21世紀(jì)經(jīng)濟(jì)報(bào)道記者 陳植 上海報(bào)道

(資料圖片)

ChatGPT興起所帶火的大模型技術(shù)，正受到越來(lái)越多金融機(jī)構(gòu)關(guān)注。

多位銀行科技部門(mén)人士向記者透露，他們正密切關(guān)注大模型技術(shù)在金融場(chǎng)景的最新應(yīng)用成效。

“目前，業(yè)界普遍認(rèn)為認(rèn)知大模型技術(shù)將大幅提升銀行在智能客服、智能營(yíng)銷(xiāo)與智能運(yùn)營(yíng)等方面的效率，但考慮到這項(xiàng)新技術(shù)的高成本投入與數(shù)據(jù)合規(guī)性挑戰(zhàn)，我們更愿等待其他金融機(jī)構(gòu)先取得某些實(shí)際成效，再迅速跟進(jìn)研發(fā)?！币晃还煞葜沏y行科技部門(mén)人士向記者透露。

科大訊飛總裁吳曉如認(rèn)為，金融行業(yè)屬于信息密集型行業(yè)，是大模型技術(shù)的最佳應(yīng)用場(chǎng)景之一。

值得注意的是，眾多國(guó)內(nèi)金融科技平臺(tái)已迅速布局大模型技術(shù)研發(fā)。

記者獲悉，近日奇富科技決定組建一級(jí)戰(zhàn)略部門(mén)——大模型部，致力于開(kāi)發(fā)運(yùn)用各種深度學(xué)習(xí)算法、以及生成式人工智能技術(shù)在金融領(lǐng)域的場(chǎng)景化應(yīng)用。

奇富科技首席算法科學(xué)家費(fèi)浩峻表示，金融大模型基座為核心的智能征信服務(wù)系統(tǒng)可以幫助金融機(jī)構(gòu)更全面、高效地理解與判斷用戶(hù)信用狀況，有可能替代與優(yōu)化以往金融機(jī)構(gòu)在智能征信解讀方面上千萬(wàn)級(jí)變量處理與眾多深度模型建設(shè)工作，從而令大模型技術(shù)成為AI模型更智能化的“替代者”。

中關(guān)村科金則嘗試針對(duì)財(cái)富管理場(chǎng)景，基于開(kāi)源基礎(chǔ)大模型打造面向理財(cái)師的智能營(yíng)銷(xiāo)助手，它可以實(shí)時(shí)追蹤行業(yè)動(dòng)態(tài)，深入理解客戶(hù)投資需求，通過(guò)用戶(hù)畫(huà)像與大模型技術(shù)解析構(gòu)建投資要素，為客戶(hù)自動(dòng)生成專(zhuān)業(yè)的定制化投資建議，減少理財(cái)師手工撰寫(xiě)文案的工作量、提升理財(cái)師展業(yè)效能。

值得注意的是，盡管ChatGPT帶火的大模型技術(shù)頗受金融機(jī)構(gòu)青睞，但它能否迅速普及，仍面臨諸多挑戰(zhàn)。

“金融領(lǐng)域的大模型技術(shù)應(yīng)用，面臨較高的數(shù)據(jù)安全性與合規(guī)性挑戰(zhàn)。目前某些金融應(yīng)用場(chǎng)景或許已具備良好數(shù)據(jù)基礎(chǔ)與數(shù)據(jù)質(zhì)量，可以迅速通過(guò)大模型技術(shù)創(chuàng)造更高的AI服務(wù)效率，但多數(shù)金融應(yīng)用場(chǎng)景仍需要大量數(shù)據(jù)合規(guī)性清洗，且需要更多時(shí)間與資金投入檢驗(yàn)大模型技術(shù)在提升AI服務(wù)效率的具體成效?！鄙鲜龉煞葜沏y行科技部門(mén)人士透露。這也是不少銀行對(duì)直接引入大模型技術(shù)頗為謹(jǐn)慎的原因之一，他們更愿與金融科技平臺(tái)合作，借助后者相對(duì)成熟的大模型技術(shù)開(kāi)發(fā)AI新產(chǎn)品新服務(wù)，在降低成本同時(shí)提升成功率。

