转自：中国银行保险报网
□本报记者 于晗
今年以来，以大模型为代表的AI技术进入发展快车道，成为当下最受大众瞩目的热点话题。伴随大模型技术的飞速发展，全球AI技术发展和应用迭代速度都得到了极大提升，大模型技术也被认为是通用AI技术的核心引擎。
对于金融业而言，AI大模型将带来哪些影响和挑战？近日，在微众银行举办的主题研讨活动中，多位专家就AI技术前沿与金融落地实践展开探讨，分享趋势洞见。
大模型应用三大挑战显现
工业和信息化部发布的数据显示，截至2023年6月，我国AI核心产业规模已经达到5000亿元，AI企业数量超过4400家。
“近年来AI逐步演进，从只能做单个任务的专用模型的AI 1.0时代，到一个通用模型做广泛任务的AI 2.0时代，最终走向通用人工智能（AGI）。AI也从感知智能走向认知智能，再到生成智能及决策智能。”澜舟科技合伙人、联席CEO李京梅在活动中表示。
李京梅指出，随着AI能力越来越强，其开发和使用越来越简单，结果也越来越可控。同时，AI产业具备广阔潜力，大模型的产业落地应用才刚刚开始，各个领域的产业升级对AI的需求不断增强，未来的渗透率还将进一步增加。
不过，在多位专家看来，大模型技术在发展应用中显现三大挑战：一是从算力角度，大模型在训练过程中需要庞大的硬件算力资源支撑，大模型参数规模呈持续扩张趋势，对算力提出了更高要求；二是从算法角度，大模型生成内容可能存在安全风险，同时广泛存在隐形偏见的可能性；三是从数据角度，近年来各项法律法规对私域数据的使用有“数据可用不可见”的要求，在医疗、金融等行业存在海量高质量数据，但受限于隐私无法共享利用。
积极探索AI应用落地
金融行业由于具备数字化程度高、商业化应用场景潜在价值高等优势，是AI大模型落地应用的最佳场景之一。麦肯锡研究报告显示，应用生成式AI大模型每年为企业端（即2B）带来的经济价值为2.6万亿-4.4万亿美元；其中，全球银行业使用大模型可使其每年营业收入提高2.8%-4.7%，这一比例高于全球制造业、零售业、旅游业、运输业和物流业等所有其他行业。
作为数字银行，微众银行也在积极探索将大模型等AI前沿技术应用于金融领域的可能性。微众银行首席人工智能官杨强在分享中表示，大模型的应用落地涉及数据管理、算法优化、系统设计和成本控制等多方面的综合挑战，需要持续的技术创新和策略调整，以推动AI技术更加成熟、高效地服务于社会各个领域。
杨强指出，“AI Agent（人工智能业务助理）是大模型面向应用端发展的下一阶段，其基于大模型的通用能力，并结合相关领域知识适应不同场景需求”。
目前，在业务实践中，微众银行自研的生成式AI技术能够有效解决大模型幻觉（大模型在生成内容时产生错误或误导性结果）等技术难点，满足监管合规要求，已应用于客服、营销、质检、反欺诈、科技金融等核心业务场景，覆盖金融服务“前—中—后台”各个环节。在联邦大模型技术方面，该行也进行了诸多研究。
谈及联邦大模型与前沿探索，微众银行人工智能首席科学家范力欣表示，联邦学习作为一种先进的分布式机器学习范式，允许参与方在不直接共享原始数据的情况下协作训练模型，为解决大模型应用落地的技术难题提供了创新路径。联邦大模型技术路线通过其独特的设计，不仅解决了数据时效性、模型幻觉、专业知识融合及算力资源消耗等挑战，而且在保护数据隐私和促进AI技术公平性方面迈出了重要一步，这为大模型在各领域的广泛应用开辟了新的可能。
