التفاؤل من الجهل: عندما يكون الذكاء الاصطناعي مستشارًا سيئًا
| حسين سلمان أحمد الشويخ
بصفته مستشارًا استثماريًا، أثبت ChatGPT تفاؤله الكبير تجاه الشركات الصينية مقارنةً بـ DeepSeek الصينية.
تعتمد تنبؤات الذكاء الاصطناعي على البيانات التي دُرّب عليها: فالبيانات غير الكافية قد تؤدي إلى أخطاء منهجية في تقييم الأصول في دول أخرى.
أحدث الذكاء الاصطناعي ثورةً في تحليل الأسواق المالية. وقدرة نماذج اللغات الكبيرة (LLMs) على تحسين العمليات الروتينية، ومعالجة مجموعات البيانات الضخمة، واكتشاف الاتجاهات مبكرًا، والتي يصعب على المحترفين المخضرمين رؤيتها، جعلت الذكاء الاصطناعي أداةً مطلوبةً لمديري المحافظ الاستثمارية، والمتداولين المحترفين، ومديري المخاطر.
يستطيع الذكاء الاصطناعي تحليل البيانات المالية للشركات، والتنبؤ بعوائد الأسهم، والأرباح، وتوزيعات الأرباح، والاستثمارات المستقبلية.
ويتيح دمج هذه البيانات تحسين استراتيجيات الاستثمار وزيادة عوائده.
مع ذلك، ورغم جميع مزاياه، فإن الذكاء الاصطناعي كمتداول ليس مثاليًا.
على سبيل المثال، ترث نماذج LLM بعض التحيزات والتشوهات المعرفية الشائعة لدى البشر من البيانات التي تُدرّب عليها: التثبيت (التأثير القوي للمعلومات الأولية على التقييمات اللاحقة)، والخصم الزائد (تفضيل المكاسب الفورية على المكاسب الأكبر والمؤجلة)، و"الإفراط في الاستقراء" - أي إعطاء وزن مبالغ فيه للأداء الأخير.
وبحسب دراسة جديدة أجراها تشارلز وانج، أستاذ كلية هارفارد للأعمال، وزملاؤه يي شيانج من جامعة هونغ كونغ للفنون التطبيقية وشون كاو من جامعة ميريلاند، فإن نماذج الذكاء الاصطناعي قد تعمل بشكل منهجي على تضخيم تقييمات الأسهم الأجنبية - من خلال التنبؤ بأسعار أعلى وإصدار المزيد من توصيات "الشراء".
أطلقوا على هذه الظاهرة اسم "التحيز الأجنبي"
وهي عكس "التحيز المحلي" البشري تمامًا، حيث يفضل المستثمرون أصول بلادهم لأنها مألوفة وسهلة الفهم.
وخلص الباحثون إلى أن أسباب التقييم المتحيز للشركات الأجنبية بواسطة نماذج الذكاء الاصطناعي هي أسباب فنية بحتة: نقص بيانات التدريب.
ChatGPT مقابل DeepSeek قارن الباحثون توقعات الربحية للشركات الصينية باستخدام نماذج ذكاء اصطناعي طورها مطورون في الولايات المتحدة والصين، وهما رائدان عالميان في مجال الذكاء الاصطناعي.
استخدم المؤلفون اثنين من أكثر نماذج الذكاء الاصطناعي تطورًا: ChatGPT 4.1 الأمريكي وDeepSeek R1 الصيني. تنبأ كلا النموذجين بأسعار أسهم ما يقرب من 5000 شركة صينية على مدى ستة أشهر (حتى 31 ديسمبر 2024). كما كُلِّف الذكاء الاصطناعي بتقديم توصيات استثمارية لكل سهم، وتقييم ما إذا كان ينبغي الشراء أو الاحتفاظ به أو بيعه. وشملت العينة شركات مُدرجة في بورصتي شنغهاي وشنتشن.
اتضح أن توقعات النموذجين تختلف بشكل كبير، وخاصة أن ChatGPT أكثر تفاؤلاً في تقييمها للجهات المصدرة الصينية. تجاوزت توقعات سعر سهم ChatGPT توقعات DeepSeek بنسبة 11.6% في المتوسط. كما زادت احتمالية إصدار ChatGPT لتوصية "شراء" بنسبة 1.3%. رغم أن هذا الاختلاف الأخير قد يبدو ضئيلاً، إلا أنه كان له تأثير كبير على الأسهم التي أوصى خبراء إدارة الأصول بعدم شرائها. كانت الحصة الأكبر من توصيات كلا النموذجين شراءً. اعتبر DeepSeek أن 97.55% من أسهم العينة شراء، وبالتالي أوصى بالاحتفاظ بالـ 2.45% المتبقية. أما ChatGPT فقد أوصى بشراء 98.85% من الشركات والاحتفاظ بالـ 1.15% المتبقية، ما يعني، من وجهة نظره، أن عدد الشركات التي تستحق عدم الاستثمار فيها كان أقل بنصف هذا العدد. تبيّن أن تفاؤل الذكاء الاصطناعي الأمريكي لا علاقة له بخصائص الشركة التي تؤثر عادةً على التوقعات. بعد أن طلب الباحثون من النماذج مراعاة حجم الشركات المُحللة، وهامش ربحها، ومستوى ديونها، وأدائها السابق، ظلّ الاختلاف في التقديرات بين ChatGPT وDeepSeek قائمًا.
