【管理评论】ChatGPT+金融:八个值得关注的研究方向与问题
AI金融助手

【管理评论】ChatGPT+金融:八个值得关注的研究方向与问题

ChatGPT+金融:八个值得关注的研究方向与问题 ChatGPT+Finance: Eight Noteworthy Research Directions and Issues  作者介绍 汪寿阳,中国科学院数学与系统科学研究院研究员 李明琛,中国科学院数学与系统科学研究院博士研究生 杨昆,中国科学院数学与系统科学研究院博士研究生 林文灿,中国科学院数学与系统科学研究院博士研究生 姜尚荣,中国科学院大学经济与管理学院博士研究生 魏云捷(通迅作者),中国科学院数学与系统科学研究院副研究员 ChatGPT的诞生标志着一场新的人工智能革命的到来。以ChatGPT为代表的生成式人工智能技术将深刻地影响经济学的研究范式和金融业界的系统生态。本文梳理了ChatGPT的发展历程,分析了ChatGPT在金融领域的应用情况与发展前景,并且讨论了对金融业的冲击以及风险监管等问题。无疑,ChatGPT对金融学的研究将带来若干新的挑战性问题,本文提出了八个值得学术界关注的研究方向与问题,以推动中国金融学界的相关研究和中国金融业的高质量发展。 关键词:ChatGPT, 金融研究, 金融应用, 行业冲击, 风险监管 Key words:ChatGPT, financial research, financial application, impact on industries, risk regulation The emergence of ChatGPT marks the beginning of a new revolution in artificial intelligence. The...
【新闻周评】关于ChatGPT的金融科技应用思考
AI金融助手

