Aplicaciones de ChatGPT en economía y finanzas
Fuente: Our World in Data
El 30 de noviembre de 2022, se lanzó de manera gratuita el ChatGPT, un chatbot de inteligencia artificial de red neuronal de aprendizaje profundo desarrollado por OpenAI, pertenece a la familia de modelos lingüísticos del Transformador Generativo Preentrenado (GPT por sus siglas en inglés).
Desde su lanzamiento, las redes sociales y los medios, no han dejado de realizar consultas, pruebas y experimentos con el chatbot. El post del día de hoy, les comparto una serie de lecturas que nos pueden dar una clara idea (comprobada) de lo que puede hacer actualmente este tipo de tecnología en economía y finanzas.
El Instituto CFA (un referente para los profesionales en finanzas) no se ha querido quedar atrás en el tema y ha publicado un artículo que discute sobre los orígenes, el revuelo, y la oportunidad que supone el famoso ChatGPT.
Otro artículo bastante interesante es el que nos trae el economista experto en inferencia causal y econometría, Scott Cunningham, donde hace que el GPT-4 escriba, y luego responda, preguntas de examen sobre inferencia causal.
Por último, pero no por ello menos importante, les comparto un documento de trabajo super interesante sobre el uso del aprendizaje automático como herramienta para la generación de hipótesis.
Resumen:
Mientras que la comprobación de hipótesis es una actividad muy formalizada, la generación de hipótesis sigue siendo en gran medida informal. Proponemos un procedimiento sistemático para generar hipótesis novedosas sobre el comportamiento humano, que aprovecha la capacidad de los algoritmos de aprendizaje automático para advertir patrones que la gente podría no advertir. Ilustramos el procedimiento con una aplicación concreta: las decisiones de los jueces sobre a quién encarcelar. Empezamos con un hecho sorprendente: la cara del acusado por sí sola importa mucho para la decisión de encarcelamiento del juez. De hecho, un algoritmo que sólo tenga en cuenta los píxeles de la foto del acusado explica hasta la mitad de la variación predecible. Desarrollamos un procedimiento que permite a los sujetos humanos interactuar con este algoritmo de caja negra para producir hipótesis sobre qué elementos de la cara influyen en las decisiones del juez. El procedimiento genera hipótesis que son interpretables y novedosas: No se explican por datos demográficos (por ejemplo, la raza) ni por investigaciones psicológicas existentes; tampoco son ya conocidas (aunque sea tácitamente) por las personas ni siquiera por los expertos. Aunque estos resultados son específicos, nuestro procedimiento es general. Proporciona una manera de producir hipótesis novedosas e interpretables a partir de cualquier conjunto de datos de alta dimensión (por ejemplo, teléfonos móviles, satélites, comportamiento en línea, titulares de noticias, archivos corporativos y series temporales de alta frecuencia). Un principio central de nuestro trabajo es que la generación de hipótesis es en sí misma una actividad valiosa, y esperamos que esto anime a futuros trabajos en esta etapa en gran medida "precientífica" de la ciencia.
Ludwig, J. and Mullainathan, S. (2023). Machine Learning as a Tool for Hypothesis Generation, NBER Working Paper No. 31017 (March 2023).
Hasta aquí el post del día de hoy y recuerda que puedes seguirme en Twitter y mantenerte informado de lo último de ciencia, tecnología e innovación en el mundo de la economía y las finanzas.
Comentarios