《2021全球人工智能教育应用报告：探索与实践》
《AI022: 2021全球人工智能教育落地应用研究报告》深入探讨了全球范围内人工智能在教育领域的实际应用和影响。报告指出,人工智能技术在教育领域有着广泛的应用前景,能够提高教学效率、促进学生学习和发展等方面。同时,报告也存在一些挑战和问题,例如隐私保护、数据安全等。因此,需要加强人工智能在教育领域的规范和监管,确保其发挥最大的作用。
“大模型在金融行业的应用与展望”研讨会举行
来源：中国证券报·中证网 近日，恒生聚源主办的“大模型在金融行业的应用与展望”研讨会在上海举行。会上，恒生电子高级副总裁、恒生聚源董事长王锋表示，“当技术、模型、数据、应用快速形成闭环，将产生真正的业务价值，AI进入了从能力涌现走向价值涌现的新阶段。” 2022年11月以来，随着OpenAI发布ChatGPT，全球迎来AI大模型热潮。到今年3月BloombergGPT的推出，引起对金融垂直领域大模型应用的关注。 恒生研究院院长、首席科学家白硕介绍称，基于Transformer架构，大模型目前分为两条技术路线，其中GPT的单向预测模型可以理解为“接龙”，而另一条路线类似于“填空”，前者通过一条示意可以容纳包括知识、推理、引导、详细说明，甚至代码的预测，后者需要两边文本的信息指示。 “GPT对AI行业的冲击非常大。”白硕告诉记者，在此之前机构部署的AI系统都是“烟囱式”的单个系统，“诸多小模型的训练使分析师沦为数据标注员，而模型的可用性也难以得到保障。” 富国基金信息技术部总经理李强提到，在基金行业的AI应用中，自然语言处理、文档解析、智能客服、发票识别、表单提取等小模型应用都已相对成熟，但“烟囱式”发展问题非常严重。 “小模型和大模型也存在经济学中的‘不可能三角’。”申万宏源证券研究所所长助理刘洋提到，小模型强调了精准度、利润率，但弱化了智能化程度，大模型恰恰相反，通过成本的堆叠，实现了模型的智能化与高效能。 “当高质量语料库训练到百亿级参数时，大模型的语言能力就会涌现，在意图理解、文本语言生成等方面的能力将随着参数的增加达到顶峰。”白硕指出，尽管大模型的语言能力已经很强，但是在垂直专业能力方面还有所欠缺，当前普遍适用的解法是，以大模型中控为核心，结合应用、插件等共同构建成AI能力中心，将大模型中控成为链接大模型与应用的“桥梁”。 “大模型的涌现能力，让基于大量计算的‘暴力求解’成为现实。”刘洋表示，在算力、算法、数据“三驾马车”的推动下，工程化能力变得尤为重要，特别是在券商、基金这样的垂类大模型应用场景下，率先为客户提供服务的厂商将抢占先机。从应用端，李强同样提到，目前各类大模型“百花齐放”，但应用落地还需要真正的工程化能力。 “我们要解决的一个核心问题是，让大模型有效应用于投资业务服务之中，对于机构客户能带来投资收益，对于我们内部的中台与后台，可以带来有效工作效率提升。”中信证券首席数据科技分析师张若海指出，在投研领域，大模型可以助力人均价值的提升，例如在量化领域，对政策文本数据的情绪提炼、中观景气研究的指标投资有效性识别，在投资覆盖宽度与数据处理精度大幅提升同时，人力规模并没有显著等比例增加。在高频场景下，可以实现大规模的定量数据跟踪与观点提炼，解构成交易信号，从而帮助到机构投资者更加便利地获得大模型的赋能。 李强认为，未来三年内代码生成的效率提升将在30%-50%之间。白硕则提到，从技术发展的角度，三年内大模型的语言能力将全部上一个台阶，而在金融领域的提质增效目前主要集中于IT研发与数据分析方面。通过AI可以实现低代码甚至“零代码”，工作效率可以提升2-3倍，满足七成以上的数据偶发性即时需求，提升8-10倍的建模效率。 “在ChatGPT3.5横空出世时，很多金融从业者不对其进行训练与微调，可以达到很好的效果，但是随着在业务场景的落地，会发现这一模型难以满足各业务的精度要求。”