【新闻周评】关于ChatGPT的金融科技应用思考

这周ChatGPT特别火,社交圈内的信息十之六七都是关于ChatGPT的文章或视频分享,人们对于这一新的自然语言处理工具有着无限的憧憬。人工智能是真的来了吗?它对于金融科技行业、支付行业有哪些可能的颠覆?今天就从行业逻辑上来聊聊ChatGPT的可能应用未来。 ChatGPT特点 ChatGPT到底是什么?这几天许多人在问这个问题。 从公开的介绍来看,这是一个自然语言处理工具,是一个聊天机器人,一个大型语言模型,也是一个人工智能应用。它可以学习并理解人的语言,并根据上下文,给出相应的回应。 而从更加技术层面的角度来理解的话,相比过去人们接触数据来源相对闭环的人工智能应用,ChatGPT的数据更加开放,可以基于2021年所拥有数据进行检索并回应。过去几代的GPT从1到3代,预训练数据量从约5GB上升到45TB,行业预估ChatGPT拥有上百甚至上千TB的训练数据量。 一个专业的AI研究者总结出了ChatGPT的特色: ChatGPT特点(来自如图) 目前,ChatGPT能完成撰写邮件、视频脚本、文案、翻译、代码、写论文等任务,但是如果需要ChatGPT服务金融行业,成为金融科技基础驱动力的一部分时,有多少潜力能够挖掘? 产业现状 有人说,金融是一个非常复杂的行业,当下如此先进的计算机尚难以计算;也有人说,金融其实很简单,就是把资金用在正确的地方,难的是如何定义正确。作为金融重要组成部分的支付业务便是如此,既复杂也简单。ChatGPT如果要应用在金融行业,其所需要面临的问题也会很多。 专业性。金融是一个非常专业的领域,这其中有许多专业的原理、规则、名词。作为聊天机器人,ChatGPT学习并理解诸多含义丰富的名词并合理使用会是很大的困难。以支付行业著名的个人经营收款码为例,许多人无法理解何为经营,又如何定义经营,259号文执行之初,各方对此的理解存在巨大差异,在市场与监管的不断磨合中,才有较为明确的定义。目前ChatGPT只是在日常的聊天中较为正常,一旦深入到专业领域便捉襟见肘,需要服务金融,仍然有一定难度。 非公开性。金融许多信息是非公开的,也就是存在所谓的信息壁垒、信息孤岛。比如许多监管文件并不是公开的,需要各个机构负责人现场学习,而不能形成电子版本,这让人工智能在做某个服务或者决策时,容易产生误判。 模糊性。金融许多业务不是非0即1,甚至这关乎人性。在反洗钱监管中,近几年我国的监管态势从“合规为本”向“风险为本”转变,而风险如何判断很多时候还是看人,这就使得许多业务的边界存在模糊性。另外一方面是,反洗钱采取“双罚制”,需要背锅的人,ChatGPT未来或许可以学习许多的反洗钱案例、规则、黑名单,但最终需要作出一个金融决策的背后仍然是人。 此外,金融本身也存在一定的政治性,金融规则的制定与施行在很多场景存在差异,合规在不同时间、地点、场景下,都存在一定的差异。2022年,人民银行曾回复银行收款码零费率合规问题,“96费改”文件的市场化定价下其实是合规的,但过去几年支付机构们可都“懂的都懂”了。 机制复杂。金融行业的运行机制非常多,甚至有些规则是相互矛盾或者前后矛盾的,比如提升便利性与加强安全保障,这就需要取中间值,或者两害取其轻,人在其中仍然取较大的决策作用。 虽然金融可能是ChatGPT短时间难以较快适用的领域,但这有点通人性的工具仍然是金融行业所期待的。 ChatGPT带来可能的颠覆与升级 当人工智能开始盛行时,几乎所有的人都明白,那些比较机械性的工作可能被替代。而ChatGPT的到来,则让一些可能需要一定创造性,辅助决策的工作更加轻松。 在ChatGPT大火之后,李开复在近期写了一篇文章,阐述了可能被ChatGPT颠覆的20个职业,客户服务、电话销售、收银员、保险理赔员、贷款审批人员、财经记者等金融相关工种赫然在列。 但其实这些工种逐渐被人工智能替代是已经在进行的事,例如银行的智能客服、数字人电话、基于大数据的保险理赔、蚂蚁310放贷模式(3分钟填申请材料,1秒钟放贷,全程0人工干预)。 ChatGPT大火之后,招行也用ChatGPT撰写了金融相关宣传稿件,这可谓是对简单的财经报道、公关宣传的一种颠覆。 此外,ChatGPT可以升级当下的许多金融科技服务,比如RPA(机器人流程自动化),使用自动化、计算机视觉和机器学习相结合的过程,以自动化基于规则和触发驱动的重复性、高容量任务。 RPA与AI的结合是早已经开始的事,随着AI的智能水平逐渐提升,其处理的金融事务可以更加复杂,ChatGPT在这个领域可以更值得期待。 在服务层面,当下的无障碍、金融伦理治理、金融消保等方面,都需要更加拥有人性化特征的人工智能做好前端服务工作。 总体上来看,笔者认为在拥有重复性但又需要人性化服务,非决策性的金融业务上,ChatGPT拥有广阔的应用空间,但金融仍然是复杂的,需要ChatGPT更加专业,而不仅仅是聊天。 银行业金融科技社群,有兴趣的朋友请添加群主:yktworld 备注:公司+姓名+职务+银行入群。仅限银行科技工作人员。
刘新海:ChatGPT为金融科技带来八大价值,潜在风险远超监管步伐
AI金融助手

