> 快讯 >

大行落地“大模型”路径多 中小行有门槛该如何上车?

时间:2023-09-12 10:21:10       来源:中国电子银行网

国际人工智能权威杂志《自然机器智能》将大模型定义为网络参数规模达到亿级以上的预训练深度学习算法,大模型通过海量数据的训练学习,具备强大的语言理解表达、思维链推理等能力,在对文本图像的理解与内容生成等方面,AI表现出显著优势和巨大潜力。


【资料图】

业界已经看到大模型的广泛应用前景,通过大模型可以助力企业提质增效,推动数据与实体的融合,改变行业的发展格局。

当前,由于技术的先进性和创新性,金融机构普遍采用合作、创新、共存的模式探索大模型在金融领域的落地路径,在合作方面以数据驱动大模型应用,通过内部数据整合以及内外部数据的安全共享,满足大模型的数据需求,释放数据要素价值,同时加速数字化转型。

近日,依托服贸会平台,在由“科创中国”举办的“2023中国智能金融论坛”上,多位银行专业人士围绕人工智能大模型这一当今全球热门技术,探讨其在我国金融领域的应用创新成果与智能金融未来发展方向。

任务大模型可快速赋能业务 机构经营水平将出现分化

中国工商银行首席技术官吕仲涛以《金融行业AI大模型落地探索与实践》为主题发表演讲,他认为,关于大模型应用落地,目前业界尚无标准方法论,企业可按照场景通用化、专业化程度,分别使用基础大模型、行业大模型、企业大模型、任务大模型。四层模型训练数据规模和投入算力逐层递减,专业属性逐层增强。其中,基础大模型由于投入数据量大、算力成本高、算法难度大,由头部AI公司进行建设,虽然通识能力较强,但其缺少金融专业知识,对金融场景应用有限。

吕仲涛建议称,对于大型金融机构而言,因金融数据海量,应用场景丰富,可引入业界领先的基础大模型,自建金融行业、企业大模型,考虑到建设周期较长,可采用微调形成专业领域的任务大模型,快速赋能业务;对于中小金融机构而言,综合考虑应用产出和投入成本的性价比,可按需引入各类大模型的公有云API或私有化部署服务,直接满足赋能诉求。

中国农业银行研发中心副总经理赵焕芳分享了该行在建设大模型平台生态,以及在真实金融场景下应用大模型的探索和实践。

据介绍,农业银行在大模型建设思路上主要遵循四点:一是“以我为主”,场景和数据是银行的,只有适应银行的大模型,才是真正可以深度应用到场景里、业务流程中的大模型;二是以用带建,一项创新技术要真正发挥效果,可能在十个方向中只有一到两个可以产生价值,如果不用大模型,仅是纸上谈兵肯定不行;三是安全合规,农业银行要有大行的担当,在新技术应用的过程中,注重数据安全、隐私保护和法律法规,一开始就加强关键词、敏感词的过滤和审核;四是与业界、同业构建一个生态。

赵焕芳表示,农业银行创新采用大模型+MLOps标准,该标准是机器学习一体化的Ops流水线,农业银行将此用在大模型数据训练的全流程中,从处理、构建、最后测试,整个流程实现自动化,非常高效而且闭环,构建和沉淀了2.6TB的高质量训练数据,这是以后深度推进大模型应用的基础,没有数据就是无米之炊。

关于数据能力以及大模型对金融行业带来的革新,中国邮政储蓄银行金融科技创新部高级信息技术专家朱峰如此认为,银行业具有非常优秀的数字化基础,沉淀了海量的数据,比如交易数据、风控数据、贷前报告、贷后分析等,其中包含了大量结构、非结构数据,而且质量非常高,这些既是大模型应用落地的良好基础,也是内生的动力之一。随着银行数字化转型进入深水区,人工智能技术应用已经从过去的可选项变成了必选项,面对市场和环境变化,经营策略、知识管理、运维支持等场景都需要规模化地应用大模型技术进一步提升工作质效。

朱峰直言,大模型的快速发展也为金融业带来变革和挑战,一方面大模型可以更加高效、准确地完成一些基础性、重复性、要求不高的脑力劳动,这对强调流程、标准的金融行业特别是银行业务来说,将是一种新的思路和做法,大模型的应用将带来行业运营效率的大幅度提升,人们的直观感受是,工作机会将会被占据,一些工作模式和流程将会发生变化,不同机构的经营水平也会产生差距。

另外一方面,金融行业当中很大一部分工作,比如深度研究分析等人员,由于其创新性和挑战性无法直接被人工智能所取代,人工智能将会以助手、参谋角色让专家更为专注,让团队的效率提升,也会出现“一个人+人工智能工具”后成为一个团队。

在建信金融科技基础技术中心副总裁吴磊看来,人工智能经历了感知智能、认知智能和行动智能三种不同的智能体,2014年感知智能已经被AI超越,AI做到了在感知领域的强人工智能。

随着去年ChatGPT的发布,其在认知领域的某些方面超越人类,但在行动方面还没有达到像人一样灵活的水平,在行动智能领域还不是强人工智能,所以体力劳动者被大模型取代的风险暂时还不大。接下来可能会有70%的人去做由AI分配的体力劳动,例如外卖小哥,AI强化学习后将路径选择分派给他们从A点移动到B点,类似这样的工作会越来越多。

“竞争是加剧的,人员是有限的,人才是缺乏的,费用是紧张的,金融在脱媒,获取客户的难度在加大,经营的难度在加大,产品创新也是难的,培训也是难的,交互的效果也是不太好的,营销的提效、服务的满意度、忠诚度都是有待提升的,AIGC在这几方面都可以发力。”廊坊银行党委委员、副行长、中国互联网协会数字金融工作委员会副主任陈树军如是说。

陈树军进一步谈到,大模型可以读懂客户,既可以读懂客户的结构化数据,也可以读懂客户的非结构化数据,包括录音、录像、通话记录、文本、外部数据等,可以洞悉客户、了解客户、更好为客户服务。面对大量的产品培训资料、营销资料、竞品材料、监管规定等,客户经理可以借助大模型读懂产品,变成产品官、产品专家。

提升大模型风控水平 促进数字金融健康发展

中国人民银行科技司原司长、中国互联网协会数字金融工作委员会专家委员会主任陈静在演讲中提出,当前要发挥通用、大模型人工智能技术优势,金融业应集中力量为切实提升金融的核心功能服务,就是为实体经济服务、为现代社会民众服务,这集中体现在银行金融机构的信贷服务和支付服务。

“要提升金融的核心功能服务,必须有效提升金融机构风险防控能力。近几年来,我们一直呼吁和积极推动人工智能在金融风险防控中的应用。当前通用、大模型人工智能技术的发展更是带来新的机遇,我们应切实加强其在金融风险防控方面的应用。同时,高度重视新一代人工智能应用可能产生的新的风险,从一开始就积极研究和探索,采取有效措施。不断将我国金融风险防控提升到崭新的水平,为数字金融的持续、健康发展做出应有的贡献!”陈静强调说。

业内分析人士指出,大模型应用对成本投入、治理能力、技术水平都有一定要求,行业准入门槛较高,如若基础大模型与垂直领域知识相融合,将衍生出领域大模型、行业大模型,可满足具有行业特色的应用需求。

随着金融科技和数字金融的快速发展,大模型在金融领域的应用正在不断深化。相信在大模型的助力下,金融机构将不断提升人机协同智能化、经营决策智能化、业务流程智能化,赋能数字化转型,服务实体经济与人民的金融需求。

标签: