展會(huì)信息港展會(huì)大全

研究顯示,銀行業(yè)是受生成式AI影響最大的行業(yè)之一
來源:互聯(lián)網(wǎng)   發(fā)布日期:2023-11-29 18:44:54   瀏覽:4175次  

導(dǎo)讀:憑借 ChatGPT、DALLE-2 和 CodeStarter 等工具,生成式人工智能在 2023 年激活了公眾的想象力。與過去曇花一現(xiàn)的技術(shù)不同(想想元宇宙現(xiàn)在的狀態(tài)),這項(xiàng)最新的人工智能技術(shù)看起來將繼續(xù)存在。 OpenAI 的聊天機(jī)器人 ChatGPT 可能是最著名的生成式人工智能工...

憑借 ChatGPT、DALLE-2 和 CodeStarter 等工具,生成式人工智能在 2023 年激活了公眾的想象力。與過去曇花一現(xiàn)的技術(shù)不同(想想元宇宙現(xiàn)在的狀態(tài)),這項(xiàng)最新的人工智能技術(shù)看起來將繼續(xù)存在。

OpenAI 的聊天機(jī)器人 ChatGPT 可能是最著名的生成式人工智能工具。在推出后的短短兩個(gè)月內(nèi),它的月活躍用戶就達(dá)到了 1 億,普及速度甚至超過了 TikTok 和 Instagram,成為了歷史上增長(zhǎng)最快的消費(fèi)者應(yīng)用。

根據(jù)麥肯錫的一份報(bào)告,生成式人工智能每年可為全球經(jīng)濟(jì)增加 2.6 萬億至 4.4 萬億美元的價(jià)值。從對(duì)收入的影響來看,銀行業(yè)是尤其可能從生成式人工智能中看到最大影響的行業(yè)之一。

報(bào)告稱,該技術(shù)“如果能夠充分實(shí)施其用例,每年可帶來相當(dāng)于 2000 億至 3400 億美元的額外價(jià)值”。

對(duì)于每個(gè)行業(yè)的企業(yè)來說,眼前的挑戰(zhàn)是,將任何新技術(shù)帶來的炒作與其可能具備的真正的、持久的價(jià)值區(qū)分開來。

這對(duì)金融服務(wù)企業(yè)來說是一個(gè)緊迫的問題。該行業(yè)對(duì)數(shù)字工具的使用已經(jīng)廣泛存在且在不斷增長(zhǎng),這使得它特別有可能受到技術(shù)進(jìn)步的影響。

《麻省理工科技評(píng)論》的最新報(bào)告分析了生成式人工智能在金融領(lǐng)域的早期影響,它正在哪些地方開始應(yīng)用,以及從長(zhǎng)遠(yuǎn)來看,成功部署它需要克服的障礙。

本報(bào)告的主要結(jié)論如下:

企業(yè)在金融服務(wù)領(lǐng)域部署生成式人工智能,在很大程度上仍處于萌芽階段。最活躍的用例集中在將員工從低價(jià)值、重復(fù)性的工作中解放出來,從而削減成本。

公司已經(jīng)開始部署生成式人工智能工具來自動(dòng)化耗時(shí)且乏味的工作,而這些工作以前需要人類評(píng)估非結(jié)構(gòu)化信息。

(來源:資料圖)

目前公司正在對(duì)可能更具顛覆性的工具進(jìn)行廣泛的實(shí)驗(yàn),但多以試點(diǎn)項(xiàng)目為主,真正商業(yè)部署的跡象仍然很少。

學(xué)術(shù)界和銀行正在研究生成式人工智能如何在有影響力的領(lǐng)域提供幫助,包括資產(chǎn)選擇、改進(jìn)模擬,以及更好地理解資產(chǎn)相關(guān)性和尾部風(fēng)險(xiǎn),比如資產(chǎn)表現(xiàn)遠(yuǎn)低于或遠(yuǎn)高于其過去平均表現(xiàn)的概率。

然而,到目前為止,一系列實(shí)際和監(jiān)管挑戰(zhàn)正在阻礙它們的商業(yè)使用。

歷史遺留技術(shù)和人才短缺可能會(huì)減緩生成式人工智能工具的采用,但只是暫時(shí)的。許多金融服務(wù)公司,尤其是大型銀行和保險(xiǎn)公司,仍然擁有大量古老的信息技術(shù)和數(shù)據(jù)結(jié)構(gòu),可能不適合使用現(xiàn)代應(yīng)用程序。

然而,近年來隨著廣泛的數(shù)字化進(jìn)程,這個(gè)問題已經(jīng)緩解,而且可能會(huì)繼續(xù)下去。與任何新技術(shù)一樣,整個(gè)經(jīng)濟(jì)體都缺乏專門從事生成式人工智能的人才。

目前,金融服務(wù)公司似乎正在培訓(xùn)員工,而不是從專業(yè)人才庫中招聘。也就是說,尋找人工智能人才的困難正在逐漸減少,這一過程將類似于云服務(wù)和其他新技術(shù)的興起。

更難克服的可能是技術(shù)本身的弱點(diǎn),以及在某些場(chǎng)景中使用技術(shù)的監(jiān)管障礙。一般的現(xiàn)成工具不太可能充分執(zhí)行復(fù)雜的特定任務(wù),如投資組合分析和選擇。公司需要培訓(xùn)自己的模型,這一過程將需要大量的時(shí)間和投資。

此外,一旦這種軟件完成,其輸出也可能會(huì)出現(xiàn)問題。人工智能中的偏見和缺乏問責(zé)機(jī)制的風(fēng)險(xiǎn)是眾所周知的。人們一直在尋找如何驗(yàn)證生成式人工智能復(fù)雜的輸出(內(nèi)容),但尚未取得成功。

權(quán)威機(jī)構(gòu)需要更多地研究生成式人工智能的含義,而且從歷史上看,他們很少會(huì)在早期批準(zhǔn)這些工具。

支持:Reb

贊助本站

人工智能實(shí)驗(yàn)室
相關(guān)內(nèi)容
AiLab云推薦
推薦內(nèi)容
展開

熱門欄目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能實(shí)驗(yàn)室 版權(quán)所有    關(guān)于我們 | 聯(lián)系我們 | 廣告服務(wù) | 公司動(dòng)態(tài) | 免責(zé)聲明 | 隱私條款 | 工作機(jī)會(huì) | 展會(huì)港