大模型落地金融行业重在场景,算力、精度、安全合规等问题待解
2023-08-28 14:20:59 来源: 21世纪经济报道
AIGC的发展正在从概念开始走向落地应用,从“通用大模型”走向“行业大模型”。以大模型为代表的新一代人工智能技术,将加速金融数字化和金融智能化的发展,重塑现有业务流程,改变产业格局。
(资料图片仅供参考)
那么,金融行业作为人工智能应用场景密集的行业,无疑是大模型技术落地的最佳领域之一。未来,大模型能解决金融领域哪些需求?创造什么样的价值?落地应用有哪些技术难点?多名学者及业内人士认为,大模型落地金融行业重在寻找合适的应用场景,但是在落地应用的过程中,还面临着算力、精度、安全合规等挑战。
落地最重要的是寻找应用场景
大模型让机器具有了常识,懂得了逻辑,学会了创作,让人和机器能以更自然的方式互动,通过与周边工具的结合,大模型已经具有了通用人工智能的雏形。北京大学光华管理学院商务统计与经济计量系教授王汉生表示,“好的人工智能算法、模型最终要解决的是业务问题,数据模型落地最重要的是寻找应用场景,比如在金融科技实践中,需要落地客服、销售、风控等业务场景。”
“大模型基于其所构建的向量空间,很可能打造出崭新的智能信息处理基础平台,进而变革各行各业的基本生态。大模型必然会导致相关产业重新洗牌。”清华大学人工智能研究院常务副院长孙茂松认为,金融大模型正在重新定义金融科技。对于金融科技公司而言,金融大模型属于兵家必争之地。金融科技公司对于金融大模型的态度决定了自身的境界,也决定了这家公司在日益激烈的竞争中能否赢得下一个五年,乃至下一个十年。
在度小满CTO许冬亮看来,金融行业是高价值行业,数字化基础好,高度依赖数据和技术,是大模型落地应用的高潜场景。对于中小金融机构,在大模型的浪潮里,有机会通过应用创新,来加快自身的数字化和智能化进程,跨越数字化鸿沟。
至于大模型怎么在行业应用,车万翔总结说,“无非也是这三板斧:语义检索、指令微调、继续预训练。通过语义检索,将检索结果作为提示词输入,能够提高通用模型处理专用任务的能力;针对特定任务标注数据并进行微调,可以进一步提高模型的性能;如果某个行业拥有大量数据,可以针对该行业进行持续的预训练,以进一步提高模型的性能。同时,还需要解决行业能力和通用能力之间的平衡问题,以及持续学习过程中的重点问题。”
光大信托数据中心总经理祝世虎认为,大模型需要大创新。目前,大模型在银行的主要应用包括智能客服、智能运营、写文章和写邮件。但是,这些应用并非银行的核心应用,没有涉及银行的核心应用。银行的核心应用仍在风险管理、资本管理和监管科技等几个方面。大模型在保险和信托领域的应用可能更多,因为银行产品主要是借贷,而保险产品非常复杂,需要耗费时间去解释。不过,从商业角度看,银行的市场会更大。
面临算力、精度、安全等挑战
大模型时代,算力、算法、数据构成了新范式的“三驾马车”。哈工大计算学部长聘教授车万翔认为,大模型的应用还需要解决定制化、小型化、角色化、个性化以及安全性、隐私性等问题。这些问题并非简单地引入一项技术就能解决,需要深入的研究和探索。
在走向落地应用金融场景的过程中,大模型仍然面临着挑战。中国农业银行研发中心大模型研发负责人耿博表示,AI 大模型面临算力需求大、训练和推理成本高、数据质量不佳、隐私和安全问题等挑战。目前,大模型和场景融合是一个不断演进、探索的过程,数据是大模型的生产要素,基础设施是大模型的入场券,场景应用是大模型的驱动力,AI 大模型未来发展将趋于通用化与专用化并行。
在许冬亮看来,大模型落地金融存在三大挑战。第一,通用模型能力不能满足金融场景需要。通用大模型本身精度不够,而金融又是一个对精准性、可控性要求很高的行业。其次是通用大模型金融知识的缺失,做通用模型的公司和机构几乎没有办法获取到这些数据,那他们的模型自然也不具备这方面的知识。再次是大模型更新迭代困难,金融是高时效的,模型必须能够实时跟踪金融市场的变化和趋势,怎样保持大模型所学知识和信息的时效性,是个比较大的挑战。