عدم التماثل في المعلومات
عادةً ما ينشأ التحيز في نماذج ماجستير إدارة الأعمال من "استعارة" تحيزات من البشر عند التدريب على بيانات مُولّدة منهم. ولكن في هذه الحالة، كان السبب هو اختلاف بيانات التدريب المُستخدمة لتدريب النماذج من بلدين مختلفين، وفقًا لما توصل إليه وانغ وزملاؤه.
حصل برنامج ChatGPT على الأخبار المالية من وسائل الإعلام الأمريكية، بينما حصل عليها DeepSeek من وسائل الإعلام الصينية. بعد فحص جميع الأخبار المالية المتعلقة بالشركات الصينية قبل ثلاث سنوات من التجربة، من قاعدة بيانات RavenPack الإخبارية ، التي دُرّب عليها ChatGPT، وقاعدة بيانات China Finance News (CFND)، التي دُرّب عليها DeepSeek، اكتشف الباحثون عدم تناسق كبير في المعلومات. تغطي وسائل الإعلام الصينية أخبار الشركات بتفصيل كبير، وكانت شركة DeepSeek في البداية قادرة على الوصول إلى جميع المعلومات المتاحة للجمهور تقريبًا عن الشركات الصينية. في الوقت نفسه، لا تشتهر الصحافة الأمريكية بوفرة الأخبار من الصين، ولا تحظى العديد من الشركات الصينية بأي تغطية إعلامية. علاوة على ذلك، تُبدي وسائل الإعلام الأمريكية اهتمامًا أقل بالأخبار السلبية عن الشركات الصينية. كل هذا يعني أن قاعدة بيانات ChatGPT محدودة. ووفقًا للباحثين، شكّلت وسائل الإعلام الصينية 87% من جميع الأخبار السلبية و93% من الأخبار الإيجابية عن الشركات الصينية. عندما يواجه ChatGPT استفسارًا عن شركة صينية لا يملك معلومات كافية عنها، فإنه يستنتج أنماطًا عامة من بياناته (مثل اتجاه نمو السوق العام) بدلًا من مراعاة مخاطر محددة. هذا يؤدي إلى تقييم أكثر تفاؤلًا. علاوة على ذلك، يتجاهل ChatGPT الانتقادات - التي تُنشر في الصحافة الصينية، بينما غالبًا ما تُتجاهل في الصحافة الأمريكية - مما يُسهم أيضًا في توقعات أكثر تفاؤلًا. ويشير الباحثون إلى أن تفاؤل ChatGPT "المفرط" ينشأ تحديدًا عندما تحظى الشركات الصينية بتغطية سلبية أكثر من غيرها في وسائل الإعلام الصينية مقارنةً بالشركات الأمريكية. إن تفاؤل ChatGPT القائم على نقص البيانات يُشير أيضًا إلى التباينات الأكبر بين الباحثين في توقعات وأداء الشركات العينة في نهاية التجربة في 31 ديسمبر 2024، مقارنةً بـ DeepSeek. فقد سجلت ChatGPT أخطاءً في توقعات الأسعار أعلى بنسبة 13% من DeepSeek، وأخطاءً في التوصيات أعلى بنسبة 7%. وكان أبرز هذه الأخطاء الشركات ذات الديون المرتفعة والتقلبات الحادة في أسعار أسهمها - وهي مقاييس تُنشر على نطاق واسع في وسائل الإعلام المحلية. ويؤكد هذا أن السبب الرئيسي لـ"تحيز الذكاء الاصطناعي تجاه الخارج" هو نقص البيانات، وليس اختلافات في قدرة النماذج على معالجتها، كما يعتقد الباحثون. إن دمج ميزة بحث الويب في النموذج، والتي تتيح الحصول على مزيد من المعلومات حول الجهات المُصدرة، يُقلل من تحيز ChatGPT بنسبة 80% تقريبًا، ولكنه لا يُلغيه تمامًا. هذا يُشير إلى أن الوصول إلى المعلومات الآنية لا يُعوّض إلا جزئيًا عن نقص بيانات التدريب.