北京社科院研究員王鵬表示，大模型技術(shù)等AIGC技術(shù)（人工智能生成內(nèi)容）若要應(yīng)用在金融行業(yè)，數(shù)據(jù)合規(guī)性與安全性將是一大挑戰(zhàn)，因?yàn)樗婕皞€(gè)人因素保護(hù)與數(shù)據(jù)使用合規(guī)性，需要行業(yè)共同確定具體的數(shù)據(jù)使用標(biāo)準(zhǔn)。

大模型技術(shù)引發(fā)數(shù)據(jù)應(yīng)用與產(chǎn)品思路新變革

在多位金融科技業(yè)內(nèi)人士看來(lái)，相比現(xiàn)有的AI技術(shù)，大模型技術(shù)可能在眾多金融場(chǎng)景帶來(lái)顛覆性的效率提升成效。

畢竟，ChatGPT在通用大模型訓(xùn)練的良好表現(xiàn)，正令人工智能進(jìn)入新的發(fā)展時(shí)期。

GPT全稱(chēng)為Generative Pre-trained Transformer，也被稱(chēng)為“生成式預(yù)訓(xùn)練Transformer模型”，是“預(yù)訓(xùn)練”和“大模型”結(jié)合后的一種全新人工智能范式，當(dāng)大規(guī)模數(shù)據(jù)集在模型上完成預(yù)訓(xùn)練后，僅需微調(diào)少量數(shù)據(jù)甚至無(wú)需微調(diào)，就可直接支撐各類(lèi)應(yīng)用。

一位金融科技平臺(tái)負(fù)責(zé)人向記者指出，基于上述大模型技術(shù)的特點(diǎn)，未來(lái)金融機(jī)構(gòu)的AI技術(shù)使用模式與研發(fā)路徑都可能發(fā)生改變。

首先在數(shù)據(jù)應(yīng)用層面，以往金融機(jī)構(gòu)主要采用結(jié)構(gòu)化數(shù)據(jù)，而圖片、文字、視頻等非結(jié)構(gòu)化數(shù)據(jù)因AI深度學(xué)習(xí)模型理解效果不夠好，通常需采用高效的并行分布式處理技術(shù)，借助應(yīng)用自然語(yǔ)言處理、影像處理、社會(huì)網(wǎng)分析和機(jī)器學(xué)習(xí)等專(zhuān)業(yè)工具或模型，通過(guò)打標(biāo)簽與預(yù)定義等方式對(duì)數(shù)據(jù)進(jìn)行搜索、過(guò)濾、計(jì)算，再將上述非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變成結(jié)構(gòu)化數(shù)據(jù)再進(jìn)行處理。

在這個(gè)過(guò)程里，非結(jié)構(gòu)化數(shù)據(jù)“標(biāo)簽化”過(guò)程難免會(huì)產(chǎn)生信息損失，導(dǎo)致可使用的有效信息減少，且可應(yīng)用的范圍也較窄。

但是，基于GPT的大模型技術(shù)則沒(méi)有這方面的煩惱，它可以直接利用非結(jié)構(gòu)化數(shù)據(jù)，無(wú)需先“加工”成結(jié)構(gòu)化數(shù)據(jù)處理，直接輸入進(jìn)行各種大模型訓(xùn)練。此舉導(dǎo)致可運(yùn)用的數(shù)據(jù)范圍大幅拓寬且數(shù)據(jù)使用價(jià)值更高，令金融機(jī)構(gòu)可以整合更多維度的數(shù)據(jù)提升部分AI金融服務(wù)的效率。

