FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim Verification
تُعد FinGround عبارة عن مسار عمل ثلاثي المراحل من نوع "التحقق ثم التثبيت" مصمم لتقليل الهلوسة المالية في النماذج اللغوية الكبيرة عبر تفكيك الإجابات إلى ادعاءات ذرية، وتطبيق استراتيجيات تحقق متخصصة (بما في ذلك إعادة الحساب الحسابي)، وتقديم استشهادات دقيقة، مما يحقق في النهاية انخفاضاً بنسبة 78% في الأخطاء مقارنة بـ GPT-4o.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك توظف مساعداً مالياً رفيع المستوى لقراءة آلاف الصفحات من تقارير الشركات المعقدة. هذا المساعد سريع للغاية ويبدو واثقاً جداً من نفسه، لكن لديه عادة خطيرة: فهو يختلق الأمور أحياناً.
قد يخبرك: "نمت أرباح الشركة بنسبة 15%"، بينما نمت في الواقع بنسبة 5% فقط. أو قد يقول: "وفقاً للقاعدة 10b-5..." في حين أن هذه القاعدة غير موجودة أصلاً. في عالم المال، "الكذبة الواثقة" مثل هذه ليست مجرد خطأ؛ بل يمكن أن تؤدي إلى دعاوى قضائية ضخمة، وغرامات تنظيمية، وتدمير مسيرات مهنية.
تقدم هذه الورقة البحثية FinGround، وهو نظام متخصص لـ "التحقق من الحقيقة" صُمم ليكون خلف الذكاء الاصطناعي لضمان عدم قوله أي كذبة أبداً.
إليك كيف يعمل، مشروحاً من خلال ثلاث استعارات بسيطة:
1. المجهر "الذري" (التفكيك إلى جزيئات)
معظم أدوات كشف الذكاء الاصطناعي تنظر إلى فقرة كاملة وتسأل: "هل تبدو هذه الفقرة حقيقية؟" هذا يشبه معلماً يلقي نظرة على مقال ويقول: "يبدو هذا جيداً". إنه أمر غامض للغاية.
يعمل FinGround مثل عالم يستخدم مجهراً عالي القدرة. فبدلاً من النظر إلى الفقرة بأكملها، يقوم بتفكيك كل جملة إلى "ادعاءات ذرية" (Atomic Claims)—وهي أصغر قطع ممكنة من الحقيقة.
- بدلاً من التحقق من: "كانت إيرادات شركة أبل رائعة في الربع الرابع"،
- يقوم بالتحقق من:
- الكيان (أبل)
- الزمن (الربع الرابع)
- الرقم المحدد (مبلغ الإيرادات)
من خلال تفكيك الجملة إلى هذه "الذرات" الصغيرة، يمكن للنظام التحقق من كل واحدة منها على حدة. إنه الفرق بين التحقق مما إذا كانت الوجبة بأكملها جيدة، وبين فحص كل مكون فيها للتأكد من عدم وجود شيء فاسد.
2. استراتيجية "مدرس الرياضيات" (التحقق القائم على نوع البيانات)
تعامل أدوات كشف الذكاء الاصطناعي القياسية جميع المعلومات بالطريقة نفسها. لكن في التمويل، تختلف "التاريخ" عن "الاسم"، و"الاسم" يختلف عن "الحسابات".
يستخدم FinGround تصنيفاً مكوناً من ستة أنواع. فكر في هذا كفريق تحقيق متخصص:
- المؤرخ: يتحقق مما إذا كانت التواريخ صحيحة.
- أمين المكتبة: يتحقق مما إذا كانت القواعد التنظيمية حقيقية.
- المحاسب: وهو الأهم. إذا قال الذكاء الاصطناعي: "هامش الربح هو 20%"، فإن المحاسب لا يبحث فقط عن الرقم "20%"، بل يخرج آلة حاسبة بالفعل، ويستخرج الأرقام الأصلية من جداول الشركة، ويعيد إجراء العملية الحسابية ليرى ما إذا كانت تساوي بالفعل 20%.
تفشل معظم أنظمة الذكاء الاصطناعي هنا لأنها "تقرأ" الأرقام ككلمات؛ أما FinGround فيقوم بـ "حسابها" كمهني بشري.
3. محرر "تدقيق الحقائق" (إعادة الصياغة المستندة إلى الواقع)
إذا وجد النظام كذبة، فهو لا يكتفي بالصراخ "خطأ!" ويتوقف عن العمل. بل يعمل كمحرر محترف.
إذا كتب المساعد الذكي جملة خاطئة، يقوم FinGround بالإمساك بقلم أحمر، ويشطب الكذبة، ويعيد كتابتها باستخدام الحقائق الفعلية الموجودة في الوثائق الأصلية. والأهم من ذلك، أنه يضيف "هوامش رقمية". فهو لا يكتفي بالقول: "كان الربح 5 مليارات دولار"، بل يقول: "كان الربح 5 مليارات دولار [انظر الصفحة 12، الجدول 3، الصف 2]". وهذا يسمح للبشر بالتحقق من الحقيقة في ثوانٍ.
لماذا يهم هذا؟ (الخلاصة)
لم يقم الباحثون ببناء هذا النظام ليكون "ذكياً" فحسب؛ بل بنوه ليكون رخيصاً وسريعاً.
لقد أخذوا "عقلاً" ضخماً ومكلفاً (GPT-4o) و"قاموا بتقطير" حكمته في "عقل" أصغر وأكثر رشاقة (نموذج 8B). وهذا يجعل النظام:
- أسرع بـ 18 مرة لكل ادعاء.
- أرخص بـ 15 مرة في التشغيل.
- موثوق للغاية، حيث يكشف نوع الأخطاء الحسابية التي عادة ما تخدع حتى أكثر أنظمة الذكاء الاصطناعي ذكاءً.
باخت تختصار: يحول FinGround "الراوي الواثق" إلى "مدقق صارم"، مما يجعل الذكاء الاصطناعي آمناً بما يكفي لعالم التمويل العالمي عالي المخاطر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.