全球财经要闻汇总：免费午餐质量和收费版ChatGPT差异显著
这篇文章主要总结了近期全球财经要闻，同时也提醒读者免费版的聊天机器人ChatGPT可能存在质量问题，不能为了省钱而危及健康。此外，也提供了投资风险警告，并建议投资者在做任何投资决策前咨询专业投资顾问。
2020金融科技行业:逆势而上的中国公司
本文介绍了2020年上半年英国金融科技行业的统计数据以及国内金融科技行业的发展情况。结果显示，尽管新冠疫情给投资带来不确定性，但在国内金融科技的一些细分行业中，反而呈现出“逆势而上”的趋势。数美科技、亲家数科和明略科技等公司都在各自领域取得了显著的成就，显示了金融科技行业的韧性和发展潜力。
2024年金融业生成式AI应用报告发布：AI助力金融业3万亿增量
《2024年金融业生成式AI应用报告》指出，生成式AI有望给金融业带来3万亿规模增量，重塑全球金融业格局。但同时，也需注意数据安全、风险防控、道德和监管等方面的挑战。
《大模型：金融行业的颠覆性力量》
我们正迎来人工智能大模型时代，金融领域将是其优先应用场景。尽管通用大模型在金融领域的表现尚待提高，但针对特定行业训练的大模型已展现出了较强专业性和优越性。以百融云创为例，其基于深度学习Transformer框架的产业大模型BR-LLM，展现了强大的代码自动化生成能力和“真人级”对话效果。大模型与小模型相互协作，将提升金融决策的精准度和效率。
文章金融科技视角下金融行业大模型建设的重要性与挑战
这篇文章主要讨论了金融行业大模型建设的必要性和挑战。首先，金融大模型需要建立在高质量安全的金融数据之上，且必须合法合规地获取和使用数据。其次，选择适当的技术和算法对处理和分析金融数据至关重要，包括自然语言处理、机器学习、深度学习以及图神经网络等。再次，高性能的计算和存储能力是金融大模型建设的基础，需要使用分布式计算、GPU加速、高速网络和分布式存储等技术。最后，建设金融行业大模型需注重实际应用和业务场景，根据不同产品和服务的业务场景建立相应模型，以提供风险评估、信用评级、投资决策等服务。
《人工智能金融领域探析：机器学习及其各类应用》
这篇文章主要探讨了人工智能在金融领域的应用及其各类机器学习方法的分类。文章指出,人工智能在金融领域中广泛应用于机器学习、深度学习、自然语言处理、图算法、进化学习等方面。同时,文章还详细介绍了各种机器学习方法的类型,包括无监督学习、有监督学习和强化学习等。
《ChatGPT在金融领域的探索与挑战》
ChatGPT在金融领域的应用 case 包括自动化客户服务、财务分析和交易执行。它带来的好处有提高效率、准确性和客户体验，但需注意风险管理。
《ChatGPT繁荣背后的金融实践：人工智能在银行业的创新与挑战》
该篇文章介绍了ChatGPT在金融领域的应用及其对金融行业的创新影响，包括其在投资建议、风险控制、业务流程等方面的应用，以及在金融环境中的道德和法律问题。此外，文章还探讨了ChatGPT在银行和金融领域的发展前景，以及金融机构如何使用对话式人工智能等前沿科技。
克服不了这三点，ChatGPT就无法取代金融从业者
作者：刘梅莉 ChatGPT会取代金融从业者吗？ 伴随ChatGPT概念爆火，国内一些金融机构开始使用ChatGPT进行内容创作，引爆金融圈话题。2月5日，财通证券用ChatGPT撰写了一篇医美行业研究报告，研报篇幅超6000字，全程用时不到四个小时。2月6日，招商银行借助ChatGPT的回答发布推文进行品牌宣传，这是国内金融行业首篇使用AIGC技术发布的品牌稿件。和以往新AI技术诞生之初时那样，ChatGPT也引发了金融行业对于“是否会被人工智能取代”的讨论。 事实上，ChatGPT强大的信息搜集功能和文本整合功能虽然势必推动人工智能技术向前发展，一些工作借助ChatGPT的使用将会变得更加有效率，但“取代”一说还为时尚早。 ChatGPT缺乏深度和专业性，难以解决客户具体问题 ChatGPT之所以引发人们如此关注，很大程度上是因为她强大的文本组织能力、学习能力以及智能化的连续对话机制。一首小诗，一篇文章，一段代码，只要进行提问并补充相关线索，它就能在分秒间生成一段文本，如果不满意，人们还能多次追问补充条件，ChatGPT会根据要求进行内容调整。 然而，在实际应用时，ChatGPT表现得却并没有那么完美。