這位金融科技平臺(tái)負(fù)責(zé)人向記者透露，以往很多理財(cái)師與投資者溝通時(shí)缺乏數(shù)字化工具，但通過(guò)大模型技術(shù)訓(xùn)練出來(lái)的對(duì)話(huà)式智能展業(yè)助手，可以基于客戶(hù)海量數(shù)據(jù)先構(gòu)建更完整的用戶(hù)畫(huà)像，包括用戶(hù)基本畫(huà)像和深層畫(huà)像（囊括客戶(hù)投資經(jīng)歷、競(jìng)品分析、投資預(yù)測(cè)等數(shù)據(jù)），再基于用戶(hù)畫(huà)像與具體投資需求，自動(dòng)生成個(gè)性化的專(zhuān)業(yè)投資策略，有助于理財(cái)師能以此為借鑒，向投資者推介相應(yīng)的資產(chǎn)配置方案。

“這個(gè)智能展業(yè)助手的另一個(gè)好處，是通過(guò)大模型技術(shù)的訓(xùn)練，它可以回復(fù)客戶(hù)很多投資問(wèn)題，不僅限于投資產(chǎn)品本身，還有宏觀(guān)經(jīng)濟(jì)與行業(yè)發(fā)展前景分析以及結(jié)合未來(lái)經(jīng)濟(jì)波動(dòng)所面臨的潛在投資風(fēng)險(xiǎn)提示等?！彼赋觥＿@無(wú)形間促進(jìn)金融機(jī)構(gòu)的產(chǎn)品服務(wù)研發(fā)思路發(fā)生新的變化。

記者獲悉，原先金融機(jī)構(gòu)在布局金融場(chǎng)景AI服務(wù)時(shí)，都會(huì)對(duì)所有內(nèi)容先進(jìn)行預(yù)先定義與梳理，即在特定金融服務(wù)場(chǎng)景里，金融機(jī)構(gòu)先預(yù)定義大概問(wèn)答內(nèi)容標(biāo)準(zhǔn)后，再進(jìn)行數(shù)據(jù)處理，并訓(xùn)練出對(duì)應(yīng)的模型，這被稱(chēng)為一種“預(yù)設(shè)式”的AI服務(wù)方式。

但大模型技術(shù)屬于一種受控的自組織化方式，即只需將對(duì)話(huà)、文本、音視頻與文檔等數(shù)據(jù)注入大模型里，深入學(xué)習(xí)機(jī)器就能按金融機(jī)構(gòu)要求進(jìn)行各種自主學(xué)習(xí)和訓(xùn)練，無(wú)需人工進(jìn)行預(yù)先處理，便能直接使用各類(lèi)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，完成相應(yīng)金融場(chǎng)景的人機(jī)對(duì)話(huà)內(nèi)容并確保一定幅度的準(zhǔn)確性。

記者多方了解到，為了進(jìn)一步提升大模型技術(shù)所生成結(jié)果的精準(zhǔn)性，越來(lái)越多境內(nèi)外金融科技平臺(tái)還嘗試在大模型技術(shù)里，外掛專(zhuān)業(yè)金融領(lǐng)域的知識(shí)庫(kù)與無(wú)監(jiān)督學(xué)習(xí)+調(diào)參模式，即將專(zhuān)業(yè)知識(shí)、操作手冊(cè)、業(yè)務(wù)規(guī)范、產(chǎn)品信息、競(jìng)品信息等領(lǐng)域知識(shí)先注入到大模型技術(shù)，再將客戶(hù)和行業(yè)數(shù)據(jù)、宏觀(guān)經(jīng)濟(jì)的分析等內(nèi)容進(jìn)行關(guān)聯(lián)，就能提供更精準(zhǔn)的自然語(yǔ)言處理效果，令A(yù)I金融服務(wù)的成效與精準(zhǔn)性進(jìn)一步提升。

