरह से आंकते हैं। हम प्रदर्शन से आगे बढ़कर उस व्यक्ति की नीयत को ध्यान में रखते हैं, जो हमें सलाह दे रहा है। जब हम एक निजी बैंकर के साथ जुड़ते हैं या अपना पैसा एक फंड मैनेजर को सौंपते हैं, तो हम मानते हैं कि उनके लक्ष्य हमारे लक्ष्यों के अनुरूप हैं, खासकर जब अनुबंध में प्रदर्शन-आधारित शुल्क शामिल होता है। जब हम अपनी मानसिक गणना में इन इरादों को शामिल करते हैं, तो हम खराब रिटर्न के प्रति अधिक सहिष्णु होते हैं।
स्पष्ट रूप से मानवीय परामर्श अधिक बार विफल हो सकता है और फिर भी मूल्यवान माना जाता है, विशेष रूप से जब एक कहानी होती है जो परिणाम की व्याख्या करती है। हिडाल्गो के शब्दों में, हम मशीनों से तर्कसंगतता और मनुष्यों से मानवीयता की उम्मीद करते हैं।
हम उन सूचनाओं को स्वीकार करने का भी विरोध करते हैं जो हमारे अनुभव के विपरीत होती हैं। रेडियोलॉजिस्ट्स के साथ जिन प्रयोगों में कृत्रिम बुद्धिमत्ता का उपयोग किया गया, वहां यह स्पष्ट नहीं था कि उन्होंने अपनी भविष्यवाणियों में एल्गोरिदम की राय को कैसे शामिल किया। काम में अधिक समय लगा और संयुक्त निदान की प्रभावशीलता संदिग्ध थी।
यदि यह रेडियोलॉजिस्टों के लिए लागू होता है, तो वित्तीय बाजारों में काम करने वाले किसी भी व्यक्ति के लिए यह और भी कठिन होना चाहिए। मैक्रो रणनीति में कृत्रिम बुद्धिमत्ता को एकीकृत करना सबसे कठिन क्षेत्र हो सकता है। सबसे पहले, क्योंकि बाजार, मौसम की तरह, स्थिर नहीं है, जिसका अर्थ है कि यह कभी भी उदाहरण के लिए मुद्रास्फीति या रोजगार डेटा पर समान प्रतिक्रिया नहीं देगा, डोनाल्ड ट्रंप के व्हाइट हाउस में संभावित वापसी को तो छोड़ ही दीजिए। इसके अलावा, प्रत्येक रणनीतिकार की मजबूत प्रारंभिक मान्यताएं होती हैं - या हमेशा आशावादी या निराशावादी होने की "पहचान" होती है - जो उनके निर्णय को प्रभावित करती हैं। उन कहानियों से बचना बहुत कठिन है, जिनकी ग्राहक आपसे अपेक्षा करते हैं।
अंत में, हम नियंत्रण की लालसा करते हैं। एक स्प्रेडशीट से उपलब्ध आंकड़ों का उपयोग करके बनाए गए मॉडल और उदाहरण के लिए ChatGPT के बीच एक मौलिक अंतर होता है। अपने अनुभव और अंतर्ज्ञान के आधार पर, हम पूर्व की संरचना और घटकों के बारे में निर्णय लेते हैं, लेकिन बाद के बारे में नहीं। और ज्यादातर मामलों में, हम यह भी नहीं जानते कि विशेष रूप से किसी उत्तर तक आने के लिए भाषा मॉडल ने क्या किया। इसलिए यह समझ में आता है कि हमारा वित्तीय सलाहकार एक ऐसी भविष्यवाणी का उपयोग करने में असहज महसूस करता है जो उसकी अपनी नहीं है।
कुछ विचार हैं जिन्हें विचार में लेना चाहिए। हमें लोगों को मॉडल के कुछ पैरामीटर समायोजित करने की अनुमति देनी चाहिए। दूसरे शब्दों में, हमें विशेषज्ञों को अनुमति देनी होगी कि वे एआई सिफारिशों को ऐसे स्वीकार करें जैसे वे उनकी अपनी हों। सर्वोत्तम स्थिति में, मॉडल में सुधार हो सकता है जब विशेषज्ञ उस संदर्भ को जोड़ता है जो मॉडल को संभवतः उपलब्ध नहीं है। यह ग्राहक की निजी परिस्थितियों या अन्य कठिन रूप से मापने योग्य कारक और प्रतिबंध हो सकते हैं। वैकल्पिक रूप से, हम एक प्रदर्शन में गिरावट को स्वीकार कर सकते हैं यदि इसके परिणामस्वरूप अधिक लोग मानव स्पर्श के कारण अंतर्दृष्टि को स्वीकार करते हैं। यह संपत्ति प्रबंधन सलाह जैसे क्षेत्रों में एक उचित समझौता हो सकता है।
अंततः, हमें प्रयास करना चाहिए कि कृत्रिम बुद्धिमत्ता को अधिक बोधगम्य बनाया जाए। यह एक न्यायसंगत अपेक्षा है, क्योंकि परीक्षण और अनुपालन की आवश्यकताएं बढ़ रही हैं। इसके अलावा, कुछ प्रमुख मॉडल "विचार श्रृंखला" लॉजिक को शामिल कर रहे हैं, जो एक कच्चे मॉडल में विशेषज्ञ ज्ञान को कोडिफाई करता है। इस तरह से न केवल प्रदर्शन में सुधार होता है, बल्कि हमारे पास कुछ नियम भी होते हैं जिन पर अधिकांश विशेषज्ञ भरोसा कर सकते हैं। कोई भी ऐसा मूर्ख रोबोट नहीं दिखना चाहता जो केवल एक ब्लैक बॉक्स की सलाह को दोहरा रहा हो। विश्वास और निर्णय महत्वपूर्ण विशेषताएं हैं एक ग्राहक संबंध में। अंततः, हम उम्मीद करते हैं कि लोग मानवीय बने रहें।
