《人工智能在互联网金融中的实践与应用》
这篇文章主要探讨了人工智能在金融领域的应用，特别是在客户服务、投资顾问、风险控制等方面的具体应用场景。文章指出，人工智能的应用相较大数据而言的核心突破在于深度学习、智能分析和最终的智能决策。此外，还介绍了人工智能在金融产业链中的各个环节的应用，如上游的数据提供和基础设施提供商，中游的分析，以及下游的行业竞争格局。最后，文章以智能投顾为例，详细阐述了其发展背景、历程、技术支撑、业务模式以及国内的市场参与者。
金融行业大模型联络中心的智能化转型：创新实践与挑战
“第三十六期技术应用专题研讨会”在武汉举行，探讨大模型在金融行业的应用。传统人工客服难以满足金融客户需求，而大模型被认为是未来金融商业变革的核心驱之一。容联云分享了在大模型在金融行业智能客服领域的应用经验，并成功打造出通用大模型与行业小模型融合的金融行业专属大模型联络中心。该中心实现智能决策统一路由、一键多呼、AI运营话术库等功能，提升客户体验与营销效率。未来，容联云将继续优化大模型联络中心，为金融企业提供更多场景的解决方案。
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”?
ChatGPT、InstructGPT与基于PPO策略的强化学习在金融领域的应用探讨
这篇文章主要介绍了人工智能助手的发展历程以及在不同阶段使用的数据集和参数对比。同时，通过介绍两位 experts 的背景和经验，展示了他们在金融行业中的影响力和专业知识。
《大模型：金融产业的创新升级强助力》
本文介绍了金融大模型在金融产业中的重要性和应用，强调其在金融数字化转型中的作用。近年来，我国多家企业和大机构纷纷投入研发金融行业大模型，包括奇富科技、度小满、恒生电子、蚂蚁集团等。这些大模型不仅为企业提供了高效的决策支持，也为用户提供更加智能化的服务。预计未来金融大模型将在金融行业内发挥更大作用，助力金融业的数字化转型。
中银慧投:中国银行智能投资顾问产品的震撼来袭
中国银行推出智能投资顾问产品“中银慧投”，引起媒体关注。此产品标志着中国银行正式进军智能投顾市场，有望在金融科技行业中占据一席之地。作为行业的先行者和时代的引领者，中银慧投将为广大用户提供智能、便捷和优质的资产配置服务。
2024年金融业生成式AI应用报告：AI助力金融业释放3万亿增量商业价值
这篇文章主要报道了《2024年金融业生成式AI应用报告》的内容概要。该报告显示，生成式AI有望为金融业带来3万亿增量商业价值，并将推动金融业的数字化转型。预计到2024年，生成式AI将在金融业中实现规模化应用，改变交易、投资和管理风险的方式。同时，文章也提到，当前生成式AI技术在金融业中的应用仍处于探索和试点阶段，未来将不断突破发展。
“大模型”重塑金融科技
大模型，成为今年来金融领域的一大热点词，在逐渐渗透至办公、客服、营销、风控、研发等各个场景的过程中，不光刷新了金融机构的作业模式和智能化水平，也给了消费者层面更人性的金融服务和科技体验。 抢占先机 大模型正成为不少持牌消费金融和综合金融科技平台的一大新赛点。截至目前，不管是蚂蚁、腾讯、度小满、奇富科技、乐信、信也科技等综合金融科技平台，还是马上消费金融、招联消费金融、中原消费金融等持牌消费金融机构，多方都在尝试布局金融行业大模型，涉及运营、客服、营销、风控，以及贷后等多个场景。 众所周知，对于用户动辄数亿甚至十几亿的金融科技平台来说，其庞大的用户行为、画像数据、真实交易链路数据，无异于一笔巨大的数据资产，对于预测用户行为偏好有着重要价值。 但如何梳理数据关系、厘清数据血缘，就好比对一个陌生城市的人口普查，浩大而费时。而这时，大模型的优势便显现出来：通过深度学习算法，大模型可以更高效地进行数据清洗、分类和计算。 正如乐信相关负责人所说，一季度乐信自研大模型LexinGPT正式对外亮相，在包括LexinGPT等技术协同下，乐信技术团队逐渐梳理清晰了海量数据关系，并形成了不同场景下、用于预测用户行为偏好的众多精准模型。 奇富科技同样是金融行业大模型的探索者之一，据该公司相关负责人介绍，自奇富大模型落地以来，便尝试让大模型切入具体业务场景，将应用对业务进行实际支持。 在消费金融领域，通用大模型精度不够、金融专业知识缺失，以及难以满足消费场景中大量定制化需求等问题，成为当前亟待解决的难题。对此，招联消费金融与中山大学联合研发推出开源金融大模“招联智鹿”，经模拟测试，相比人工作业，使用“招联智鹿”进行文本标注与生成的效能可提升百倍。 今年8月，马上消费金融也发布首个零售金融大模型“天镜”，已在自动化营销、风控等实际业务场景应用近6个月。马上消费金融CTO蒋宁介绍，“目前，马上消费每天能基于用户1000万个行为作出个性化的营销和风险判断，每天做上亿次模型计算，每秒可以处理150万特征的计算”。 2023年是大模型井喷式爆发的一年，除了模型规模的扩大，能力也在不断提升，在自然语言处理、图像识别、语音识别等领域，更是展现出了出色的性能。