Can AI Help with Your Personal Finances?

要約

近年、大規模言語モデル(LLM)は人工知能(AI)の革新的な発展として登場し、産業界や学界から大きな注目を集めている。膨大なデータセットで学習されたこの洗練されたAIシステムは、素晴らしい自然言語処理能力とコンテンツ生成能力を発揮する。本稿では、米国に焦点を当て、個人金融における重要な課題を解決するLLMの可能性を探る。OpenAIのChatGPT、GoogleのGemini、AnthropicのClaude、MetaのLlamaなど、いくつかの主要なLLMを評価し、住宅ローン、税金、ローン、投資などのトピックについて正確な金融アドバイスを提供する際の有効性を評価する。その結果、これらのモデルは平均約70％の精度を達成する一方で、特定の分野では顕著な限界も示すことがわかった。特に、LLMは複雑な金融クエリに対して正確な回答を提供するのに苦労しており、トピックによってパフォーマンスが大きく異なる。このような限界があるにもかかわらず、分析によると、これらのモデルの新しいバージョンでは顕著な改善が見られ、個人やファイナンシャル・アドバイザーにとっての有用性が高まっていることが浮き彫りになっている。これらのAIシステムが進化し続けるにつれて、個人金融におけるAI主導のアプリケーションを前進させる可能性がますます有望になってきている。

要約(オリジナル)

In recent years, Large Language Models (LLMs) have emerged as a transformative development in artificial intelligence (AI), drawing significant attention from industry and academia. Trained on vast datasets, these sophisticated AI systems exhibit impressive natural language processing and content generation capabilities. This paper explores the potential of LLMs to address key challenges in personal finance, focusing on the United States. We evaluate several leading LLMs, including OpenAI’s ChatGPT, Google’s Gemini, Anthropic’s Claude, and Meta’s Llama, to assess their effectiveness in providing accurate financial advice on topics such as mortgages, taxes, loans, and investments. Our findings show that while these models achieve an average accuracy rate of approximately 70%, they also display notable limitations in certain areas. Specifically, LLMs struggle to provide accurate responses for complex financial queries, with performance varying significantly across different topics. Despite these limitations, the analysis reveals notable improvements in newer versions of these models, highlighting their growing utility for individuals and financial advisors. As these AI systems continue to evolve, their potential for advancing AI-driven applications in personal finance becomes increasingly promising.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL