論文の概要: Opportunities and Challenges of Generative-AI in Finance
- arxiv url: http://arxiv.org/abs/2410.15653v1
- Date: Mon, 21 Oct 2024 05:30:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:12:42.668576
- Title: Opportunities and Challenges of Generative-AI in Finance
- Title(参考訳): 金融における創生AIの可能性と課題
- Authors: Akshar Prabhu Desai, Ganesh Satish Mallya, Mohammad Luqman, Tejasvi Ravi, Nithya Kota, Pranjul Yadav,
- Abstract要約: 本稿では,金融分野におけるGen-AI技術の応用について概観する。
特に、金融におけるGen-AI技術の利用にかかわる機会と課題について述べる。
我々はまた、Gen-AIのトレーニングに使用できる様々な方法論を説明し、金融エコシステムにおけるGen-AI技術の様々な応用分野を提示する。
- 参考スコア(独自算出の注目度): 0.09895793818721334
- License:
- Abstract: Machine Learning and data mining have created widespread impact across various domains. However, these techniques are limited in their ability to reason, understand and generalize w.r.t language specific tasks. The aforementioned challenges were overcome, with the advancement of LLMs/Gen-AI. Gen-AI techniques are able to improve understanding of context and nuances in language modeling, translation between languages, handle large volumes of data, provide fast, low-latency responses and can be fine-tuned for various tasks and domains. In this manuscript, we present a comprehensive overview of the applications of Gen-AI techniques in the finance domain. In particular, we present the opportunities and challenges associated with the usage of Gen-AI techniques in finance. We also illustrate the various methodologies which can be used to train Gen-AI and present the various application areas of Gen-AI techniques in the finance ecosystem. To the best of our knowledge, this work represents the most comprehensive summarization of Gen-AI techniques within the financial domain. The analysis is designed for a deep overview of areas marked for substantial advancement while simultaneously pin-point those warranting future prioritization. We also hope that this work would serve as a conduit between finance and other domains, thus fostering the cross-pollination of innovative concepts and practices.
- Abstract(参考訳): 機械学習とデータマイニングは、さまざまな領域に広く影響を与えている。
しかしながら、これらのテクニックはw.r.t言語固有のタスクを推論、理解、一般化する能力に限られている。
上記の課題はLLM/Gen-AIの進歩とともに克服された。
Gen-AI技術は、言語モデリング、言語間の翻訳、大量のデータ処理、高速で低レイテンシな応答の提供、様々なタスクやドメインの微調整などにおいて、文脈やニュアンスに対する理解を改善することができる。
本稿では,金融分野におけるGen-AI技術の応用について概観する。
特に、金融におけるGen-AI技術の利用にかかわる機会と課題について述べる。
我々はまた、Gen-AIのトレーニングに使用できる様々な方法論を説明し、金融エコシステムにおけるGen-AI技術の様々な応用分野を提示する。
我々の知る限りでは、この研究は金融分野におけるGen-AI技術の最も包括的な要約を表している。
この分析は、実質的な進歩を示す領域を詳細に概観し、同時に将来の優先順位付けを保証する領域をピンポイントするように設計されている。
また、この作業が金融と他のドメイン間のコンジットとして機能し、革新的な概念やプラクティスの相互補完を促進することを期待しています。
関連論文リスト
- A Survey of Explainable Artificial Intelligence (XAI) in Financial Time Series Forecasting [1.2937020918620652]
eXplainable AI(XAI)の分野は、AIモデルをより理解しやすくすることを目指している。
本稿では、金融時系列を予測するXAIアプローチを分類する。
金融におけるXAIの現在の役割を包括的に把握している。
論文 参考訳(メタデータ) (2024-07-22T17:06:19Z) - A Survey of Large Language Models for Financial Applications: Progress, Prospects and Challenges [60.546677053091685]
大規模言語モデル(LLM)は金融分野における機械学習アプリケーションに新たな機会を開放した。
我々は、従来のプラクティスを変革し、イノベーションを促進する可能性に焦点を当て、様々な金融業務におけるLLMの適用について検討する。
本稿では,既存の文献を言語タスク,感情分析,財務時系列,財務推論,エージェントベースモデリング,その他の応用分野に分類するための調査を紹介する。
論文 参考訳(メタデータ) (2024-06-15T16:11:35Z) - Explainable Generative AI (GenXAI): A Survey, Conceptualization, and Research Agenda [1.8592384822257952]
我々は、XAIがGenAIの台頭とともに重要になった理由とその説明可能性研究の課題について詳述する。
私たちはまた、検証可能性、対話性、セキュリティ、コストといった側面をカバーし、説明が満たすべき新しいデシラタも披露します。
論文 参考訳(メタデータ) (2024-04-15T08:18:16Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - Iterative Zero-Shot LLM Prompting for Knowledge Graph Construction [104.29108668347727]
本稿では,最新の生成型大規模言語モデルの可能性を活用する,革新的な知識グラフ生成手法を提案する。
このアプローチは、新しい反復的なゼロショットと外部知識に依存しない戦略を含むパイプラインで伝達される。
我々は、我々の提案がスケーラブルで多目的な知識グラフ構築に適したソリューションであり、異なる新しい文脈に適用できると主張している。
論文 参考訳(メタデータ) (2023-07-03T16:01:45Z) - Domain Specialization as the Key to Make Large Language Models Disruptive: A Comprehensive Survey [100.24095818099522]
大規模言語モデル(LLM)は自然言語処理(NLP)の分野を著しく進歩させた。
広範囲のアプリケーションに対して、非常に有用でタスクに依存しない基盤を提供する。
しかし、特定の領域における洗練された問題を解決するために直接LLMを適用することは、多くのハードルを満たす。
論文 参考訳(メタデータ) (2023-05-30T03:00:30Z) - 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) - A Time Series Approach to Explainability for Neural Nets with
Applications to Risk-Management and Fraud Detection [0.0]
技術に対する信頼は、予測の背後にある根拠を理解することによって実現される。
横断的なデータの場合、古典的なXAIアプローチはモデルの内部動作に関する貴重な洞察をもたらす可能性がある。
本稿では、データの自然時間順序を保存・活用する深層学習のための新しいXAI手法を提案する。
論文 参考訳(メタデータ) (2022-12-06T12:04:01Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳(メタデータ) (2022-09-07T19:21:19Z) - AI in Finance: Challenges, Techniques and Opportunities [32.98512067306018]
金融におけるAIは、金融ビジネスにおけるAI技術の応用を広く指している。
このレビューは、金融におけるAI研究の圧倒的な課題、技術、および機会に関する包括的で密集したロードマップを提供する。
論文 参考訳(メタデータ) (2021-07-20T01:39:10Z)
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。