根据网友的使用反馈，ChatGPT针对人们的提问所给出的回答尽管有时候看起来非常完整且具有逻辑性，但细究内容却会发现其中许多信息存在误差，甚至是“胡编乱造”。相关技术人士称这可能是因为ChatGPT的模型数据库只储存了2021年前的信息素材，且并未覆盖所有专业内容，但这种回应反映了ChatGPT的运行依赖素材库的不断“喂养”，离不开人工调试和干预，也反映了ChatGPT现有的通用大模型实际上无法提供精确的专业性内容。 在金融领域，无法提供精确的专业内容意味着ChatGPT只能承担简单的重复性的工作，而无法进行更加有深度可信赖的决策，这和现阶段金融领域的人工智能技术应用相比没有实质性的提升。度小满CTO许冬亮表示，ChatGPT所依托的大模型的基底是语言生成模型和语义理解模型，它的语义生成空间非常大，但在垂直领域应用还不够：当用户问出“我的信用卡逾期了该怎么办 ”时，ChatGPT可以给出通用型的话术，但很难给出具体解决方案，解决不了大部分用户的问题。 这种工具性的功能尽管会起到提升效率和用户体验的作用，但无法代替人工，实现真正的自动化。 难以把握可控性与安全性，ChatGPT落地只能是口号 风险与安全始终是金融领域逃不开的话题。即使ChatGPT这类人工智能现有的技术问题得到改进，垂直领域应用场景更加丰富，ChatGPT的落地也面临着信息及隐私泄漏等安全与监管难题。 若拓展ChatGPT的垂直领域应用模型，将ChatGPT技术应用到金融领域，尝试更加深入的工作，比如投资分析师一类，需要进行大量的针对性的模型训练，投入尽可能多的行业、公司等数据。这一方面涉及到了金融安全问题，一方面也存在信息泄露的风险。针对这一点，许冬亮认为，金融行业安全性是第一位的，ChatGPT创作的自由度太大，如果使用ChatGPT去解决真实场景中的任务，会导致可控性不足。 中国政法大学法治与可持续发展研究中心副主任车宁也表示，“对于银行业务本身而言，现在的ChatGPT并不能直接应用到现有的业务中去，还需要面临业务合规性、技术自主可控、数据安全等相关问题。”在强监管的国内金融环境中，只有在保证安全可控的前提下，ChatGPT的应用才能付诸实际。 人际情感交互是人工智能难以逾越的沟壑 现实中的工作需要有熟练的沟通和人际交往等“人所特有”的能力，不仅仅是具备高效率以及强大的整合分析能力就足够。 在智能客服已经普及的今天，人工客服在处理复杂情景，维护客户关系等方面依旧拥有不可替代的作用，计算机技术的不断发展也无法真正替代程序员的工作。在金融领域，金融客服、数据分析师、程序员这样的工作尤其需要人工智能所擅长的数据整合和分析的能力，但也需要前者特质加持。 ChatGPT和以往的AI技术一样，并不具备情感交互能力，即使是其让人兴奋的“类人化”对话模式也是基于科学家的理性研究总结生成的，而非有了“自我意识”。因此，比起“替代”某类职业，ChatGPT在金融场景应用中更大的可能是作为一种辅助工具，帮助人们提升数据处理和文本生成效率。 如深度科技研究院院长张秀荣所说，ChatGPT距离实际应用还有很远的路，目前的ChatGPT更多像一个“玩具”，而非生产力工具。ChatGPT目前仍处于发展的早期探索阶段，它所展示的能力，基本上是在人类已有工作基础上进行整理、归类等简单步骤。相比以往的聊天机器人，他更为“博学”、“得体”，但ChatGPT依旧不具备创造性的工作能力，更不具备情感交互能力，加上应用层面上可能涉及的安全问题，ChatGPT取代金融从业者，只能是一个遥远的设想，为时尚早。
在粤港澳顶级AI金融论坛，与杨强教授面对面丨CCF-GAIR
▲点击上方 雷锋网 关注 「工业界更加关心落地的需求，而学术界更关注展望与前景相关的内容。」这是杨强教授在两年前CCF-GAIR大会前夕向雷锋网谈到的观点。他认为，工业界与学术界能拥有CCF-GAIR这样一个平台进行观点碰撞，是挺有意义的一件事情。 CCF-GAIR 全球人工智能与机器人峰会，如今已经走过四个年头，是大湾区唯一一个连续举办四年的AI大会。CCF-GAIR由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。 作为第三次莅临 CCF-GAIR 著名专家，杨强教授的每次出席，均为与会者和行业带来指导意义深远的技术理念。