刘新海:ChatGPT为金融科技带来八大价值,潜在风险远超监管步伐

2022年11月,ChatGPT横空出世,戳中了资本、技术、产业的兴奋点。微软市值一夜暴涨5450亿美元,腾讯、百度、360、美团等国内大厂也开始纷纷布局ChatGPT。AI凭借“创作”强势崛起,这预示着AIGC元年已经开启,下一个万亿赛道即将爆发。 中译出版社一直以来密切关注科技类、前沿类、趋势类话题,2023年2月重磅出版关于ChatGPT和AIGC图书——《AIGC:智能创作时代》。 鉴于以上背景,2023年2月24日,由中译出版社主办、零壹智库作为支持机构的“AIGC与智能数字时代前沿论坛暨《AIGC:智能创作时代》新书发布会”在京举办,邀请行业内最权威专家、学者深入探讨火爆的ChatGPT背后的智能数字发展浪潮。 以下是全联并购公会信用管理委员会常务副主任刘新海主旨发言内容。 大家下午好,非常高兴和大家做一个这样的分享,我首先介绍一下个人我的背景背景:在十年前,我一直从事人工智能前沿方面的研究,从计算机视觉到文本挖掘然后做编程、在欧洲获得AI领域的博士学位,和相关科技公司合作并在欧洲工作一段时间。之后的十年,就进入了金融科技领域,在国内央行工作了很多年。目前我负责一个智库,研究征信和数据行业的商业模式与监管政策。同时,我与北大金融智能研究中心的团队合作,坚持做一些AI技术研发方面的创新。 ChatGPT是信息科技在当下的大风口,预示着未来数字经济的发展方向,引起了强烈的关注。金融科技是信息技术变现的重要场景,因为金融具有逐利性,它希望采用最先进的技术来提高业务效率。 ChatGPT对金融科技有三个方面的影响:第一个是ChatGPT对金融科技的直接价值,第二个是ChatGPT在金融科技创新中的潜在风险,第三个是ChatGPT对于金融科技创新的间接价值。 ChatGPT主要有两大技术特点。第一个特点是通用性。通用指它什么问题都可以回答;第二个特点是它处理的是非结构化数据。其实整个社会大部分信息是非结构化数据,而且非结构化数据和我们的实际应用更接近。因此,这是巨大的突破。ChatGPT是一个超级语言模型,而不是视觉模型,也不是听觉模型,当然也不是硬件方面的革命性突破,这是我们需要了解ChatGPT的一些边界,因为ChatGPT不是万能的。 这次ChatGPT现象是在当前信息技术与硬件技术进步共同推动下的大突破。与十年前的信息不同,在大数据时代,人类社会大部分的信息都在互联网上,越来越全面,它们都可以被采集、分析、学习和应用,这是ChatGPT获得成功的一个前提。算力的进步也是推动ChatGPT成功的重要动力。ChatGPT也用了很多人工标注和反馈,以及很多先进的人工智能机器学习方法,例如强化学习。 但是值得一提的是,ChatGPT虽然是大语言模型,但是它在自然语言处理NLP技术上从过去到现在一直没有大的突破,因为人的语义、语法和句法非常复杂,不是很容易解决。但是ChatGPT绕开了这个瓶颈,它通过人工反馈和大数据的训练学习逼近来解决。 (一)ChatGPT在金融科技领域的直接应用价值 主要有五个方面的直接价值。 ChatGTP作为大语言模型,第一个最重要的应用方向就是智能客服这个领域,因为在金融领域有许多个细分的条线都需要有智能客服和虚拟助手,从投资、信贷、信用卡到个人理财等,每一条线都需要智能客服。我们曾经想做征信领域智能客服系统,但是一直存在技术壁垒。对于个人信用报告,因为涉及每个人的个人利益,所以有很多异议和咨询的需求。如果做一个这种问答系统自动解答在征信领域的问题,这在过去非常难,但是现在由于ChatGPT技术,是可以实现的。当然这种智能客服需要垂直领域的专家知识相结合。 第二个重要的方向是数据分析。由于金融领域有大量的预测分析工作,金融本身可以视为一个数据行业或信息处理行业,有着大量的预测分析工作需求,很多是一些固定模式的预测分析,这部分可以使用ChatGPT。它有非常好的特点——能处理非结构化的信息,可以针对更多的数据处理,而传统的预测方法依赖于结构化数据分析。 第三个方向是欺诈检测。有一些欺诈的模式是固定的,ChatGPT可以被用来检测这些欺诈模式。 