转自：中国银行保险报网
□本报实习记者 英草卓玛
“要发挥大模型的人工智能技术优势，集中力量切实为提升金融的核心功能服务。什么是金融的核心功能？就是为实体经济服务，为现代社会民众服务，集中体现在银行、金融机构的信贷服务和支付服务。”近日，在以“人工智能大模型助力金融科技高质量发展”为主题的服贸会2023中国智能金融论坛上，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表示。
论坛中，来自政府部门、行业协会、金融机构及高校的多位嘉宾围绕人工智能大模型这一全球热门技术，就大模型在我国金融领域的应用创新成果、全球智能金融未来发展方向等话题展开了交流探讨。
大模型有“大本领”
8月15日，《生成式人工智能服务管理暂行办法》正式施行；8月31日，首批国产大模型产品获批面向公众开放服务。伴随着生成式人工智能产业的进一步规范化，人工智能大模型也正从科技研发迈向行业应用，成为产业数字化和智能化的重要支撑。
会上，多位专家表示，加快人工智能大模型技术在金融领域的应用和创新意义重大，大模型将在金融领域展现“大本领”。
北京国家金融科技认证中心有限公司总经理张海燕认为，在金融领域，大模型主要有三方面的应用：第一，以智能客服、智能投顾为代表的交互领域；第二，辅助风险预判以及舆情分析为主的金融风险防控领域；第三，以辅助代码开发、金融咨询生成、嵌入式应用为主的生产工具领域。
作为金融行业大模型的先行者之一，工商银行在远程银行、智慧办公、智能研发等方面已有积极探索。以智能研发领域为例，据工商银行首席技术官吕仲涛介绍，截至目前，该行人工智能编码助手共收集超2100万字符编码数据，录入代码超80万行，编码助手生成代码量占总代码的比值从20%提升到40%，有效提升编码效率和质量。“商业银行可以聚焦远程银行、基层网点等大基数员工群体共性需求，持续加大新技术面向全业务流程的综合化应用，形成端对端的业务智能化解决方案，全方位提升银行服务的工作绩效。”吕仲涛说。
应用落地“道阻且长”
“近年来，大模型应用呈现井喷式发展，银行业作为数据密集的行业，是大模型应用落地的最佳选择。”邮储银行金融科技创新部高级信息技术专家朱峰认为，一方面，银行业有优秀的数字化基础，沉淀了包括交易数据、风控数据、贷前报告等在内的优质海量数据；另一方面，随着银行数字化转型进入深水期，人工智能技术应用已从过去的可选项变成了必选项，在经营策略、知识管理、运维支持等场景方面需要规模化地应用大模型技术来进一步提升工作质效、应对市场和环境变化。
然而，除了为金融领域带来积极变革外，多位专家也表达了对大模型在金融领域的思考和隐忧，例如落地成本高、可能存在科技伦理风险、可能带来数据安全隐患、更易形成技术垄断、服务垄断和技术依赖等。此外，由于金融领域的业务场景繁多，大模型对于不同金融机构、不同金融场景的适配度也有待提高。可以说，这一新兴技术的应用落地“道阻且长”。
“ChatGPT或大模型就是一种工具，怎么用好这种工具是我们需要思考的问题。如果哪家银行过度依赖ChatGPT或大模型，可能是一家银行走向衰亡的开始。”原银保监会党校副校长、国有重点金融机构监事会正局级监事陈伟钢指出。
光大信托数据中心总经理祝世虎表示，仅将大模型用于银行客服和文章写作等基础层面，仍未触及银行的核心应用。“银行核心的应用是什么？是监管科技、风险决策、合规能力。大模型离银行的这3个核心应用究竟还有多远？这个‘多远’决定了人们对于大模型的信任。”他说。
大模型需“大合作”
针对上述问题的解决之道，来自不同行业的多位专家不约而同地提到了一个关键词——“合作”，这既包括不同技术之间的优势互补，也包括金融数据与通用大模型的结合，还包括大模型产业链上不同主体的协作。
在主旨报告环节，中国工程院院士、清华大学计算机系教授郑纬民指出，大模型和图计算相结合或是解决金融问题的一个新思路。“大模型协助知识抽取、知识推理、知识融合、知识更新和知识回答，降低知识图谱的人工成本；利用知识图谱也就是图计算对大模型进行辅助训练，提高大模型的通用性，提高专业领域的推理能力。”他说。
“今天一个重要的观点是多方参与协同，大家要定一个规则，这样标准就显得特别重要。同时要借用方法论，有一套成熟的工具。”中国银行业协会首席信息官高峰在圆桌论坛环节指出。
在推动大模型技术促进金融服务提质增效、提升金融风险防控能力方面，监管无疑是重中之重。“监管必须及时跟上，早监管、及时监管非常重要。” 陈伟钢表示。
2022年1月，原银保监会印发的《关于银行业保险业数字化转型的指导意见》强调，把服务实体经济、服务人民群众作为银行业保险业数字化转型的出发点和落脚点。“这是我国银行业努力的方向，大数据和人工智能应用也要牢牢把握这个方向。”陈静说。