إزالة عدم التماثل وأظهر الباحثون في ثلاث تجارب أن الوضع يتغير تماما إذا قمنا بإزالة عدم التماثل في المعلومات بشكل مصطنع، أي إذا زودنا ChatGPT بنفس كمية البيانات التي يمتلكها DeepSeek في البداية، أو على العكس من ذلك، حرمنا DeepSeek من ميزة المعلومات. في البداية، قاموا بتزويد ChatGPT بنصائح تحتوي على جميع الأخبار المهمة حول الشركات الصينية المنشورة في وسائل الإعلام الصينية منذ عام 2022. وقد أدى هذا إلى إزالة أي تفاؤل مفرط من توقعات وتوصيات ChatGPT تمامًا، مما جعلها أقرب إلى توقعات وتوصيات DeepSeek. بما أن هذا "التلاعب" لم يُغيّر من وزن المعلومات المتعلقة بالجهات الصينية المُضمّنة في النموذج، فإن النتيجة تُشير إلى أن توافر البيانات هو العامل الدافع وراء تحيز الذكاء الاصطناعي. بعبارة أخرى، يُوضّح وانغ وزملاؤه أن التفاؤل النسبي لـ ChatGPT ينبع من غياب الأخبار الصينية في بيانات تدريب النموذج، وليس من نقصانه في وزن هذه المعلومات. وقد اختفت الاختلافات في التوقعات بين ChatGPT وDeepSeek عندما تم تقييد العينة على الشركات التي لم تتناولها الصحافة لمدة ثلاث سنوات، وكذلك في اختبارات الدواء الوهمي حيث تم تدريب كلا النموذجين في وقت واحد على بيانات صينية اصطناعية. لتعزيز صحة استنتاج أن عدم تماثل المعلومات هو مصدر "التحيز المعرفي" لـ ChatGPT في تقييم الأصول الصينية، طلب الباحثون من ChatGPT وDeepSeek تقدير أسعار الأسهم مرة أخرى على مدى ستة أشهر، وهذه المرة لشركات أمريكية. تتمتع الجهات المصدرة الأمريكية بشهرة واسعة في كل من الولايات المتحدة والصين، وكانت الاختلافات في التوقعات والتوصيات بين نموذجي LLM الأمريكي والصيني ضئيلة وغير ذات دلالة إحصائية. ويشير الباحثون إلى أنه لو كان التحيز في تقديرات ChatGPT للصين ناتجًا عن اختلافات في النماذج وليس عن عدم تماثل المعلومات، لارتكبت DeepSeek الأخطاء نفسها عند تحليل الشركات الأمريكية. وهذا يؤكد أن التفاؤل المفرط بالذكاء الاصطناعي لا ينشأ إلا في مواجهة عدم تماثل المعلومات عبر الحدود.
ثلاثة استنتاجات رئيسية
ويمكن استخلاص ثلاثة استنتاجات رئيسية من الدراسة. أولاً، يُقلب هذا الشكل الجديد من تحيز الذكاء الاصطناعي المفاهيم التقليدية حول كيفية "تقليد" النماذج للسلوك البشري. فبينما يُظهر المستثمرون، استجابةً لمعلومات محدودة، "تحيزًا داخليًا" بتفضيل الأصول المحلية، يُظهر الذكاء الاصطناعي، على العكس من ذلك، "تحيزًا خارجيًا" بتقييمه المفرط للأصول الأجنبية بتفاؤل. بمعنى آخر، يُظهر الذكاء الاصطناعي تحيزاته الفريدة. ثانيًا، بينما يستطيع البشر التغلب على عدم تماثل المعلومات من خلال البحث النشط عن المعلومات، فإن نماذج الذكاء الاصطناعي محدودة بالبيانات المكتسبة أثناء التدريب. هذا يعني أنه للقضاء على تحيز الذكاء الاصطناعي، نحتاج إلى تغيير مجموعة البيانات، وليس خوارزميات النموذج: فحتى النموذج المثالي سيُظهر تحيزًا بسبب نقص بيانات التدريب. ثالثًا، يُعدّ "التحيز الأجنبي" للذكاء الاصطناعي عاملًا قد يؤثر على رأس مال الشركات وسلوك المستثمرين عالميًا. وقد يؤثر التفاؤل المفرط الذي أظهره ChatGPT تجاه الشركات الصينية أيضًا على أسواق أخرى تُنشر فيها معظم الأخبار بلغات غير الإنجليزية. كما أن التباينات في التوقعات المالية لـ LLM المُطوّرة في بلدان مختلفة محتملة، وقد تُفاقم عدم تناسق المعلومات عبر الحدود، مما يؤثر على قرارات الاستثمار عالميًا ويؤدي إلى أخطاء قد تُزعزع استقرار الأسواق. تُشير هذه النتائج نفسها إلى إيجاد حل، مُسلِّطةً الضوء على أهمية استخدام نماذج ماجستير إدارة الأعمال متعددة اللغات، لا نموذج واحد فقط، في الاستثمارات الدولية، وعلى أهمية السياق المحلي في البيانات. الذكاء الاصطناعي ليس مُحلِّلاً محايدًا، إذ تعتمد تنبؤاته على البيانات التي دُرِّب عليها.