第四个方向是财务规划。ChatGPT可以利用金融主体的信息和以往的知识,提供更加个性化的定制服务。 第五个方面是风险管理。风险管理也是我们金融领域非常重要的内容。金融行业存在大量的风险模式,很多风险管理过程也是流程化的,ChatGPT可以有效地提供风险管理的咨询和设计。 需要强调的是这几个方面的应用都需要专家参与,都需要以应用模式非常清晰、流程标准化为前提。不是说ChatGPT一装上什么问题都解决,而是需要专家将这个模式分析清楚,再借助ChatGPT的这种巨大的分析和学习能力来解决。 (二)ChatGPT在金融科技创新中的潜在风险 目前很多法律专家和技术伦理专家都在讨论ChatGPT在金融科技方面的应用上会带来很多风险。 首先,金融的封闭性增加了机器学习的难度。金融行业的数据和业务都非常封闭,ChatGPT很难学得到,如果学不到,何谈解决这些领域相关的问题? 其次,金融领域还涉及消费者重大利益。金融交易并不是简单地买个小东西,个人房贷往往涉及金额上百万,而企业的借贷甚至达到几千万。因此,金融交易的公平性、可解释性都非常重要。如果利用ChatGPT来进行风险管理和决策,这些基本权益如何来保证?2023年2月23日的《华尔街日报》报道摩根大通这家银行开始限制员工使用ChatGPT,因为不知道答案是否准确及大家是怎么使用的。如果任何地方都用ChatGPT就会出现问题,因为金融还是要保证决策分析的准确性、透明性和公平性。 AI的应用将会涉及人类社会的所有领域,特别是软件领域。怎样让AI应用能够被社会大众所信任是一个基本的问题。如果ChatGPT的网络安全风险和知识产权的风险都能够得到很好的解决,大众就会放心地使用。 当然像ChatGPT这股浪潮远远超出我们监管的步伐,同时监管也要和创新进行平衡。那怎么来面对ChatGPT所带来的诸多风险呢? 这就需要倡导AI行业应用的科技伦理。从道德层面上,作为ChatGPT的使用者,我们个人和机构都要主动采用负责任的AI标准,促进社会和谐。同时要有专家的声音和多方博弈,这样更好地促进对监管合规性的跟进和对AI伦理的倡导。 (三)ChatGPT的间接价值 这个方面也很重要。ChatGPT最大的一个意义就是给我们带来了新的思维方法,同时也激发出大家创业创新的激情。现在国内很多互联网企业都在跟进这个方向上的发展就是一个很好的趋势。ChatGPT会带来思维方式的改变,它会渗透各个领域。每个领域都需要想一想AI能帮助其解决什么问题,哪些是它解决不了的,以及它会带来什么问题。 ChatGPT可以给金融科技的创新带来以下几点启发。 第一,借助小模型解决金融垂直领域问题。ChatGPT是大模型可以解决通用问题,但是对于金融垂直领域的问题可以用一些小模型解决,比如个人征信咨询问答系统。用小模型更聚焦,效果会更好一些。 第二,借助AI工程的便利解决传统模型问题。ChatGPT通过AI工程思路,借助目前的算力和大数据优势,绕开传统NLP模型技术上面的一些瓶颈。对于金融科技领域的传统疑难问题,我们也可以采取同样的工程思路来尝试解决一些非常棘手的问题。 第三,利用AI助力金融科技的学习、教育、培训和科研。ChatGPT目前可以通过收集资料、分析知识分析帮助我们学习,辅助我们做研究。未来利用AI辅助金融科技——这个前沿和交叉领域的学习和研究,会有很大空间。 最后强调两点: 第一,目前关于ChatGPT和AI的使用仍需要专家的参与,特别是如果有优秀的专家参与,它的成功可能性会更大一点,因为专家能更好地把握它的流程、模式和准确性。 第二,ChatGPT功能非常强大,会给我们的生活和工作带来巨大的帮助。我们有左脑、右脑,ChatGPT有可能会是我们的第三个脑。左脑和右脑可以用来思考、逻辑推理和释放感情,而ChatGPT可以作为我们第三个脑进行信息的收集、信息的处理、数据的分析。 End. 零壹读书会第3期丨《美国征信史》 ↑↑↑扫描二维码购买零壹智库最新书籍 《隐私计算:数字经济新基建》 《2023零壹智库全年会议规划》 来个“分享、点赞、在看、设为星标”?
火遍全网的ChatGPT,如何助力黄浦金融科技发展?
AI金融助手

