一石激起千層浪，年初爆火的ChatGPT掀起了國內(nèi)研究大模型的熱潮。以大模型為代表的新一代人工智能技術(shù)將重塑現(xiàn)有業(yè)務(wù)流程，加速金融數(shù)字化和金融智能化的發(fā)展。
金融作為一個對精準(zhǔn)性、可控性、安全性要求極高的行業(yè)，在實際應(yīng)用大模型時還面臨著挑戰(zhàn)。從當(dāng)前來看，大模型更適合應(yīng)用于哪些金融場景，可以解決哪些痛點問題？如何應(yīng)對大模型帶來的可能性風(fēng)險？就此，工商銀行首席技術(shù)官呂仲濤在2023服貿(mào)會期間接受了21世紀(jì)經(jīng)濟報道的專訪。
呂仲濤表示，大模型技術(shù)目前尚未完全成熟，而金融行業(yè)是一個強監(jiān)管的行業(yè)。因此，大模型技術(shù)應(yīng)用于金融場景下，仍然存在安全隱私、科技倫理、可信可解釋等方面的風(fēng)險。同時，大模型技術(shù)應(yīng)用全面落地的過程還面臨著數(shù)據(jù)、算力、算法、應(yīng)用等諸多挑戰(zhàn)。
大模型當(dāng)前階段不成熟
短期內(nèi)不建議直接對客使用
Q1：當(dāng)下對大模型的討論非�；馃�，它對銀行的價值體現(xiàn)在哪些方面？大模型更適合于落地哪些場景？能解決哪些痛點問題？
呂仲濤：作為數(shù)字內(nèi)容創(chuàng)作的新引擎，AI大模型展現(xiàn)出驚人的理解、推理、學(xué)習(xí)等能力，可以在信息處理與內(nèi)容加工制作方面進一步釋放生產(chǎn)力，輔助人工提升內(nèi)容創(chuàng)作、代碼開發(fā)、圖像設(shè)計、數(shù)據(jù)分析等方面的工作效率，從而提升銀行業(yè)務(wù)服務(wù)質(zhì)量。
例如，在遠(yuǎn)程銀行客服方面，圍繞遠(yuǎn)程銀行中心數(shù)千人的客服團隊，貫穿事前、事中、事后全流程，聚焦對客服務(wù)中樞的運營團隊、群體基數(shù)較大的人工坐席、工作量較為繁重的質(zhì)檢人員，重新定義該群體的作業(yè)和生產(chǎn)模式，基于大模型能力賦能全流程業(yè)務(wù)場景。
在智慧辦公領(lǐng)域，利用大模型的文本生成問答能力，圍繞郵件、文檔、會議、員工日常事務(wù)等方面，優(yōu)化行內(nèi)辦公工具的交互體驗，助力員工辦公效率提升。
在智能開發(fā)領(lǐng)域，利用大模型代碼生成、代碼識別與檢測、代碼轉(zhuǎn)自然語言等領(lǐng)域的全方位能力，構(gòu)建基于大模型的智能研發(fā)體系，有效提升一線開發(fā)人員編碼效率和質(zhì)量。
雖然大模型在文本、圖像等領(lǐng)域的生成能力優(yōu)勢明顯，但當(dāng)前階段并不成熟，仍存在科技倫理風(fēng)險等問題。因此，短期內(nèi)不建議直接對客使用，應(yīng)優(yōu)先面向金融文本和金融圖像分析理解創(chuàng)作的智力密集型場景，以助手形式，人機協(xié)同提升業(yè)務(wù)人員工作質(zhì)效。
商業(yè)銀行可以聚焦遠(yuǎn)程銀行、基層網(wǎng)點等大基數(shù)員工群體共性需求，持續(xù)加大新技術(shù)面向全業(yè)務(wù)流程的綜合化運用，形成端到端的業(yè)務(wù)智能化解決方案，全方位提升銀行服務(wù)的工作質(zhì)效。
大模型落地需要
大數(shù)據(jù)、大算力、大合作、大創(chuàng)新
Q2：金融是一個對于精準(zhǔn)性、可控性、安全性要求很高的行業(yè)，在使用大模型時可能帶來哪些風(fēng)險？
