ลิงก์อัลฟาเปิด AI Lab ตรวจสอบความน่าเชื่อถือของ AI ด้านการลงทุน

ลิงก์อัลฟา (LinkAlpha) เปิดตัวห้องปฏิบัติการวิจัยปัญญาประดิษฐ์ (AI) เฉพาะทางด้านการเงิน เพื่อตรวจสอบว่าโมเดลภาษาขนาดใหญ่ (LLM) 'เชื่อถือได้' แค่ไหนเมื่อนำมาใช้ช่วยตัดสินใจลงทุนจริง ท่ามกลางกระแสที่ภาคการเงินเริ่มนำ AI มาใช้สนับสนุนการตัดสินใจลงทุนมากขึ้นเรื่อยๆ

ลิงก์อัลฟาระบุเมื่อวันที่ 20 (เวลาท้องถิ่น) ว่าได้เปิดตัวองค์กรวิจัยเฉพาะทางด้านการเงินอย่างเป็นทางการภายใต้ชื่อ 'ลิงก์อัลฟา AI แล็บ' (LinkAlpha AI Lab) โดยลิงก์อัลฟาเป็นบริษัทที่ให้บริการรีเสิร์ชด้านการลงทุนด้วย AI แก่นักลงทุนสถาบัน และเพิ่งปิดดีลระดมทุนซีรีส์ A มูลค่าราว 34,000 ล้านวอน (ประมาณ 22 ล้านดอลลาร์) ที่มีสถาบันการเงินระดับโลกเข้าร่วมลงทุน

AI แล็บแห่งนี้ดำเนินงานในรูปแบบองค์กรวิจัยภายในบริษัทแบบเต็มเวลา มีนักวิจัยประจำ 5 คน ประจำอยู่ที่นิวยอร์กและโซล พร้อมโครงสร้างความร่วมมือกับนักวิจัยในแวดวงวิชาการ บริษัทระบุว่ามีแผน 'ขยาย' กำลังคนวิจัยไปยังฮ่องกงและสิงคโปร์ในอนาคต

ผู้ดูแลงานวิจัยโดยรวมคือศาสตราจารย์ อี ยงแจ(Lee Yong-jae) จากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีอุลซาน หรือยูนิสต์(UNIST) โดยขอบเขตงานวิจัยแบ่งเป็นสามด้านหลัก ได้แก่ △การทำความเข้าใจวิธีที่โมเดล AI ใช้ตีความตลาด △การวัดความน่าเชื่อถือของการตัดสินใจของ AI △การสร้างระบบอัลฟาและระบบบริหารความเสี่ยง

คำว่า 'อัลฟา' หมายถึงผลตอบแทนส่วนเกินที่สูงกว่าค่าเฉลี่ยตลาด ส่วนระบบบริหารความเสี่ยงคือกลไกจัดการความเป็นไปได้ของการขาดทุนและความไม่แน่นอนในกระบวนการตัดสินใจลงทุน แนวคิดเบื้องหลังคือ หาก AI ด้านการเงินจะก้าวข้ามการสรุปเอกสารธรรมดาไปสู่การเป็นเครื่องมือช่วยตัดสินใจลงทุนจริง ต้องตรวจสอบทั้ง 'ผลลัพธ์' และ 'กระบวนการคิด' รวมถึงความผันผวนของคำตอบไปพร้อมกัน

ที่ปรึกษาทางวิชาการของโครงการคือศาสตราจารย์อาเลฮันโดร โลเปซ-ลิรา(Alejandro Lopez-Lira) จากมหาวิทยาลัยฟลอริดา ผู้เคยได้รับรางวัลบทความวิจัยยอดเยี่ยมจากแบล็คร็อค(BlackRock) เมื่อปี 2023

เจ้าหน้าที่ของลิงก์อัลฟากล่าวว่า "AI Lab จะศึกษาว่า AI เข้าใจและตัดสินใจเกี่ยวกับข้อมูลทางการเงินอย่างไร ความน่าเชื่อถือของการตัดสินใจนั้นอยู่ในระดับไหน และมีความเป็นไปได้แค่ไหนที่จะเชื่อมโยงไปสู่ผลตอบแทนการลงทุนจริง" ความคิดเห็นนี้สะท้อนความตั้งใจที่จะลดช่องว่างระหว่างความเร็วในการนำ AI มาใช้กับระดับการตรวจสอบความแม่นยำในภาคการเงิน

ทีมวิจัยเคยนำเสนอผลงานในการประชุมวิชาการนานาชาติด้าน AI และการเงินของ ACM หรือ ICAIF ซึ่งชี้ให้เห็นว่าโมเดลพื้นฐานหลักอย่างแชทจีพีที(ChatGPT), เจมินี(Gemini) และคลอด(Claude) ต่างมี 'อคติด้านการลงทุน' ที่เกิดขึ้นอย่างต่อเนื่อง จากผลวิจัยนี้ ทีมงานได้พัฒนากระดานผลคะแนนสาธารณะสำหรับเปรียบเทียบและประเมินลักษณะการตัดสินใจลงทุนของ LLM รายใหญ่แต่ละตัว