在首届CCF-GAIR大会现场，杨强教授发表了题为《人工智能成功的几个必要条件》主题演讲。 彼时，深度学习刚刚在产业界落地应用，不少行业内遇到了如何在数据量稀缺的场景下进行深度学习的难题，当时杨强教授主张迁移学习，他向与会者讲解一种三明治式的三层结构：递归深度学习+强化学习学习器+迁移学习。这种结构有利于将大数据环境下训练的模型迁移到小数据环境中使用。 图为杨强教授在CCF-GAIR 2016大会现场进行主题演讲 回忆起2016年的CCF-GAIR大会，杨强教授表示印象最深的一点在于与会者人数很多，且交流的热情非常高涨。据组委会统计，CCF-GAIR 2016共邀请了8位顶尖学术院士、25家前沿创新企业、100位技术创新领袖参与，并吸引超过1200位行业精英到现场交流，是一场融合了产业界与学术界的盛会。 2017年2月，杨强教授做客雷锋网在AAAI 2017旧金山会场举办的华人沙龙。作为AAAI Fellow、AAAI时任执委，杨强教授与30余位AI学者、业内人士亲密畅谈。杨强教授谈到，他第一次参加AAAI是1990年，那期会议有个激动人心的题目是逻辑——非单调逻辑，当时研究人工智能以及概率的人群是极少的，更多的人在研究逻辑，现在情况完全不同，已经是机器学习的天下了。 图为杨强教授在AAAI雷锋网华人沙龙现场分享 同年7月，杨强教授以大会程序委员会主席的身份助力CCF-GAIR，并在「AI学术前沿」Session担纲主持人，同场嘉宾包括计算机视觉与机器人泰斗级人物金出武雄等人。 在当天上午的大会现场，潘云鹤院士提出「工业先行」的概念，杨强教授认为，这对学术界是一个很大的启发，而他本人也是这样身体力行的。当时，作为第四范式联合创始人兼首席科学家，杨强教授不止一次提到对AI在金融领域落地的看好。 杨强教授告诉雷锋网，看好AI金融主要有三个原因。首先在数据方面，由于金融行业存在监管要求，所有数据需报备，因此数据全面，状况良好。其次，金融领域的竞争比较直接，如果比竞争对手快一秒，或是正确率多1%，市场份额可能就会发生根本性的改变。第三，金融领域的链条比较短，没有实体经济的「摩擦力」，从得到反馈到系统更新的整个过程链条非常短，因此做端到端的机器学习相对容易。 事实上，杨强教授也确实坚定地深耕金融领域AI技术。如今，作为微众银行首席AI官，杨强教授正致力于通过联邦学习的方式解决机器学习过程中数据隐私保护、满足合法合规要求等问题。 图为杨强教授在CCF-GAIR 2017大会现场进行主题演讲 7月12-14日，CCF-GAIR 2019将在深圳福田香格里拉举办，大会首日主论坛，杨强教授将以IJCAI理事会主席的身份出席「华人AI顶会主席」圆桌，与CVPR、ICCV、ACL、ICRA的四大华人主席张正友、马颂德、周明、陈义明，共同探讨未来中国人工智能的发展方向。这也是AI各个学科的国际顶会华人主席首次聚首，意义重大。 在随后的7月13日上午，杨强教授将在「AI金融专场」为大家分享金融领域最前沿的AI技术应用。 现场，除杨强教授外，京东数科生态中心信用管理部总经理 & ZRobot CEO乔杨、平安人寿智能产品平台团队总经理沈剑平、阿博茨科技创始人兼CEO杨永智等人将带来主题演讲，另有数位更重磅嘉宾将在下周揭晓。 AI金融专场，致力于打造闭环型技术/产品论坛，每个演讲只筛选不同细分领域极具代表性的专家，只围绕AI金融的一个单点技术/产品维度展开，进行深度分享，从金融交互层的人脸识别、NLP技术，到金融决策层的风控、反欺诈、知识图谱等，为AI金融从业者建立更系统的专业认知。 本届CCF-GAIR将延续往年的强大阵容，提供13个专场，包括人工智能前沿专场、中国人工智能四十年纪念专场、机器人前沿专场、智能交通专场、5G & AIoT专场、AI 芯片专场、AI 金融专场、类脑计算专场、智慧城市专场、智能商业专场、智慧教育专场、AI 医疗专场、智慧城市·视觉智能专场。 推荐阅读 ▎索尼任天堂微软发布联合声明；百度回应「勿用搜索引擎填志愿」；腾讯首次全面公开开源路线图 ▎苹果收购Drive.ai，意欲为何？ ▎5G手机价格或降至1000元；华为向印度政府提议签无后门协议；苹果确认收购 Drive.ai ▎魅族回应手机无法拨打120 ；百度资讯调整搜索来源；联邦快递拒投递华为手机 你还在看吗？