第二个挑战是大模型如何高效植入现有业务场景。一个团队既要懂场景的know-how,又要理解大模型的使用方法,而且还需要具备比较强的工程能力,这样才有可能选择出适合应用大模型的场景,高效的将大模型嵌入到实际业务流程中去。而大模型的微调和提示词工程等等都是很有技巧的。就当下而言,具备这样能力的公司和团队是极少的,懂大模型技术的大多没有具体的行业经验,行业老兵又对大模型的技术理解不够深入,需要时间去磨合和培养。
第三个挑战是大模型生成内容的安全合规和隐私保护。金融本身是一个高合规要求的行业,加上大模型是颠覆性的新技术,我们对它的风险还没有完全了解,监管部门对它的落地应用也比较审慎。本月15号,面向大模型的第一个监管文件《生成式人工智能服务管理暂行办法》已经开始实施。随着大模型落地的不断推进,如何平衡大模型落地收益和大模型风险控制,是一个越来越突出的问题。
孙茂松认为,“实际上,在技术上要做好这个大模型,不是简单的基础模型就可以做好,里面有很多对模型进行研究的成分。因此,这些挑战都不是轻而易举就可以解决的,这就要求做大模型的公司一定要有研发能力,不是简单的应用,而是自身要有比较雄厚的研发能力。”
(文章来源:21世纪经济报道)
标签:
为您推荐
精彩放送
热门文章
-
死亡换手率是不好的意思吗?换手率与量比的关系是什么?
-
股票除权除息后就是分红了吗?为什么要除权除息?
-
股票a杀指的是什么意思?股票的主力是指谁?
-
什么是分级基金怎样理解?分级基金有哪些代码?
-
加息对大宗商品是利好还是利空?加息与降息对经济的影响有哪些?
-
增发股票的意思怎么理解?股票非公开增发是什么意思?
-
什么是定期折算和不定期折算?不定期份额折算会亏损吗?
-
博弈是什么意思如何理解?博弈的通俗说法是什么?
-
格力是国企吗?董明珠是打工还是老板?董明珠哪里人?
-
指数基金和股票基金有什么区别?买基金买哪一种基金比较好?
-
6月30日晚市要闻 _焦点
-
今日播报!陆家嘴:拟以发行股份方式购买陆家嘴集团持有的昌邑公司100%股权、东袤公司30%股权
精彩图片
-
成本大减!新一轮的旗舰大战也将在即将到来的9月正式拉开帷幕
-
博览会开幕 中国首款具有自主知识产权的国产通用型科学计算软件正式发布
-
技术下降!Intel独立显卡驱动一次评测就发现43个Bug
-
高性能的台式机彻底告别“光污染” 雷克沙推出简洁纯白外观设计
-
韩国媒体率先报道:三星电子236层NAND闪存预计年内开始生产 市场竞争更激烈
-
新科技!苹果正在积极研发某种形式的AR/VR头显或智能眼镜
-
谷歌测试开展新功能 向用户展示哪些云流媒体服务拥有特定的视频游戏
-
支付宝积极响应国家为小微降费的政策号召 一年降费让利近80亿
-
京东汽车就与浦林成山旗下新能源车轮胎品牌浦林达成战略合作 助力轮胎“电动化转型”
-
苹果新专利公布:暗示未来 iPhone手机或许有陶瓷材质版
-
盖茨和韩国能源供应商SK共同牵头 其中SK投资2.5亿美元
-
海底捞早已经捞不动了 据统计上半年最高亏损达2.97亿
热文
-
6个学习的真相,帮助你成为更好的自己|精选
-
周日重大事件汇总
-
【月亮看盘】又见背水之战,即将绝地反击
-
中国银河证券富国越南30产业指数ETF在新加坡交易所上市
-
海洋也在升温!远海风暴概率增加 如何威胁航运业和全球供应链
-
博思软件(300525.SZ):上半年净亏损4481.52万元
-
John McGrath考虑在西部内部仓库建造新房屋
-
港股内房股“仙股”扎堆!
