Usage of Large Language model in Housing Evaluation
No Thumbnail Available
Files
Aalto login required (access for Aalto Staff only).
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2023-09-10
Department
Major/Subject
Rakennettu ympäristö
Mcode
ENG3044
Degree programme
Insinööritieteiden kandidaattiohjelma
Language
en
Pages
31
Series
Abstract
This literature review delves into the role of large language models (LLMs) in property valuation. LLMs have demonstrated significant capabilities in natural language processing, pattern recognition, logical and mathematical reasoning, the use of external tools, and creativity. These abilities open up new possibilities for automating property valuation and related auxiliary tasks. The study presents various applications for LLMs in real estate, ranging from simple listing descriptions to independent valuations. Due to the novelty of the technology, the use of LLMs in the real estate sector has not yet been studied, so the sources used in this work are derived from research in other fields where the capabilities of LLMs have been scientifically evaluated. There are still many challenges associated with the use of LLMs. One key issue is hallucination, where the model produces incorrect or misleading information. This is especially critical in property valuation, where accuracy is of paramount importance. Additionally, although LLMs are capable of handling large amounts of data, their architecture does not allow for the storage of intermediate results, which limits their ability to perform complex tasks. The output of LLMs is sensitive to the data and its formatting. Like other machine learning models, LLMs reflect the data they are trained on, including human biases, which can have significant ethical implications if LLMs are widely implemented in property valuation. The study presents strategies that have been shown to improve performance across various domains. These include fine-tuning, chain-of-thought prompting, and leveraging external AI models and tools. These strategies could be useful in the future development of models for property valuation. It is essential to note that the accuracy of LLMs from the perspective of property valuation has not yet been studied, and there is no standardized test to measure this accuracy. Therefore, it is not yet possible to determine how far the technology is from the accuracy required for real-world implementation. The effectiveness of performance-enhancing strategies from the perspective of property valuation cannot be tested until a standardized test is in place. LLMs have the potential to revolutionize the property valuation industry, but it is still very unclear how and to what extent this technology will be utilized. Future research should focus on creating tests to evaluate the development and effectiveness of this technology. Ethical issues and societal impacts should also be studied before LLMs are widely implemented in property valuation to mitigate potential adverse effects.Tämä kirjallisuuskatsaus syventyy suurten kielimallien (LLM) rooliin asuntojen arvioinnissa. LLM:t ovat osoittaneet merkittäviä kykyjä luonnollisen kielen käsittelyssä, hahmontunnistuksessa, loogisessa ja matemaattisessa päättelykyvyssä, ulkoisten työkalujen käytössä ja luovuudessa. Nämä kyvyt avaat uusia mahdollisuuksia asuntojen arvioinnin automatisoinnissa ja siihe liittyvissä aputehtävissä. Tutkimuksessa esitetään useita käyttökohteita LLM:lle kiinteistö arvioinnissa on useita yksinkertaisesta listausten kirjoittamisesta itsenäiseen arviointiin. Teknologian uutuudesta johtuen LLM:ien käyttöä kiinteistöalalle ei ole vielä tutkittu, joten työssä käytetty lähteistö on peräisin muiden alojen tutkimuksesta, joissa LLM:ien ominaisuuksia on arvioitu tieteellisesti. LLM:ien käyttöön liittyy vielä paljon haasteita. Yksi keskeinen ongelma on hallusinaatio, eli tilanteet, joissa malli tuottaa virheellistä tai harhaanjohtavaa tietoa. Tämä on erityisen kriittistä asuntojen arvioinnissa, jossa tarkkuus on ensiarvoisen tärkeää. Lisäksi, vaikka LLM:t ovat kykeneviä käsittelemään suuria tietomääriä, niiden arkkitehtuuri ei salli väliaikaisten tulosten tallentamista, mikä rajoittaa niiden kykyä suorittaa monimutkaisia tehtäviä. LLM:ien ulos syöte on herkkä annattellu datalle ja sen asettelulle. Kuten muutkin koneoppimis mallit LLM:t peilaavat niille annettua dataa, näin myös ihmisten vääristymiä, joiden eettiset vaikutukset saattavat olla merkittäviä jos LLM:ja implementoidaan laajemmin kiinteistöarvioinnissa. Tutkimuksessa esitellään strategioita, joilla on todettu olevan suorituskykyä parantavia vaikutuksia laajasti muilla osa-alueilla. Näihin kuuluu hienosäätäminen, COT-kehottaminen ja ulkoisten tekoäly mallien ja työkalujen hyödyntäminen. Strategioita voidaan hyödyntää kiinteistöarvioinnin mallien tulevaisuuden kehitystyössä. Olennaista on että LLM:ien tarkkuutta kiinteistöarvioinnin näkökulmasta ei ole vielä tutkittu, eikä ole olemassa standardoitua testiä, jolla tarkkuutta voitaisiin mitata. Näin ollen ei voida vielä sano kuinka kaukana teknologia on reaalimaailman implementointiin vaadittavasta tarkkuudesta. Suorituskykyä parantavia strategioiden toimivuutta kiinteistöarvioinnin näkökulmasta ei myöskään pystytä testaamaan ennen kuin standardoitu testi on olemassa. LLM:llä on potenttiaalia mullistaa kiinteistöarviointi ala, mutta vielä on hyvin epäselvää miten ja kuinka laajasti tätä teknologiaa tullaan hyödyntämään. Tulevaisuuden tutkimuksen tulee keskittyä luomaan testejä joiden avulla teknologian kehitystä ja toimivuutta voidaan tarkastella. Eettisiä ongelmia ja yhteiskunnallisia vaikutuksia tulee myös tutkia ennen kuin LLM:a mahdollisti implementoidaan laajasti kiinteistöarvioinnissa mahdollisten haittavaikutusten vähentämiseksi.Description
Supervisor
Harjunen, OskariThesis advisor
Harjunen, OskariKeywords
suuret kielimallit, kiinteistö arviointi, tekoäly, kiinteistöteknologia, luonnollisen kielen prosessointi
