في عالم المالية، يُعتبر التفكير الرمزي متعدد الخطوات أساسياً للحصول على تحليلات مالية موثوقة وعميقة. ومع ذلك، تعاني الأدوات الحالية من نقص كبير في تقييم هذه القدرة، حيث تركز غالبية المقاييس الموجودة مثل FinQA وConvFinQA على النتائج الرقمية النهائية فقط، متجاهلةً الخطوات الوسيطة التي تساهم في الشفافية والقدرة على التحقق.

لملء هذا الفجوة، يقدّم الباحثون خلال الدراسات الحديثة أداة جديدة تُدعى FinChain، التي تُعتبر أول معيار مصمم خصيصاً لتقييم السلاسل الفكرية القابلة للتحقق في مجال المالية. تتضمن FinChain 58 موضوعاً تغطي 12 مجالاً مالياً، حيث يُمثل كل موضوع بقوالب رمزية قابلة للتنفيذ مع كود بايثون، مما يتيح معالجة بيانات يمكن الوثوق بها وتوليد بيانات خالية من التلوث.

لتقييم قدرة التحليل، تم اقتراح مقياس جديد يُعرف باسم CHAINEVAL، والذي يُقيم بشكل ديناميكي كل من دقة الإجابات النهائية وتناسق خطوات التحليل. ويُظهر تقييم 26 نموذجاً من نماذج اللغات الكبيرة (Large Language Models) أن حتى النماذج الرائدة تعاني من قيود واضحة في التفكير الرمزي المالي. ومع ذلك، فإن النماذج المُعَدَّلة وفقاً للمجال والمرتبطة بالرياضيات المُحسَّنة يمكن أن تُساعد في تقليص هذه الفجوة بشكل كبير.

بصفة عامة، تسلط FinChain الضوء على نقاط الضعف المتكررة في تحليل البيانات المالية متعددة الخطوات، وتقدم أساساً لتطوير أنظمة ذكاء اصطناعي مالية موثوقة وواضحة وقابلة للتحقق. ويمكن الاطلاع على مشروع FinChain عبر [https://github.com/mbzuai-nlp/finchain.git](https://github.com/mbzuai-nlp/finchain.git). ما رأيكم في هذا التطور الثوري في مجال الذكاء الاصطناعي المالي؟ شاركونا في التعليقات.