火遍全网的ChatGPT,如何助力黄浦金融科技发展?

5月17日,“ChatGPT与金融科技”沙龙顺利举办。随着以自然语言处理为代表的人工智能的飞速发展,ChatGPT 成功从科技界破圈,掀起智能数字发展热潮,其中尤其对金融科技领域带来巨大冲击。聚焦此前沿问题,黄浦区金融办牵头举办本次沙龙,邀请行业内技术专家与金融机构、智库及科创企业代表齐聚,围绕ChatGPT的技术体系和对金融科技实务的影响进行了精彩而深刻的讨论交流。区委书记杲云,副区长王鼐出席活动。 蚂蚁集团副总裁、数据智能委员会主席王志荣、文因互联董事长鲍捷分别介绍了大模型的发展历程及技术升级之路,以及该项技术对各行业,尤其是金融科技领域发展产生的深远影响。现场还以多个精彩的案例生动展示了ChatGPT在金融领域的诸多现实落地场景和一定的现实局限。大模型通过自然语言处理和人工智能技术对工作任务进行的自动化处理,有效提高了部分工作的效率和准确性,但金融科技业务特有的专业性及其对数据安全等方面要求,也对大模型当前的发展提出了更高的要求。会上各与会嘉宾也就该话题进行了分享交流。 区委书记杲云表示,在追赶智能化浪潮的当下,必须要时刻警惕随之而来的数据风险和技术风险,深刻思考如何保障新型金融科技的合理化应用,通过支持建立行业合规标准和审核机制,切实保障各方的信息安全。与此同时,黄浦也将积极把握ChatGPT等大模型应用带来的巨大机遇,充分发挥金融要素市场、金融机构集聚辐射优势,集聚更多金融科技创新市场主体,支持技术前沿突破并赋能金融产业转型发展。同时,我们也将积极鼓励专业技术人才的培养和团队建设,深化黄浦金融科技人才体制机制改革,推动外滩进一步成为宣传、创新、推广金融科技的国际化地标,服务上海国际金融科技中心建设迈入更高台阶。 近年来,黄浦区也持续聚焦打造“金融科技”增长极,在金融要素市场系统研发、区块链技术应用、保险科技、支付清算等金融科技关键领域集聚了一批具有行业影响力的龙头企业,形成了良好的集聚效应。此次沙龙活动旨在为黄浦的金融科技发展进一步构建良好的交流平台,与“外滩大会”“长三角金融科技创新与应用全球大赛”等活动形成互补,加强区内各金融机构、科技创新企业间的多层次互通互享。未来,黄浦将充分利用金融数字化转型的机遇,突出创新引领,不断提升对优质企业、优秀人才的吸引力和承载力,持续优化营商环境,不断激发市场主体新活力,大力推动金融科技发展,为建设具有世界影响力的社会主义现代化国际大都市核心引领区提供强大驱动力。 记者 / 范煜昊 编辑 / 孙冲 图片 / 董朝杰 转载请注明来自上海黄浦官方微信 黄/浦/进/行/时    1. 百年老城厢如何蝶变?精彩瞬间尽在这场摄影展 2. 明天,黄浦这些博物馆将免费开放,文博盛宴等你来 JOIN US 
ChatGPT的’好用’与’用好’:AIGC在数字出版中的机遇与挑战
AI金融助手

ChatGPT的’好用’与’用好’:AIGC在数字出版中的机遇与挑战

这篇文章由王耀羚和马晓静撰写,主要探讨了ChatGPT在数字出版领域的应用,以及人工智能技术带来的机遇和挑战。文章强调了ChatGPT的“好用性”,并深入分析了其在工作流程中的具体应用场景。同时,文章也讨论了AIGC(人工智能生成内容)技术对数字出版的潜在影响,提出了应对策略和建议。
AI赋能金融:智能化时代的挑战与机遇
AI金融助手