กระดานผลคะแนนดังกล่าวทำงานโดยป้อนเหตุผลฝั่ง 'ซื้อ' และ 'ขาย' ให้กับโมเดลอย่างสมดุลในเงื่อนไขเดียวกัน แล้วบันทึกผลการตัดสินใจซ้ำหลายรอบเพื่อคำนวณคะแนนอคติ อย่างไรก็ตาม คะแนนที่แตกต่างกันระหว่างโมเดลไม่ได้หมายความถึงผลตอบแทนการลงทุนที่แตกต่างกันโดยตรง แนวคิดคือภาคการเงินไม่ควรรับคำตัดสินของ AI ไปใช้ตรงๆ แต่ต้องตรวจสอบว่าคำตัดสินนั้นแกว่งไปมาภายใต้เงื่อนไขแบบใดบ้าง

ลิงก์อัลฟาระบุว่า ณ วันที่เปิดตัว บริษัทมีผลงานวิจัยตีพิมพ์ในงานประชุมวิชาการ AI ชั้นนำอย่าง ICML, ACL และ ACM ICAIF รวมกันมากกว่า 13 ฉบับ พร้อมทั้งเคยทำวิจัยร่วมกับสถาบันการเงินและสถาบันวิจัยอย่างเจพีมอร์แกน(JPMorgan), แบล็คร็อค(BlackRock), แบล็คสโตน(Blackstone), สเตทสตรีท(State Street) และเอ็มไอที(MIT) นอกจากนี้ยังเปิดเผยชุดข้อมูลมาตรฐานด้าน AI การเงินอย่าง 'FinDER' และ 'FinAgentBench' สู่สาธารณะด้วย

FinAgentBench ถูกอธิบายว่าเป็นเกณฑ์มาตรฐานสำหรับประเมินความสามารถด้านการค้นหาและการให้เหตุผลของ 'AI เอเจนต์' ในงานถาม-ตอบเกี่ยวกับเอกสารทางการเงิน โครงสร้างการประเมินแบ่งเป็นสองส่วน คือ ความสามารถในการเลือกประเภทเอกสารที่ควรพิจารณาก่อนจากเอกสารการเงินจำนวนมาก และความสามารถในการค้นหาข้อความสำคัญภายในเอกสารที่เลือกนั้น

ชเว ชานยอล(Choi Chan-yeol) ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารร่วมของลิงก์อัลฟา กล่าวว่า "การใช้งาน AI ด้านการเงินกำลังขยายตัวอย่างรวดเร็ว แต่มาตรฐานที่ทำให้เชื่อมั่นได้ว่าจะนำ AI มาใช้ในการตัดสินใจลงทุนจริงยังไม่ถูกวางไว้อย่างเพียงพอ" พร้อมระบุว่า "เป้าหมายคือการวางระบบตรวจสอบที่เป็นกลางและอิงหลักฐาน" ความคิดเห็นนี้สะท้อนมุมมองว่าความเร็วของการขยายตัวของ AI รีเสิร์ชด้านการลงทุนกำลังแซงหน้าการวางมาตรฐานตรวจสอบ

ภาคการเงินเกาหลีใต้เองก็เริ่มเข้าสู่ขั้นตอนวางมาตรฐานการใช้ AI เช่นกัน โดยสถาบันความมั่นคงปลอดภัยทางการเงินเกาหลี (Financial Security Institute) ได้บรรจุประเด็น เกณฑ์ประเมินความปลอดภัยและความน่าเชื่อถือของ AI ด้านการเงิน ซึ่งครอบคลุม △การบริหารจัดการประสิทธิภาพของโมเดล △คุณภาพของข้อมูล △ความเป็นธรรมและอคติ △ความสามารถในการอธิบายผลลัพธ์ △การตรวจสอบโมเดลและข้อมูลจากภายนอก

การเปิดตัวครั้งนี้ยังสอดคล้องกับ กระแสความต้องการ AI แบบเฉพาะทางตามอุตสาหกรรมที่กำลังเพิ่มขึ้น เมื่อ AI ด้านการเงินเริ่มขยับจากงานอัตโนมัติทั่วไปไปสู่การเป็นผู้ช่วยตัดสินใจลงทุน ปัจจัยอย่างอคติ ความสามารถในการอธิบายเหตุผล และการตรวจสอบความน่าเชื่อถือ จึงกลายเป็นจุดแข่งขันสำคัญไม่แพ้ประสิทธิภาพของโมเดลเอง