呂仲濤：大模型技術(shù)目前尚未完全成熟，而金融行業(yè)是受到強監(jiān)管的行業(yè)，應(yīng)用大模型技術(shù)在安全隱私、科技倫理、可信可解釋等方面仍存在風(fēng)險。比如，大模型生成的內(nèi)容可能存在明顯的宗教偏見、性別歧視等問題，有違社會倫理。此外，數(shù)據(jù)隱私保護也存在隱患，大模型訓(xùn)練數(shù)據(jù)來源于互聯(lián)網(wǎng)及一些業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)可能涉及大量用戶隱私。
Q3：大模型全面落地還面臨著哪些挑戰(zhàn)？如何防范和應(yīng)對？
呂仲濤：在將大模型技術(shù)進行全面落地應(yīng)用的過程中，金融業(yè)在數(shù)據(jù)、算力、算法、應(yīng)用等諸多方面面臨挑戰(zhàn)。
一是大模型需要大數(shù)據(jù)。大模型的突破得益于高質(zhì)量數(shù)據(jù)的發(fā)展，需要通過數(shù)據(jù)驅(qū)動，釋放數(shù)據(jù)要素價值，加速推進金融業(yè)數(shù)字化轉(zhuǎn)型。
二是大模型需要大算力。當(dāng)前國內(nèi)外算力市場面臨著算力供給短缺、多廠商異構(gòu)算力融合、國產(chǎn)AI生態(tài)不足、機房和網(wǎng)絡(luò)建設(shè)等復(fù)雜情況，金融機構(gòu)需要深化與產(chǎn)界各方的合作，共同推動解決大規(guī)模算力部署和應(yīng)用的難題。
三是大模型需要大合作。金融業(yè)要加快探索引入業(yè)界通用的大模型技術(shù)的策略和實踐，增強大模型能力，從而提升大模型服務(wù)金融行業(yè)能力。
四是大模型需要大創(chuàng)新。要探索形成一套面向金融業(yè)的高標(biāo)準(zhǔn)、低門檻的金融大模型應(yīng)用模式，以此來快速推進人工智能在金融領(lǐng)域的深化應(yīng)用。
Q4：未來大模型在金融領(lǐng)域大規(guī)模應(yīng)用的路徑是怎樣的？大型銀行與中小銀行有哪些區(qū)別？
呂仲濤：關(guān)于大模型應(yīng)用落地，目前業(yè)界尚無標(biāo)準(zhǔn)方法論。企業(yè)可根據(jù)場景通用化、專業(yè)化程度，分別使用基礎(chǔ)大模型、行業(yè)大模型、企業(yè)大模型、任務(wù)大模型。四層模型訓(xùn)練數(shù)據(jù)規(guī)模和投入算力逐層遞減，專業(yè)屬性逐層增強。
對于大型銀行而言，因金融數(shù)據(jù)海量、應(yīng)用場景豐富，可引入業(yè)界領(lǐng)先的基礎(chǔ)大模型，自建金融行業(yè)、企業(yè)大模型，考慮到建設(shè)周期較長，可采用微調(diào)形成專業(yè)領(lǐng)域的任務(wù)大模型，快速賦能業(yè)務(wù)。對于中小銀行而言，綜合考慮應(yīng)用產(chǎn)出和投入成本的性價比，可按需引入各類大模型的公有云API或私有化部署服務(wù)，直接滿足賦能訴求。
從數(shù)字化轉(zhuǎn)型角度來講，大模型只是數(shù)字化轉(zhuǎn)型過程的一個技術(shù)，而數(shù)字化轉(zhuǎn)型涉及到一個體系性的問題。在銀行定位上，中小銀行和大型銀行的數(shù)字化轉(zhuǎn)型本身就存在差異，數(shù)字化轉(zhuǎn)型成效關(guān)鍵在于能否精準(zhǔn)定位。
版面編輯：何佳歡｜責(zé)任編輯：瑟瑟
視覺：李盼 東子
監(jiān)制：李俊虎 潘潘
來源：21世紀(jì)經(jīng)濟報道
記者：邊萬莉
