财联社
财经通讯社
打开APP
当中国金融业遇上大模型浪潮!行业适配与优化正在开始 |直击外滩大会
①知识图谱擅长表达专业知识、私密知识,这与大模型所表达的参数化、不可理解的知识是紧密的互补关系;
                ②复旦大学教授肖仰华认为,大模型没有通识能力,是不可能发展出专业认知能力。通用大模型的行业适配和优化的道路才刚刚开始**。

《科创板日报》9月9日讯(记者 黄心怡)在上海举行的2023 inclusion·外滩大会,吸引了多家金融大模型厂商参会,探讨大模型技术从基础大模型走向行业大模型的机会和挑战。

多位金融领域的专家指出,大模型对整个金融体系的影响是长期的,但金融业对精准度、可控性、安全等都有很高的要求,而当下大模型仍无法解决幻觉问题——不准确或误导性的输出,影响了其应用落地。要解决这一点,应注重知识图谱技术与大模型技术的融合,并重视传统小模型的协同作用,不管是重底座、轻应用,还是重应用、轻底座,都是错误的。

▍大模型对金融体系将产生长期影响

相关研究数据显示,目前国内参数在10亿规模以上的大模型数量已有116个,其中金融行业大模型约18个。蚂蚁集团、度小满、恒生电子、同花顺等已经在积极研发金融大模型。

有业内分析认为,中国金融机构经历互联网、移动互联网两大浪潮之后,如今正迎接第三波大模型浪潮。

中国社科院国家金融与发展实验室副主任杨涛在会上表示,大模型对整个金融体系的影响是一个长期的过程,而短期内在某些方面已经体现了一些价值:

一是在提升面向客户的服务能力方面,可为金融机构员工的专业化营销、渠道维护提供更加智能化的间接支持。

二是在改善机构工作流程与效率方面,可进一步提升业务链条智能化与办公模式的自动化。

三是在文本处理方面,对金融机构的一般文本、专业合规文件及业务所需的信息,都能更低成本、高效地提供技术支持。

四是对金融机构实现了IT支持,其代码生成的功能提升了IT基础工作的效率。

平安集团首席科学家肖京介也分享了正在开展的大模型和AIGC实践。肖京介透露,平安集团有几十万业务员,每个业务员可以通过人工智能生成多个高清数字人,从而拥有自己的数字分身,提高营销能力。

在客户服务方面,平安集团的语音机器人去年总计服务了26亿次客户,约占客服业务的81%。在保险理赔方面,借助AI技术实现98.6%的案件一天内赔付。在风控领域,通过人脸和声音等身份识别技术来反欺诈,并对债券、投资或二级市场投资等领域可能出现的风险,借助智能系统进行防范和预警。

不过,大模型本身能力仍有很多地方待改进。

肖京介指出,不管是精准度、可控性、安全等很多地方需要不断进步。此外,在投产价值上,大模型的一大弊端是成本很高。“企业做任何工作都要考虑产出,不能只看投入。而生成式大模型虽然在业务场景中逐渐出现成效,但还没有呈现出规模化的效应。”

▍大模型、小模型互相协同

复旦大学教授、上海市数据科学重点实验室主任肖仰华提到,“大模型的出现颠覆了认知。让我们发现行业的很多问题恰恰是建立在通用的认知能力基础上。没有通识能力,是不可能发展出专业认知能力。”

但是,通用大模型的行业适配和优化的道路才刚刚开始。“大模型在金融领域的应用属于复杂决策任务,要比ChatGPT这一类开放闲聊的任务,困难得多。通用模型里面的专业知识是远远不够的。为此,大模型需要进行面向领域的训练优化,提升大模型的行业认知能力。” 肖仰华称。

其中,特别要注重大模型与知识图谱的协同。肖仰华认为,知识图谱擅长表达的是专业知识、私密知识,和可理解、可控的符号知识,这与大模型所表达的参数化、不可理解的知识是紧密的互补关系,可以缓解大模型的幻觉问题

此外,企业还需从知识、能力、价值三方面重新架构自身系统。在这个过程当中,尤其要重视传统小模型的价值。“传统的分类模型、预测模型依然有用,我们真正要做的是把大模型、小模型协同起来。实际上小模型的插件应用,可显著地补足通用大模型能力的不足。重底座、轻应用和重应用、轻底座,都是在行业里使用大模型的错误。两者我们要兼顾,把大模型、小模型协同好。”

▍大模型就像“鹦鹉学舌” 数理能力有待提升

蚂蚁集团CTO何征宇在接受《科创板日报》记者采访时表示,AI大模型在语言文字上有较强的表现,但在数理逻辑上仍有差距。

何征宇把大模型比喻为一只大号的鹦鹉。“现在,大模型学习东西的过程,就像是鹦鹉学舌。人类不断重复告诉大模型1+1=2,通过一段时间地训练,它可以说人话、告诉你答案。但并不意味着真的理解了,特别在逻辑推断、数理分析方面,你想想一只鹦鹉怎么可能做好量化分析?”

蚂蚁集团副总裁、金融大模型负责人王晓航则在采访中坦言,金融对知识专业性、逻辑的严谨性,以及合规性都要求很高。原生大模型距离金融行业的要求还有很大的鸿沟,如何防止大模型出现幻觉,并没有很好的办法

“为此,我们采用了知识图谱的结构化数据,与大模型参数化数据相结合双驱动方式。希望通过积累的大规模金融领域的知识图谱,能确保大模型的专业和严谨性。通过知识的注入、一致性的对齐,在生成完后,对真实和一致性进行判别,这是一个系统化的过程。”

王晓航认为,当下金融业还没有成熟到可以全面驾驭大模型所带来的机会。“这依赖金融科技公司,金融体系内部的科技力量,能够把技术转化成产品、转化成平台。我判断,这还需要大概1、2年的时间。”

科创板最新动态 外滩大会
财联社声明:文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。
商务合作
专栏
相关阅读
评论
发送