讲座回顾 |【 Seminar No.640】Antoine Didisheim：走出（黑）匣子：作为条件概率的人工智能

点击蓝字 · 关注我们

2025年3月11日，来自墨尔本大学商学院金融系助理教授Antoine Didisheim为金融学院师生们带来了主题为“Out of the (Black)Box: AI as Conditional Probability（走出（黑）匣子：作为条件概率的人工智能）”的分享报告。Didisheim助理教授借助机器学习技术对资产定价相关问题进行了研究，在探讨现代大语言模型（LLMs）内部运作机制的同时，也揭示了其在经济领域的应用前景。

讲座伊始，Didisheim助理教授介绍了LLMs的基础技术，强调其主要运作方式是基于给定输入对最可能的回答进行估计。他表示，这种建立在条件概率基础上的方法，不仅能让人清晰理解模型的预测逻辑，而且还能挖掘出有价值的信息。特别是在处理金融数据时，这一优势显得尤为突出。

讲座中的最大亮点之一是对当前用于衡量模型置信度水平的方法展开的批判性讨论。Didisheim助理教授表示，现有方法往往不够透明且容易出现偏差，而他的研究则展示了条件概率作为一种更为可靠和客观的替代方案的可能性。

此外，Didisheim助理教授还分享了如何运用条件概率分析LLMs中的偏差，以及这些偏差如何对模型决策过程产生影响。通过对具体案例的详细阐释，他引导大家了解了这些复杂机制在实践中的应用情形。

在当前数字化时代背景下，AI技术正呈现出蓬勃发展的强劲态势，其中大语言模型（LLMs）作为前沿领域，更是吸引了全球各界的广泛关注。随着LLMs的不断迭代升级，其应用边界持续拓展，深刻影响着诸多行业的发展格局。深入探究并精准把握这些模型的底层运行机制，可以帮助研究者更好地利用这些工具进行经济预测和重要应用。这次讲座丰富了与会师生对AI工作原理的理解，也激励了未来更多跨学科合作和创新思考的产生。