“大模型相较于以往的小模型，通用能力得到了很强的验证，在内容生成方面有着非常出色的表现。”中原消费金融称。 成本与效益的考量 尽管业界已有共识，金融行业数据量大、多交互、用户需求频繁的特性，使其成为最适宜大模型落地的行业之一。 但少数机构布局的过程中，更多机构仍是观望状态，主要顾虑的是，模型高度依赖数据、算力和人才，只有极少的企业能够从头到尾地完成产业级研发，尤其是在金融领域，对数据安全性、隐私合规性都有着极为严格的要求，多方的掣肘，也导致金融大模型难以产生“智能涌现”的效果。 正如度小满CTO许冬亮指出，金融机构应用大模型还需要处理好多项关键问题，比如金融机构自身的业务数据如何融入到大模型中，如何控制幻觉问题等模型缺陷问题，此外就是未来每个机构都会部署大模型的情况下，机构如何构建竞争壁垒？模型的安全合规如何保障？ 中原消费金融相关负责人同样称，金融大模型的落地相较于以往的小模型，所需要的成本投入是较大的。同时，大模型在结果的反馈和生成上有一定的随机性和不可预见性，因此大模型具有一定的安全性风险，大模型落地前对数据质量的要求和前置策略的要求挑战性较大。 这也是多家机构都在思考的难题。奇富科技相关负责人表示，大模型发展难点不在于模型设计与输出管控，而在于模型投入与用户交互后，最终输出答案是否可信，是否合规。对此，奇富科技主要通过模型对抗算法来强化内容输出的可用性和真实度，以求形成可信大模型。同时，依靠模型评估与关键责任划分，系统性优化大模型内容的生成可信度。 此外，如何挖掘更多金融行业内的大模型应用场景，并为之匹配合适的落地方案，仍然是大模型探索中的一个重大挑战。在金融科技行业复杂的工作链条中，每个人都对业务智能化有着各自理解，奇富科技透露，正在将奇富大模型核心能力平台化，并让公司全员都参与到了大模型的落地方向研究中，每个人都可以是大模型产品经理。 新的服务生态 在业内看来，未来，大模型将改变金融科技的范式，重塑金融行业的工作方式，改变金融服务生态。 就在近日，腾讯云发布金融行业大模型解决方案，包含四层架构，可提供高性能算力和数据接入能力；另在平台层，腾讯云TI平台可实现从数据预处理-模型训练-模型部署的一站式训练，配合训练加速套件，大幅提升模型训练的效率。 腾讯方面介绍，智能客服场景，将金融大模型的对话问答能力和数字人结合，比传统智能客服更加智能精准，提供真人体验和个性服务；安全风控场景，用垂直场景的小量样本也可以支撑定制化风控模型的快速构建。 除了表态将进一步利用大模型推进技术创新、探索场景应用、优化风控策略、改善工作方式外，业内多家机构也对大模型相关标准机制、明确监管方向等需求迫切。 蚂蚁集团技术战略发展部副总经理、标准化负责人彭晋介绍，“从标准的视角，大家对于金融大模型的专业力、知识力，以及它的安全要满足什么要求，多个方面标准需求还是非常迫切的。因为需要有一个刻度，大模型达到什么水准，它的能力和安全性要满足什么标准才能投放到市场去使用”。 “在应用大模型这个过程当中，我们也要采取一种审慎的态度，建议我们可以从外围的一些业务场景开始，逐步渗透到最核心的业务。” 腾讯公共事务副总裁、腾讯研究院高级顾问冯宏声也称，以数据为中心、模型为中枢的业务场景需把握监管合规、安全风控和增长赋能的平衡。 对于金融大模型的落地应用途径，中国工程院院士邬贺铨建议，机构可从可控入手开发应用，例如智能客服、智能运营等安全的领域出发。再从人机混合智能切入，例如在初期阶段先让金融大模型与传统模型共存，经应用考验后再将金融大模型逐步替代传统模型。同时还可以通过变换场景，丰富大模型的场景迁移学习能力，或加入反事实的数据来测试，改进AI的学习本质，提高模型的泛化能力。 – END –*注：以上文字及图片信息均来源网络，由小编收集整理，如有侵权请联系删除，可点击左下角【阅读原文】。
《AI金融时代的来临与挑战》
AI在金融领域已有深度融入，形成了AI金融。它包括人工智能金融分析师、AI金融客服、AI金融管理等各个方面。随着互联网金融的发展，AI金融 crime（犯罪）也日益猖獗。然而，大数据、云计算、人工智能等技术也可以用于金融反欺诈。360金融研究院发布的《2018智能反欺诈洞察报告》显示，金融诈骗损失金额占比高达35%，80、90一代成为手机诈骗重点目标。报告指出，人工智能可以利用机器处理大规模和高频率的数据，建立反欺诈模型和策略来预测和抵御欺诈风险。
《2023金融行业大模型应用展望》
文章主要探讨了2023年大模型在金融行业的应用展望。大模型由于其天然的数据属性和智能化特点，成为金融行业最佳应用场景。文章指出，大模型的发展将引领 AI 供给革命，并 significantly impact金融行业，主要表现在供给能力和开发周期的提升上。同时，大模型也将推动金融行业的AI范式变革，使得AI产品的构建周期缩短，相关能力门槛降低。此外，大模型还能帮助金融行业构建自主数字员工，提高运营效率，并在投研、风险控制等领域发挥重要作用。总体来说，大模型将为金融行业带来深远影响。