AI赋能金融:智能化时代的挑战与机遇

这篇文章主要探讨了人工智能在金融领域的应用及其未来发展趋势,包括智能投顾、风险评估与管理、自动化交易、个性化理财等方面。预计未来AI将在金融领域带来更多创新和变革,如自动化风险管理、投资决策、客户服务和合规监管等。但同时,也需要面对数据安全、算法透明度和技术人才短缺等问题,确保智能金融的健康发展。
金融业呼唤可控可用的AI中工网2023-12-12 09:46中工网2023-12-12 09:46
AI金融助手

金融业呼唤可控可用的AI中工网2023-12-12 09:46中工网2023-12-12 09:46

原标题:金融业呼唤可控可用的AI 近期,金融领域AI大模型呈现出“百花齐放”的景象。腾讯云发布了金融行业大模型解决方案,招联金融、度小满、星环科技、奇富科技等均发布了金融大模型。 AI与金融相遇,为金融科技领域带来了创新和变革的可能。在传统的金融业务中,纸质资料的处理占据了大量的人力、物力和时间。如今AI大模型可以在十几秒钟的时间内轻松读完公司年报,从中提炼出重要的观点和关键词,并生成财务分析、业务发展预测等专业化内容。同时,AI数字人已经成为许多银行大模型业务应用落地的“标配”之一,数字员工可以24小时无休地承担客服等工作。 然而,发展伴随着“成长的烦恼”。在金融业向数字化转型的过程中,AI大模型的风险始终存在,风险是否可控是人们最为关心的话题。以数据隐私风险为例,AI大模型的训练优化需要大量数据作为支持,金融机构如何确保数据来源合法和隐私保护到位?如果直接使用客户数据进行AI大模型训练是违规的,因此金融机构必须采取措施确保数据脱敏合规,并制定严格的数据使用规范和访问权限设置,让数据隐私风险可控。 另外,AI大模型在处理海量数据时,可能学习到的信息本身就存在错误,以此生成新的内容就会误导投资者的决策。除此之外,AI大模型对生成式人工智能的运用,可能生成“编造”的内容,直接影响金融分析结果的可信度。一旦AI大模型产生不准确的结果,目前也很难分清到底是算法技术不可靠,还是提供的底层数据不可信,这就使责任难以明确,可能造成金融业不同部门间的信任危机。 AI在金融领域的应用到底有没有那么大的作用,目前仍是有争议的话题。从整体来看,金融机构布局AI大模型潜力大,但仍处于起步阶段。目前AI大模型在金融领域的应用还不够广,在运营和客服等重复性高、易被标准化的岗位上可以实现锦上添花,但在量化交易、精准用户画像等需要“雪中送炭”的关键环节,AI的可用程度仍需更多实例加以证明。 从长远来看,金融行业需要的是可控、可信、可用的AI。人们期待金融科技带来的创新,是积极、有益的创新,更好地使AI服务于社会,为人们带来更多的便利和福祉。在未来的发展中,需要警惕AI大模型可能带来的风险,要对AI在金融领域的应用进行更为客观和全面的评价。(苏瑞淇) 来源:经济日报 举报/反馈
金融机构大模型应用探索:挑战与机遇
AI金融助手

金融机构大模型应用探索:挑战与机遇

本文主要探讨了金融行业与大模型结合的现状和发展趋势。金融机构对大模型持高度关切但投入审慎,关注如何通过大模型突破效率或准确性问题。大模型并非越大越好,金融机构需根据场景选择最适合自己的参数,追求效率和成本的最优解。科技公司如腾讯云、中关村科金等已发布金融行业大模型解决方案,行业对大模型应用前景达成共识,但仍需解决大模型落地、运营以及在产业环境中的作用等问题。当前,金融机构部署大模型主要有三种方式:与第三方合作、独立自研和调用大模型API。
AI认知智能时代的来临:澜舟金融NLP技术引领风潮
AI金融助手

