0
| 本文作者： 楊玲俐 | 2023-03-30 18:12 |
以ChatGPT為代表的AI大模型正在全球范圍內引發新一輪的技術革命與商業浪潮。在金融領域，短期來看，它將在哪些方面給客戶帶來直觀的優化體驗？長遠來看，它能否給金融業帶來顛覆性變革？
帶著這些問題，我們采訪了度小滿首席技術官許冬亮。度小滿，即原百度金融。作為源自百度的金融科技公司，度小滿一直積極探索人工智能在金融領域的前沿應用，先后布局信貸、財富管理、支付、保險、個人金融科技和供應鏈金融科技等六大業務板塊。百度 “文心一言”開放生態合作后，深耕AI領域多年的度小滿成為首家接入的金融科技公司。
許冬亮認為，具有通用能力的大模型將成為信息處理的基礎設施，中小銀行應用人工智能技術的門檻將大幅降低，在數字化、智能化進程中有了“彎道超車”的機會。
麥肯錫：ChatGPT近期風靡全球，您對人工智能未來趨勢怎么看？
許冬亮：ChatGPT的基礎是大模型，也就是 GPT（ Generative Pre-trained Transformer 即生成型預訓練變換模型）。基于大模型，OpenAI團隊不僅推出了ChatGPT（對話），還推出了CodeX（代碼生成）、DALL-E（圖像生成）。
比ChatGPT更值得關注的是它所依托的底層技術能力。我們認為類似GPT這樣的大模型技術，是下一代人工智能技術較量的核心課題。大模型將會掀起新一波的技術浪潮，重塑多個行業的業態。
麥肯錫：大模型技術在金融行業有哪些應用？
許冬亮：金融行業是數字化、智能化的先行者，如果將大模型能力放到金融行業中去處理原有的任務，性能和效果將會有顯著的提升，會對很多工作產生顛覆性的影響。
大模型可以分為理解式大模型和生成式大模型。理解式大模型可以用在智能獲客和風險管理上，幫助金融機構提升經營效率和風險管理決策能力。在智能獲客上，大模型可幫助金融機構精準匹配用戶的需求。在信用風險管理上，在大模型的通用能力基礎上融合金融行業的知識和數據用于風險評估，可以提升數據洞察理解能力，幫助我們發現原來發現不了的風險。
生成式大模型可以自主生成新的數據、圖像、語音、文本等信息，成為理財師、保險經紀人等金融行業從業人員的得力助手，幫助他們為客戶個性化推薦理財、保險產品，大幅提升服務效率和服務體驗。具體表現在以下三個方面：
第一、 基于大模型的智能客服將超越人工服務，讓高質量顧問式金融服務成為可能。在通用大模型的基礎上，疊加金融客服領域的數據和專業服務經驗，經過垂直領域定向訓練后客服機器人既能與用戶進行多輪對話，還能提出具體的、可行的解決方案。
第二、 生成式大模型可以成為理財師、經紀人等從業者的“全能業務助理”。基于大模型的業務助理不僅了解國內外的宏觀政策、行業信息、產品信息，而且可以自動生成文章、報告，提供專業建議和方案輔助交流。
第三、 廣告和營銷內容一鍵生成，營銷效率大幅提升。以ChatGPT為代表的大模型技術，將帶來知識型工作者生產效率的二次飛躍。過去，我們需要在海量信息中檢索詞條，將大量的精力投入到信息的獲取、提煉與整合，自己做檢索、設計、制作等工作；未來，大模型技術會適應并普及到所有知識型工作行業，例如文案、設計、編程等，人機協作將大幅提高工作效率。
麥肯錫：大模型技術的發展，對金融行業的格局將帶來什么影響？
許冬亮：具有通用能力的大模型將成為信息處理的基礎設施，中小銀行應用人工智能技術的門檻將大幅降低，在數字化、智能化進程中有了“彎道超車”的機會。由于在數字資源、科技能力、業務場景等方面的天然差距，中小銀行與大銀行相比，在數字化轉型方面相對落后，且面臨著差距越拉越大的風險，“智能化鴻溝”的風險也越來越明顯。在大模型時代，所有銀行都可以便捷地使用最先進的人工智能技術來解決各自的業務問題，不同規模的銀行重新站在同一條起跑線上，這將大幅加快中小銀行數字化、智能化進程，有利于中小銀行跨越“數字鴻溝”和“智能化鴻溝”。
麥肯錫：度小滿在大模型上有什么布局？
許冬亮：度小滿已經開展了一系列基于大模型的應用。我們將大型語言模型LLM應用于海量互聯網文本數據、行為數據、征信報告的解讀，將小微企業主的信貸違約風險降低了25%。隨著模型的迭代，大模型在智能風控上的潛力將進一步釋放。
ChatGPT所展現的語義理解能力，也是度小滿在自然語言處理（NLP）領域重點投入的方向。2021年，在微軟舉辦的MS MARCO 比賽中的文檔排序任務中，度小滿NLP團隊排名第一并刷新紀錄；團隊研發的軒轅 (XuanYuan) 預訓練模型也在CLUE分類任務中排名第一。
百度 “文心一言”開放生態合作后，度小滿成為首家接入的金融科技公司。接下來，基于“文心一言”的大模型技術基座，結合度小滿業務場景積累的金融行業知識和數據進行交互式訓練，我們希望能在金融行業發揮ChatGPT類人工智能技術的作用和價值，打造全新的智能客服、智能風控、智能交互服務。這些垂直應用不僅要具備生成式人工智能（AI）、多模態語義理解等能力，而且要適配金融行業高度重視風險、把安全性放在第一位的行業特點，做到高度穩定、自主可控。
麥肯錫：大模型的發展未來有哪些挑戰？
許冬亮：首先，技術的應用不能脫離業務應用本身，AI技術的價值體現在業務的發展上。其次，數據的積累、技術能力的建設、底層的架構、人才積累與培養，這些都要長期投入，逐步形成；AI與業務的融合是一個持續迭代的過程，我們不能唯業績論，要給技術沉淀的空間和時間，但也不能只關注技術建設，不考慮對業務的收益——既要仰望星空，又要腳踏實地。
在國內，目前看大模型技術的發展和應用存在很多挑戰，這些也都是我們需要正視和解決的，包括以下四個方面：
一、應用門檻。大模型訓練和應用的成本依然很高；在數據上，中文語料和數據質量相較于英文存在差距，當前模型的穩定性和真實性還要進一步的優化。
二、金融安全。金融行業的安全性是第一位的。生成式大模型創作自由度高，所以常會有令人驚艷的表現，但正是因為它的自由度太大了，當解決真實場景中的任務時，會造成可控性不足。
三、人才儲備。我國人工智能人才緊缺程度持續高于互聯網總體水平，作為ChatGPT核心技術的大模型，其人才缺失更為突出，尤其是領軍人才一將難求。
四、科技倫理。隨著技術的不斷突破，為了規范技術的發展，科技倫理的治理也要及時跟上，比如，大模型訓練需要應用大量的數據支持，需要做好數據的安全管理，避免泄露帶來的風險。同時這一技術可能會涉及偏見、歧視、誤導等問題，需要加強技術規范和標準制定，防止誤導，防范道德和倫理風險，防止歧視，保護消費者權益。
本次訪談由麥肯錫全球資深董事合伙人鐘惠馨、麥肯錫全球董事合伙人吉翔和麥肯錫全球副董事合伙人張蒙聯合完成。
雷峰網(公眾號：雷峰網)雷峰網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