“這也是大模型技術(shù)的一大優(yōu)勢(shì)。過(guò)去AI機(jī)器學(xué)習(xí)模型仍高度依賴(lài)AI專(zhuān)家的人工調(diào)參，但在大模型技術(shù)領(lǐng)域，金融機(jī)構(gòu)相關(guān)研發(fā)人員只需先配置任務(wù)要素系統(tǒng)，注入金融專(zhuān)業(yè)領(lǐng)域知識(shí)，通過(guò)少量的對(duì)話(huà)調(diào)參與大模型節(jié)點(diǎn)策略調(diào)整，就能生成更精準(zhǔn)的自然語(yǔ)言處理話(huà)術(shù)內(nèi)容?！鄙鲜鼋鹑诳萍计脚_(tái)負(fù)責(zé)人直言，這令大模型技術(shù)與傳統(tǒng)AI技術(shù)形成兩種差異極大的業(yè)務(wù)流程與服務(wù)效率。在傳統(tǒng)AI技術(shù)領(lǐng)域，無(wú)論是預(yù)先設(shè)定業(yè)務(wù)流程，還是結(jié)構(gòu)化數(shù)據(jù)提煉要求，都需大量專(zhuān)業(yè)人員參與，導(dǎo)致工作量大且專(zhuān)業(yè)性要求高，且對(duì)AI深度學(xué)習(xí)訓(xùn)練的成效，往往只能在事后進(jìn)行分析調(diào)整；但大模型技術(shù)將眾多非結(jié)構(gòu)化數(shù)據(jù)融入與相對(duì)便捷的特征工程控制（利用領(lǐng)域知識(shí)從原始數(shù)據(jù)中提取特征、屬性的過(guò)程），不但可以大幅簡(jiǎn)化專(zhuān)業(yè)人員工作量，還能提供事前、事中的效果評(píng)測(cè)與及時(shí)調(diào)整優(yōu)化，令金融場(chǎng)景AI服務(wù)的效率進(jìn)一步提升。

科大訊飛金融科技事業(yè)部副總經(jīng)理趙乾認(rèn)為，隨著大模型技術(shù)在金融場(chǎng)景的應(yīng)用日益成熟，未來(lái)會(huì)有三個(gè)典型金融場(chǎng)景可能會(huì)率先普及這項(xiàng)新技術(shù)，一是智能客服，因?yàn)榇竽Ｐ图夹g(shù)所構(gòu)建的智能客服可以徹底改變傳統(tǒng)的人機(jī)交互過(guò)程，大模型自動(dòng)生成對(duì)話(huà)流程讓運(yùn)營(yíng)智能客服更簡(jiǎn)單，主要體現(xiàn)在提升復(fù)雜纏繞問(wèn)題解決率、人機(jī)交互感知程度，以及意圖理解、流程構(gòu)建、知識(shí)生成等運(yùn)營(yíng)內(nèi)容的效率；二是智慧營(yíng)銷(xiāo)，大模型技術(shù)能極大程度豐富客戶(hù)畫(huà)像，實(shí)現(xiàn)營(yíng)銷(xiāo)推薦精準(zhǔn)化、客戶(hù)服務(wù)個(gè)性化、營(yíng)銷(xiāo)活動(dòng)智能化同時(shí)，幫助用戶(hù)在標(biāo)簽挖掘、內(nèi)容理解、意圖識(shí)別、短信模板財(cái)務(wù)規(guī)劃、話(huà)術(shù)生成和挖掘等方面提質(zhì)增效；三是智慧運(yùn)營(yíng)，通過(guò)將積累的大量數(shù)據(jù)要素與金融領(lǐng)域知識(shí)相連接，可以實(shí)現(xiàn)數(shù)據(jù)的精準(zhǔn)加工和知識(shí)的結(jié)構(gòu)化構(gòu)建，打造專(zhuān)家級(jí)數(shù)字員工，革新繁雜知識(shí)獲取方式，打造門(mén)戶(hù)搜索助手、培訓(xùn)演練助手、金融展業(yè)助手、文檔審核助手等。

銀行試水面臨諸多挑戰(zhàn)

盡管大模型技術(shù)頗受關(guān)注，但銀行若要試水這項(xiàng)全新技術(shù)，仍面臨諸多挑戰(zhàn)。

記者多方了解到，從組建AIGC大模型到實(shí)際應(yīng)用，需要完成多項(xiàng)步驟，包括數(shù)據(jù)采集清洗、模型訓(xùn)練、模型測(cè)試與評(píng)估、系統(tǒng)部署應(yīng)用等。

但是，在數(shù)據(jù)采集清洗端，鑒于金融領(lǐng)域的數(shù)據(jù)采集安全性與合規(guī)性要求頗高，令不少銀行機(jī)構(gòu)對(duì)此“望而卻步”。

一位對(duì)大模型技術(shù)頗有研究的銀行科技部門(mén)主管向記者透露，基于大模型技術(shù)的AIGC產(chǎn)品需要使用大量行業(yè)數(shù)據(jù)與個(gè)人數(shù)據(jù)并進(jìn)行復(fù)雜眾多的訓(xùn)練和微調(diào)，但在這個(gè)過(guò)程，數(shù)據(jù)使用是否安全、合規(guī)性是否存在疑問(wèn)，都需相關(guān)部門(mén)做出規(guī)范或制定相關(guān)標(biāo)準(zhǔn)。比如他們?cè)谥悄軤I(yíng)銷(xiāo)、智能客服等場(chǎng)景使用同一個(gè)客戶(hù)的個(gè)人數(shù)據(jù)，是否會(huì)遇到不同的數(shù)據(jù)使用規(guī)范要求，目前尚無(wú)明確說(shuō)法，令他們擔(dān)心若稍微過(guò)度使用個(gè)人數(shù)據(jù)進(jìn)行大模型技術(shù)訓(xùn)練，可能最終會(huì)遇到數(shù)據(jù)合規(guī)性問(wèn)題。

在他看來(lái)，大模型技術(shù)研發(fā)訓(xùn)練的高成本投入與成效不確定性，也是制約銀行試水的另一大因素。

記者獲悉，AIGC大模型研發(fā)技術(shù)需要深厚的人工智能相關(guān)技術(shù)沉淀、海量訓(xùn)練數(shù)據(jù)、持續(xù)優(yōu)化算法模型與完善的生態(tài)體系等，且這項(xiàng)新技術(shù)從研發(fā)到商業(yè)化應(yīng)用，還需較長(zhǎng)時(shí)間與資金投入。更令銀行機(jī)構(gòu)揪心的是，某些自然語(yǔ)言處理大模型技術(shù)訓(xùn)練所得出的結(jié)果未必精準(zhǔn)，內(nèi)容也不一定正確，時(shí)效性可能不夠強(qiáng)，未必能勝任對(duì)安全性、準(zhǔn)確性要求相對(duì)較高的智能客服或智能營(yíng)銷(xiāo)等金融場(chǎng)景。

這背后，數(shù)據(jù)質(zhì)量在其中起到巨大影響——若向大模型技術(shù)輸入的數(shù)據(jù)質(zhì)量不佳，就很難指望后者通過(guò)訓(xùn)練能反饋出“正確”結(jié)論。

多位金融科技業(yè)內(nèi)人士對(duì)此直言，這需要在大模型技術(shù)基座，先對(duì)數(shù)據(jù)進(jìn)行清洗和篩選，通過(guò)設(shè)置嚴(yán)格且一致性的評(píng)估指標(biāo)和方法提升數(shù)據(jù)質(zhì)量，才能解決上述問(wèn)題。且基于個(gè)人金融數(shù)據(jù)安全性與合規(guī)性的考量，大模型技術(shù)訓(xùn)練應(yīng)用應(yīng)部署在私有云基礎(chǔ)上，加之可匹配可擴(kuò)展的API（應(yīng)用程序編程接口），才能在妥善保護(hù)個(gè)人金融數(shù)據(jù)安全的基礎(chǔ)上，更好地提升數(shù)據(jù)質(zhì)量并得到更佳的大模型訓(xùn)練成果。

“大模型技術(shù)或?qū)⑼苿?dòng)人工智能進(jìn)入全新的發(fā)展階段，并向多模態(tài)智能、運(yùn)動(dòng)智能擴(kuò)展?！鼻笆鼋鹑诳萍计脚_(tái)負(fù)責(zé)人向記者表示。這將進(jìn)一步降低價(jià)值信息損耗，節(jié)約中低端知識(shí)型勞動(dòng)，助力金融機(jī)構(gòu)將更多精力用于提升AI金融服務(wù)體驗(yàn)與拓客。

標(biāo)簽：