大模型落地金融行業(yè)重在場景，算力、精度、安全合規(guī)等問題待解

AIGC的發(fā)展正在從概念開始走向落地應用，從“通用大模型”走向“行業(yè)大模型”。以大模型為代表的新一代人工智能技術，將加速金融數(shù)字化和金融智能化的發(fā)展，重塑現(xiàn)有業(yè)務流程，改變產(chǎn)業(yè)格局。

那么，金融行業(yè)作為人工智能應用場景密集的行業(yè)，無疑是大模型技術落地的最佳領域之一。未來，大模型能解決金融領域哪些需求？創(chuàng)造什么樣的價值？落地應用有哪些技術難點？多名學者及業(yè)內人士認為，大模型落地金融行業(yè)重在尋找合適的應用場景，但是在落地應用的過程中，還面臨著算力、精度、安全合規(guī)等挑戰(zhàn)。

落地最重要的是尋找應用場景

(資料圖片)

大模型讓機器具有了常識，懂得了邏輯，學會了創(chuàng)作，讓人和機器能以更自然的方式互動，通過與周邊工具的結合，大模型已經(jīng)具有了通用人工智能的雛形。北京大學光華管理學院商務統(tǒng)計與經(jīng)濟計量系教授王漢生表示，“好的人工智能算法、模型最終要解決的是業(yè)務問題，數(shù)據(jù)模型落地最重要的是尋找應用場景，比如在金融科技實踐中，需要落地客服、銷售、風控等業(yè)務場景。”

“大模型基于其所構建的向量空間，很可能打造出嶄新的智能信息處理基礎平臺，進而變革各行各業(yè)的基本生態(tài)。大模型必然會導致相關產(chǎn)業(yè)重新洗牌。”清華大學人工智能研究院常務副院長孫茂松認為，金融大模型正在重新定義金融科技。對于金融科技公司而言，金融大模型屬于兵家必爭之地。金融科技公司對于金融大模型的態(tài)度決定了自身的境界，也決定了這家公司在日益激烈的競爭中能否贏得下一個五年，乃至下一個十年。

在度小滿CTO許冬亮看來，金融行業(yè)是高價值行業(yè)，數(shù)字化基礎好，高度依賴數(shù)據(jù)和技術，是大模型落地應用的高潛場景。對于中小金融機構，在大模型的浪潮里，有機會通過應用創(chuàng)新，來加快自身的數(shù)字化和智能化進程，跨越數(shù)字化鴻溝。

至于大模型怎么在行業(yè)應用，車萬翔總結說，“無非也是這三板斧：語義檢索、指令微調、繼續(xù)預訓練。通過語義檢索，將檢索結果作為提示詞輸入，能夠提高通用模型處理專用任務的能力；針對特定任務標注數(shù)據(jù)并進行微調，可以進一步提高模型的性能；如果某個行業(yè)擁有大量數(shù)據(jù)，可以針對該行業(yè)進行持續(xù)的預訓練，以進一步提高模型的性能。同時，還需要解決行業(yè)能力和通用能力之間的平衡問題，以及持續(xù)學習過程中的重點問題。”

光大信托數(shù)據(jù)中心總經(jīng)理祝世虎認為，大模型需要大創(chuàng)新。目前，大模型在銀行的主要應用包括智能客服、智能運營、寫文章和寫郵件。但是，這些應用并非銀行的核心應用，沒有涉及銀行的核心應用。銀行的核心應用仍在風險管理、資本管理和監(jiān)管科技等幾個方面。大模型在保險和信托領域的應用可能更多，因為銀行產(chǎn)品主要是借貸，而保險產(chǎn)品非常復雜，需要耗費時間去解釋。不過，從商業(yè)角度看，銀行的市場會更大。

面臨算力、精度、安全等挑戰(zhàn)

大模型時代，算力、算法、數(shù)據(jù)構成了新范式的“三駕馬車”。哈工大計算學部長聘教授車萬翔認為，大模型的應用還需要解決定制化、小型化、角色化、個性化以及安全性、隱私性等問題。這些問題并非簡單地引入一項技術就能解決，需要深入的研究和探索。

在走向落地應用金融場景的過程中，大模型仍然面臨著挑戰(zhàn)。中國農(nóng)業(yè)銀行研發(fā)中心大模型研發(fā)負責人耿博表示，AI 大模型面臨算力需求大、訓練和推理成本高、數(shù)據(jù)質量不佳、隱私和安全問題等挑戰(zhàn)。目前，大模型和場景融合是一個不斷演進、探索的過程，數(shù)據(jù)是大模型的生產(chǎn)要素，基礎設施是大模型的入場券，場景應用是大模型的驅動力，AI 大模型未來發(fā)展將趨于通用化與專用化并行。

在許冬亮看來，大模型落地金融存在三大挑戰(zhàn)。第一，通用模型能力不能滿足金融場景需要。通用大模型本身精度不夠，而金融又是一個對精準性、可控性要求很高的行業(yè)。其次是通用大模型金融知識的缺失，做通用模型的公司和機構幾乎沒有辦法獲取到這些數(shù)據(jù)，那他們的模型自然也不具備這方面的知識。再次是大模型更新迭代困難，金融是高時效的，模型必須能夠實時跟蹤金融市場的變化和趨勢，怎樣保持大模型所學知識和信息的時效性，是個比較大的挑戰(zhàn)。

第二個挑戰(zhàn)是大模型如何高效植入現(xiàn)有業(yè)務場景。一個團隊既要懂場景的know-how，又要理解大模型的使用方法，而且還需要具備比較強的工程能力，這樣才有可能選擇出適合應用大模型的場景，高效的將大模型嵌入到實際業(yè)務流程中去。而大模型的微調和提示詞工程等等都是很有技巧的。就當下而言，具備這樣能力的公司和團隊是極少的，懂大模型技術的大多沒有具體的行業(yè)經(jīng)驗，行業(yè)老兵又對大模型的技術理解不夠深入，需要時間去磨合和培養(yǎng)。

第三個挑戰(zhàn)是大模型生成內容的安全合規(guī)和隱私保護。金融本身是一個高合規(guī)要求的行業(yè)，加上大模型是顛覆性的新技術，我們對它的風險還沒有完全了解，監(jiān)管部門對它的落地應用也比較審慎。本月15號，面向大模型的第一個監(jiān)管文件《生成式人工智能服務管理暫行辦法》已經(jīng)開始實施。隨著大模型落地的不斷推進，如何平衡大模型落地收益和大模型風險控制，是一個越來越突出的問題。

孫茂松認為，“實際上，在技術上要做好這個大模型，不是簡單的基礎模型就可以做好，里面有很多對模型進行研究的成分。因此，這些挑戰(zhàn)都不是輕而易舉就可以解決的，這就要求做大模型的公司一定要有研發(fā)能力，不是簡單的應用，而是自身要有比較雄厚的研發(fā)能力。”

（文章來源：21世紀經(jīng)濟報道）

關鍵詞：