AI认知智能时代的来临:澜舟金融NLP技术引领风潮

这篇文章主要探讨了人工智能正在由感知智能向认知智能发展的趋势,并重点关注了自然语言处理(NLP)技术在金融领域的应用。文章指出,尽管当前的技术水平已经可以用,但仍面临许多挑战。为此,作者介绍了一种基于孟子预训练模型技术的NLP解决方案,该方案能够解决NLP基础能力和应用场景的开发问题,提高开发效率。此外,作者还详细介绍了澜舟的NLP技术与产品矩阵,包括金融模型、机器翻译、本文生成、搜索等技术,以及金融领域的应用场景。
国内首个金融行业大模型标准启动编制 金融大模型将重塑财富管理行业
AI金融助手

国内首个金融行业大模型标准启动编制 金融大模型将重塑财富管理行业

7月28日,中国信通院“行业大模型高质量发展论坛暨可信AI大模型标准宣贯会”在南京举办。会上,腾讯作为推动行业大模型的核心单位,与中国信通院共同启动行业大模型标准联合推进计划。 其中,腾讯与信通院将联合牵头开展《面向行业的大规模预训练模型技术和应用评估方法 第1部分:金融大模型》编制,也是国内首个金融行业大模型标准,为金融行业智能化的高质量规范化发展提供重要支撑。 随着金融行业大模型进入规模化应用落地的新阶段,如何在挖掘金融数据价值、深入金融场景需求的同时,全面评估金融行业大模型的应用能效,进一步促进行业大模型的产业化进程,成为金融业数字化转型的重要方向。 海外金融大模型应用情况 以彭博和摩根士丹利为代表的海外金融巨头正在积极发力大模型的开发和应用。 彭博 2023年3月,彭博发布一篇关于BloombergGPT开发情况的研究论文《BloombergGPT: A Large Language Model for Finance》,文章详细介绍了这一全新的大规模生成式人工智能(AI)模型。该大语言模型(LLM)拥有500亿参数,专门针对各类金融数据进行训练,以全方位支持金融领域的自然语言处理(NLP)任务。 资料来源:财通证券 由于金融领域的复杂性和独特的术语导致了该领域所特有的模型。BloombergGPT 代表着这项新技术在金融行业的开发和应用迈出了第一步。该模型将协助彭博改进现有的金融 NLP 任务,例如情感分析、命名实体识别、新闻分类和问答等。此外,BloombergGPT 将释放新的机会来整理 Bloomberg Terminal 上可用的大量数据,以更好地帮助公司的客户,同时将 AI 的全部潜力带入金融领域。 摩根士丹利 摩根士丹利通过部署GPT-4来组织其庞大的知识库。摩根士丹利拥有一个内部的内容库,其中包含数十万页的知识和见解,涵盖投资策略、市场研究和评论以及分析师见解,大部分是PDF格式,需要顾问浏览大量信息才能找到特定问题的答案,这种内容获取方式麻烦且耗时。 因此,去年开始,摩根士丹利开始探索如何利用GPT的嵌入和检索功能来利用其智力资本。财务顾问通过访问由Chatgpt提供支持的高级聊天机器人,就可以获取经过内部知识库训练过的Chatgpt回答。 图片来源:open AI 官网 大模型在财富管理行业的应用场景 大模型对财富管理行业的影响是深远的,它为该行业带来了许多新的机遇和挑战。例如,通过对大量数据的分析和学习,大模型可以发现更有价值的投资机会和趋势,辅助投资专业人员做出更明智的决策;可以根据客户的个人情况和投资目标,提供更加个性化的投资建议和理财规划。但同时也面临一些挑战,例如模型的可解释性、数据偏见等问题。财富管理公司需要谨慎应对这些挑战,充分发挥大模型的优势,为客户提供更高效、智能的财富管理服务。 以下是大模型在财富管理行业主要的应用场景,包括客户服务、营销、投教、投研等等。’ 资料来源:易观分析、财通证券 – 扫描下方二维码 关注我们 –