1956年,達特茅斯會議在一個小鎮(zhèn)召開,會議首次使用了“人工智能”一詞,從此拉開了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,有過高潮,也曾陷入過沉寂。直到時間來到2013年,工程師通過深度卷積神經(jīng)網(wǎng)絡(luò)將圖像中對象分類的錯誤率降低到了18%為起點,人工智能才開始又受到矚目。而讓AI真正走進大眾的視野,莫過于2016年AlphaGo戰(zhàn)勝韓國圍棋棋手李世石這一標志性事件了。

與此同時,2013年金融領(lǐng)域也進入了新的歷史階段,互聯(lián)網(wǎng)金融橫空出世了。此后十年,一場涉及到整個金融產(chǎn)業(yè)的革命(包含銀行、保險、互聯(lián)網(wǎng)金融、消費金融、汽車金融等幾乎所有產(chǎn)業(yè)主體)進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的信息,即能給出明確的決策結(jié)果,進行“好”與“壞”的分類,“是”與“否”的判別,這對于彼時正快速線上化、數(shù)字化的金融機構(gòu)來說,判別式AI可謂占據(jù)了天時地利人和。

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)型正在各個層面如火如荼展開。經(jīng)過近十年的深耕和發(fā)展,判別式AI為金融機構(gòu)帶來了從文化思維、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年中國人民銀行印發(fā)《金融科技(FinTech)發(fā)展規(guī)劃(2019—2021年)》為標志,以保守穩(wěn)健著稱的金融機構(gòu),完成了對AI從懷疑、觀望到全面擁抱的轉(zhuǎn)變。

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

以百融云創(chuàng)為例,百融云創(chuàng)基于深度學習Transformer框架,結(jié)合NLP、智能語音等技術(shù),打造了場景驅(qū)動的產(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,通過深度微調(diào)能支持百億級參數(shù)的訓練。

在AI開發(fā)層面,大模型展現(xiàn)出強大的代碼自動化生成能力。在金融機構(gòu)中,傳統(tǒng)的機器學習模型開發(fā)在某種程度而言是一種“手工作坊”的模型,一個場景一個模型,模型之間的經(jīng)驗也不能互相積累和復用。大模型的自動生成能力將顛覆這一現(xiàn)狀,面向不同金融場景的業(yè)務(wù)訴求,通過大模型工程師只需要下達清晰的指令,用文字描述出需求,即能自動生成模型,極大提升機器學習的開發(fā)效率和生產(chǎn)模式。開發(fā)人員的角色也會隨之發(fā)生變化,如果說此前開發(fā)人員只需要做好技術(shù)的工作,有了大模型的加持,開發(fā)人員還要做好“提問者”的角色。

在智能交互方面,大模型能提供“真人級”對話效果,對客戶的語音識別準確率可達到99%以上。同時,大模型還有“高人一籌”的表現(xiàn)。

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

一家大型銀行動輒幾千萬的客戶,有了大模型的能力加持會為每名客戶提供一個7×24小時的專屬服務(wù),這將為金融客服、智能投顧、產(chǎn)品營銷等帶來一個質(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,大模型的進場將進一步激發(fā)小模型的能量。

數(shù)字化轉(zhuǎn)型的快速推進,使得銀行內(nèi)部形成了大量的非結(jié)構(gòu)化數(shù)據(jù),這對信息質(zhì)量要求比較高的判別式AI而言是一片無法觸及的領(lǐng)域。當訓練的信息量超過一定閾值,大模型就會出現(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”。

大模型能夠憑借強大的信息挖掘能力,喚醒金融機構(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,為判別式小模型進行賦能。比如,在風險決策、信用評估、反欺詐等場景下,大模型能豐滿信息的維度,挖掘出小模型無法覆蓋到的區(qū)域。大模型對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度和效率。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

標簽：