論文の概要: AI for Investment: A Platform Disruption
- arxiv url: http://arxiv.org/abs/2311.06251v1
- Date: Wed, 6 Sep 2023 09:46:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 16:19:03.879810
- Title: AI for Investment: A Platform Disruption
- Title（参考訳）: AI for Investment - プラットフォームの破壊
- Authors: Mohammad Rasouli, Ravi Chiruvolu, Ali Risheh
- Abstract要約: 社内AIプラットフォームは、業界におけるゲームチェンジャーである。
ファンドには、このようなAIプラットフォームに対する実践的な計画とそれに対応するリスクアセスメントが必要です。
近年の大規模言語モデルの発展は、他のファンドが独自のAIプラットフォームを開発する機会となった。
- 参考スコア（独自算出の注目度）: 2.2406151150434903
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: With the investment landscape becoming more competitive, efficiently scaling
deal sourcing and improving deal insights have become a dominant strategy for
funds. While funds are already spending significant efforts on these two tasks,
they cannot be scaled with traditional approaches; hence, there is a surge in
automating them. Many third party software providers have emerged recently to
address this need with productivity solutions, but they fail due to a lack of
personalization for the fund, privacy constraints, and natural limits of
software use cases. Therefore, most major funds and many smaller funds have
started developing their in-house AI platforms: a game changer for the
industry. These platforms grow smarter by direct interactions with the fund and
can be used to provide personalized use cases. Recent developments in large
language models, e.g. ChatGPT, have provided an opportunity for other funds to
also develop their own AI platforms. While not having an AI platform now is not
a competitive disadvantage, it will be in two years. Funds require a practical
plan and corresponding risk assessments for such AI platforms.
- Abstract（参考訳）: 投資の状況がより競争力を持つようになるにつれ、取引のソーシングの効率化と取引の洞察の向上が、ファンドの主要な戦略となっている。
資金はすでにこの2つのタスクに多大な労力を費やしているが、従来のアプローチではスケールできない。
多くのサードパーティソフトウェアプロバイダが、生産性ソリューションでこのニーズに対処するために最近登場したが、それはファンドのパーソナライズ不足、プライバシの制約、ソフトウェアユースケースの自然な制限のために失敗する。
そのため、ほとんどの主要なファンドと小さなファンドは、自社のAIプラットフォーム、すなわち業界のためのゲームチェンジャーの開発を始めています。
これらのプラットフォームはファンドとの直接のやりとりによって賢くなり、パーソナライズされたユースケースを提供するのに使うことができる。
大規模言語モデルの最近の発展、例えばChatGPTは、他のファンドが独自のAIプラットフォームを開発する機会となった。
今やAIプラットフォームを持っていないことは競争上の不利ではないが、2年で終わるだろう。
資金は、こうしたaiプラットフォームの実用的な計画と対応するリスクアセスメントを必要とする。
関連論文リスト
- Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、計算要求がモデルの性能よりも早く増加し、不合理な経済要求と不均等な環境フットプリントにつながるため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
論文 参考訳（メタデータ） (2024-09-21T14:43:54Z) - FinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models [16.814416170855147]
FinRobotは、複数の金融専門のAIエージェントをサポートする、オープンソースのAIエージェントプラットフォームである。
FinRobotは、高度な財務分析に強力なAI技術を利用するために、プロ級のアナリストとレイパーの両方にハンズオンを提供する。
論文 参考訳（メタデータ） (2024-05-23T16:35:20Z) - Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
政府や企業は、AIを管理する手段として計算を活用し始めている。
計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。
プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
論文 参考訳（メタデータ） (2024-02-13T21:10:21Z) - Moderating Model Marketplaces: Platform Governance Puzzles for AI Intermediaries [1.5346678870160886]
Hugging Faceのような仲介者は、ユーザがアップロードしたモデルやトレーニングデータに簡単にアクセスできる。
これらのモデルマーケットプレースは、数十万人のユーザの技術的なデプロイメント障壁を低くするが、潜在的に有害で違法な多くの方法で使用することができる。
論文 参考訳（メタデータ） (2023-11-21T12:38:05Z) - Towards Democratizing AI: A Comparative Analysis of AI as a Service
Platforms and the Open Space for Machine Learning Approach [1.5500145658862499]
いくつかの一般的なAI・アズ・ア・サービスプラットフォームを比較し、AIの真の民主化を実現するためのプラットフォームの主要な要件を特定します。
私たちの分析では、セルフホスティングオプション、高いスケーラビリティ、オープン性の必要性を強調しています。
当社のアプローチは、既存のAI・アズ・ア・サービスプラットフォームよりも、AIの民主化要件を満たす上で、より包括的で効果的です。
論文 参考訳（メタデータ） (2023-11-08T08:02:59Z) - A Democratic Platform for Engaging with Disabled Community in Generative
AI Development [0.9065034043031664]
ジェネレーティブなAIツールの影響と人気が高まり、私たちは障害のあるコミュニティにおけるそれらの関連性を調べるようになった。
本ワークショップでは,生産型AIシステムを構築しながら,障害者コミュニティを巻き込むプラットフォームを提案する。
論文 参考訳（メタデータ） (2023-09-26T13:30:57Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - Monetizing Explainable AI: A Double-edged Sword [0.0]
説明可能な人工知能(XAI)は、アルゴリズムによる意思決定のロジックに関する洞察を提供することを目的としている。
このトピックに関する多くの研究にもかかわらず、XAIの消費者向け応用は依然として稀である。
本稿では,説明プラットフォームを通じてプログラム広告とアルゴリズムによる説明を融合させる新たな収益化戦略について紹介する。
論文 参考訳（メタデータ） (2023-03-27T15:50:41Z) - Game of Privacy: Towards Better Federated Platform Collaboration under
Privacy Restriction [95.12382372267724]
Vertical Federated Learning (VFL)は、異なるプラットフォームに格納された異なる機能空間を持つクロスサイロデータからモデルをトレーニングすることを目的としている。
フェデレーション学習の固有のプライバシーリスクのため、関連するデータの総量は制限される可能性がある。
我々は、VFLフレームワークのマルチプラットフォーム情報を活用して、各プラットフォームが自身のタスクに役立てることができるような、相互協力を通じて、異なるプラットフォームをインセンティブにすることを提案する。
論文 参考訳（メタデータ） (2022-02-10T16:45:40Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。