Experiment a jeho zistenia
Výskumníci Miguel Faria e Castro a Fernando Leibovici z Federálneho rezervného systému v St. Louis uskutočnili zaujímavú štúdiu s využitím veľkého jazykového modelu PaLM spoločnosti Google. Tento model s umelou inteligenciou použili na vytvorenie retrospektívnych prognóz inflácie na roky 2019-2023. Výskumníci porovnali tieto prognózy s prognózami prieskumu profesionálnych prognostikov filadelfského Fedu a so skutočnými mierami inflácie. Výsledky boli prekvapujúce: prognózy PaLM mali nižšie stredné kvadratické chyby (MSE) ako tradičné metódy takmer pre každý rok a horizont prognózy.
Metodika a výzvy
Aby sa zabezpečilo, že PaLM „nepodvádza“ používaním údajov v reálnom čase, výskumníci nastavili model tak, aby fungoval, akoby sa nachádzal v určitom bode v minulosti. Pomocou starostlivo pripravených podnetov požiadali model o najlepšiu prognózu medziročnej miery inflácie. Napriek tomu, že model mal prístup na internet, používali otázky týkajúce sa aktuálnych udalostí na overenie toho, čo model v danom čase „vedel“. Uznali však, že úplné zabezpečenie toho, aby PaLM dodržiaval pravidlá, je obmedzené vzhľadom na to, že nemali kontrolu nad údajmi použitými na trénovanie modelu.
Dôsledky a obmedzenia
Štúdia naznačuje, že modely umelej inteligencie, ako je PaLM, by mohli byť cenným nástrojom na hospodárske prognózy. Existujú však aj problémy, ako sú odpovede modelu, ktoré sa menia v závislosti od použitých podnetov, a náhodnosť, ktorá je vlastná veľkým jazykovým modelom. Napriek týmto obmedzeniam PaLM v súčasnosti predpovedá pomalší návrat k 2-percentnému inflačnému cieľu Federálneho rezervného systému v porovnaní s ľudskými prognostikmi, čo poukazuje na jeho potenciálnu využiteľnosť pri ekonomických predpovediach.
Napísal Robin Wigglesworth, uverejnené na Financial Times.
Odmietnutie zodpovednosti: Zhrnutie napísal ChatGPT.