-
“牛镇”篮球冲向全国“村BA”舞台
-
黄晓明突破形象演新片:颓一点、邋遢一点,要很瘦
-
证监会进一步规范股份减持行为
-
国内AR厂商加速布局 机构:AR消费市场进入快速成长期
-
“越界”哺育!海口五源河国家湿地公园首次发现巢寄生现象
-
林肯汽车携多重惊喜亮相成都国际车展
-
售价63.77万元起!硬派越野车猛士917上市 曹东杰:猛士的基本盘会越来越大
-
光大证券:工业企业盈利当月同比增速或将于四季度转正
-
民爆光电:公司有抗辐射照明产品
-
意猶魏晉。
-
积极培育高质量发展新动能 中国太保上半年营业收入同比增长6.5%
-
苏州:到2025年算力产业创新集群规模达4000亿元
-
三大上市险企寿险业务回暖明显!新单保费双位数增长 康养生态圈布局提速
-
卢卡申科:普京曾亲自提醒普里戈任“有人要暗杀他”
-
北京大兴:HICOOL2023全球创业者峰会精彩亮相
-
鹅颈瓶的实验 鹅颈瓶
-
当前A股估值已低于2008年水平 多家上市公司出手回购护盘
-
洛克王国迪莫在哪里获得(洛克王国迪莫怎么得)
-
【策略节推荐合集】冷门但蛮好玩的策略游戏
-
世界最大清洁能源走廊单日发电量达14.68亿千瓦时 创历史纪录
-
香港特区政府成立小组研究如何增加股票市场流动性
-
“10分”便捷丨“软硬”兼施构建无障碍城市
-
我国规上工业利润降幅继续收窄 单位成本今年首次同比减少
-
就市论市|管涛:一揽子稳增长政策已在路上 更强调针对性组合性
-
披荆斩棘徐良复制美依礼芽剧本,林志颖没进前十,节目组又看走眼
-
亿咖通:李书福的“小灶台”
-
人性的扭曲还是道德的沦丧搞笑段子_人性的扭曲
-
芯片杀价重灾区的MCU:600亿A股龙头股价腰斩、中报业绩降近8成,“救心丸“车规级MCU本土替代进行时
-
福建首条全自动运行地铁线开通
-
国家发改委、国家粮储局助力388个脱贫县加强农副产品产销对接
-
统计局:1-7月份全国规模以上工业企业利润下降15.5% 降幅较1-6月份收窄1.3个百分点
-
房地产贷款风险几何?如何展望未来风险点?交行半年度业绩会回应市场热点
-
孕妇嗓子消炎最快方法_孕妇喉咙发炎了怎么办
-
美日勾结之下的核污水排海灾难
-
梦见买床是什么意思
-
聚焦 2023 成都车展:超豪华品牌紧跟“潮流”,电动化趋势明显?
-
“大海不是垃圾箱”——福岛民众怒斥政府言而无信
-
互联网大厂个人信息保护监督机构将有细化标准 或须六个月内完成组建
-
打开注册表编辑器的方法(怎样打开注册表编辑器)
-
华泰证券:看好未来市场情绪和景气度持续修复下的券商板块机遇
-
爱心茶摊滋养“有福之州”
-
广药集团携手中国农科院兰州牧药所布局动物保健赛道