1956年,達(dá)特茅斯會(huì)議在一個(gè)小鎮(zhèn)召開(kāi),會(huì)議首次使用了“人工智能”一詞,從此拉開(kāi)了AI發(fā)展的序幕。但此后的幾十年間,人工智能發(fā)展幾經(jīng)波折,有過(guò)高潮,也曾陷入過(guò)沉寂。直到時(shí)間來(lái)到2013年,工程師通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)將圖像中對(duì)象分類的錯(cuò)誤率降低到了18%為起點(diǎn),人工智能才開(kāi)始又受到矚目。而讓AI真正走進(jìn)大眾的視野,莫過(guò)于2016年AlphaGo戰(zhàn)勝韓國(guó)圍棋棋手李世石這一標(biāo)志性事件了。

與此同時(shí),2013年金融領(lǐng)域也進(jìn)入了新的歷史階段,互聯(lián)網(wǎng)金融橫空出世了。此后十年,一場(chǎng)涉及到整個(gè)金融產(chǎn)業(yè)的革命(包含銀行、保險(xiǎn)、互聯(lián)網(wǎng)金融、消費(fèi)金融、汽車金融等幾乎所有產(chǎn)業(yè)主體)進(jìn)入了波瀾壯闊的十年。

金融產(chǎn)業(yè)良好的數(shù)字化和信息化基礎(chǔ),為人工智能的發(fā)展奠定了基礎(chǔ)。人工智能第一次發(fā)展浪潮與金融產(chǎn)業(yè)在過(guò)去十年形成了歷史性交匯。

在第一次浪潮中,判別式AI是主角。判別式AI的技術(shù)特性決定了它不需要窮盡所有信息,而只需要部分較為精準(zhǔn)的信息,即能給出明確的決策結(jié)果,進(jìn)行“好”與“壞”的分類,“是”與“否”的判別,這對(duì)于彼時(shí)正快速線上化、數(shù)字化的金融機(jī)構(gòu)來(lái)說(shuō),判別式AI可謂占據(jù)了天時(shí)地利人和。

在判別式AI的驅(qū)使下,以銀行為代表的金融產(chǎn)業(yè)經(jīng)歷新舊范式的轉(zhuǎn)變,金融數(shù)字化轉(zhuǎn)型正在各個(gè)層面如火如荼展開(kāi)。經(jīng)過(guò)近十年的深耕和發(fā)展,判別式AI為金融機(jī)構(gòu)帶來(lái)了從文化思維、技術(shù)產(chǎn)品、管理流程、業(yè)務(wù)模式到人才生態(tài)等層面的重塑和變革。

以2019年中國(guó)人民銀行印發(fā)《金融科技(FinTech)發(fā)展規(guī)劃(2019—2021年)》為標(biāo)志,以保守穩(wěn)健著稱的金融機(jī)構(gòu),完成了對(duì)AI從懷疑、觀望到全面擁抱的轉(zhuǎn)變。

而當(dāng)下,以生成式AI為代表的第二波AI浪潮正席卷而來(lái),技術(shù)引發(fā)變革的廣度和烈度都將遠(yuǎn)超以往。

以百融云創(chuàng)為例,百融云創(chuàng)基于深度學(xué)習(xí)Transformer框架,結(jié)合NLP、智能語(yǔ)音等技術(shù),打造了場(chǎng)景驅(qū)動(dòng)的產(chǎn)業(yè)大模型——BR-LLM。百融云創(chuàng)自主搭建了大模型底層框架,通過(guò)深度微調(diào)能支持百億級(jí)參數(shù)的訓(xùn)練。

在AI開(kāi)發(fā)層面,大模型展現(xiàn)出強(qiáng)大的代碼自動(dòng)化生成能力。在金融機(jī)構(gòu)中,傳統(tǒng)的機(jī)器學(xué)習(xí)模型開(kāi)發(fā)在某種程度而言是一種“手工作坊”的模型,一個(gè)場(chǎng)景一個(gè)模型,模型之間的經(jīng)驗(yàn)也不能互相積累和復(fù)用。大模型的自動(dòng)生成能力將顛覆這一現(xiàn)狀,面向不同金融場(chǎng)景的業(yè)務(wù)訴求,通過(guò)大模型工程師只需要下達(dá)清晰的指令,用文字描述出需求,即能自動(dòng)生成模型,極大提升機(jī)器學(xué)習(xí)的開(kāi)發(fā)效率和生產(chǎn)模式。開(kāi)發(fā)人員的角色也會(huì)隨之發(fā)生變化,如果說(shuō)此前開(kāi)發(fā)人員只需要做好技術(shù)的工作,有了大模型的加持,開(kāi)發(fā)人員還要做好“提問(wèn)者”的角色。

在智能交互方面,大模型能提供“真人級(jí)”對(duì)話效果,對(duì)客戶的語(yǔ)音識(shí)別準(zhǔn)確率可達(dá)到99%以上。同時(shí),大模型還有“高人一籌”的表現(xiàn)。

比如,當(dāng)人工向客戶推銷金融產(chǎn)品時(shí),客戶問(wèn)到一些如近十年某基金收益率這樣的專業(yè)性問(wèn)題,工作人員無(wú)法及時(shí)給出準(zhǔn)確的反饋,客戶可能就此流失。而大模型跨模態(tài)、跨語(yǔ)言的深度語(yǔ)義理解與生成能力,在處理復(fù)雜和專業(yè)性金融知識(shí)上,具有人工所不具備的能力。

一家大型銀行動(dòng)輒幾千萬(wàn)的客戶,有了大模型的能力加持會(huì)為每名客戶提供一個(gè)7×24小時(shí)的專屬服務(wù),這將為金融客服、智能投顧、產(chǎn)品營(yíng)銷等帶來(lái)一個(gè)質(zhì)的飛躍。

在分析決策方面,以判別式AI為代表的小模型已經(jīng)發(fā)揮了重要作用,大模型的進(jìn)場(chǎng)將進(jìn)一步激發(fā)小模型的能量。

數(shù)字化轉(zhuǎn)型的快速推進(jìn),使得銀行內(nèi)部形成了大量的非結(jié)構(gòu)化數(shù)據(jù),這對(duì)信息質(zhì)量要求比較高的判別式AI而言是一片無(wú)法觸及的領(lǐng)域。當(dāng)訓(xùn)練的信息量超過(guò)一定閾值,大模型就會(huì)出現(xiàn)“涌現(xiàn)現(xiàn)象”,即“在較小的模型中不存在,但在較大的模型中存在的能力”。

大模型能夠憑借強(qiáng)大的信息挖掘能力,喚醒金融機(jī)構(gòu)大量沉積的信息,就像是一塊巨大的磁石,做關(guān)鍵信息的抽取,為判別式小模型進(jìn)行賦能。比如,在風(fēng)險(xiǎn)決策、信用評(píng)估、反欺詐等場(chǎng)景下,大模型能豐滿信息的維度,挖掘出小模型無(wú)法覆蓋到的區(qū)域。大模型對(duì)于小模型并非是替代或“消滅”,相反,兩者將是相互協(xié)作的關(guān)系,大模型與小模型相互搭配,將大大提升金融決策的精準(zhǔn)度和效率。

免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買(mǎi)賣(mài)依據(jù)。

標(biāo)簽：