恒生聚源副总经理白雪表示，为了实现“语控万数”，恒生电子与恒生聚源共同推出的智能投研平台WarrenQ-Chat利用大模型叠加搜索和聚源金融数据库，通过对话指令，轻松获得金融行情、资讯和数据，且每一句生成的对话均支持原文溯源，确保消息出处可追溯。 原创回顾盘点20家银行数字风控：“智能”“反欺诈”成核心关键词 1、银行闯进这个规模超4.9万亿的大市场，需防范合规风险 2、结果最新出炉|22家农村银行机构手机银行“七大核心性能”评测 3、机器人的数量将会超过人类，银行还能见到真人员工吗？ 4、银行掌握的大数据越多，挑战就越大？专家：解药在AI那里 5、不断延伸互联网服务场景，银行多措并举推进场景金融建设 点击“在看” 您关心的行业资讯永不掉线
大模型时代金融科技的机遇与挑战
随着人工智能技术的快速发展，我们正在步入“大模型“时代。这个时代的特点是机器学习模型的规模和复杂性在不断扩大，给各行各业带来了前所未有的机遇与挑战。在这个大模型时代，金融科技作为应用人工智能最活跃的领域之一，其变化尤为显著。从信用评级到欺诈侦测，从量化投资到智能顾问，大模型应用正在重塑金融科技。然而，机遇与挑战往往并存，大模型的引入也带来了一系列新的问题，如数据隐私、模型解释性、业务对接等。如何在大模型时代平衡机遇与挑战，将是金融科技未来发展的重要课题。 哪些变化 在理解大模型时代如何影响金融科技之前，首先需要深入理解大模型时代的特性。人工智能与机器学习的飞速发展带来了一个全新的时代，这个时代以模型的规模、复杂性以及应用领域的巨大扩展为特点，这些改变正逐渐影响着各个领域。 首先，来看看大模型的规模。传统的机器学习模型可能包含数百万或数十亿的参数。然而，在大模型时代，这个数字可能扩大到数十亿甚至上万亿。例如，OpenAI的GPT-3模型就包含了1750亿个参数，而后续的GPT-4模型更是包含了数万亿个参数。这种规模的增长，为处理复杂任务提供了更强的学习和适应能力。 其次，大模型的复杂性也在增加。由于大模型的参数数量庞大，使得模型能够捕获到数据中更微妙的模式和规律，因而模型在处理复杂任务上有了更高的能力。例如，大模型可以更准确地理解自然语言，生成有深度的文本，甚至进行艺术创作，这是以前的模型难以达到的。 另外，大模型的应用领域也在不断扩展。从自然语言处理到计算机视觉，从推荐系统到机器翻译，大模型几乎可以应用于所有的机器学习任务。同时，由于大模型的强大学习能力，它们在这些任务上往往能够取得优于以前模型的成绩。 带来机遇 对于金融科技来说，大模型时代的特性带来了无尽的机遇。大模型的规模和复杂性使得它们可以处理更复杂的金融问题，“大力出奇迹”的模式带来了更多的机遇，例如更准确的信用评分、更精细的风险管理、更个性化的金融服务等。 1、个性化金融服务 在过去的几年中，金融服务已经开始朝向个性化的方向发展。在这个背景下，大模型为金融科技提供了强大的工具来实现个性化金融服务。 大模型能够深入理解和学习各种数据，包括用户的个人数据、交易数据、社会经济数据等，从而洞察出用户的个人需求和偏好。例如，大模型可以通过分析用户的交易记录、信用历史、资产状况等数据，预测用户可能对哪种投资产品感兴趣，或者他们可能需要什么样的贷款条件。然后，金融机构可以根据这些信息，为用户提供个性化的投资建议、贷款方案等。 此外，通过理财服务，大模型也能够帮助用户做出更符合他们财务状况和风险承受能力的决策。大模型可以分析用户的收入、支出、储蓄、投资等数据，为用户提供个性化的理财建议，帮助他们实现财务目标。 在大模型的支持下，个性化金融服务不再是一个遥不可及的梦想，而是一个越来越接近现实的目标。这无疑为金融科技带来了巨大的机遇，同时也将帮助金融服务更好地满足用户的需求，提升用户满意度。 2、风险评估和管理 风险管理在金融科技中起着核心的角色。传统的风险评估方法常常依赖于简化的模型和有限的数据，然而这样的方法在处理复杂的金融风险时往往力不从心。幸运的是，大模型时代为风险评估和管理带来了新的可能。 大模型具有强大的数据处理能力，可以分析大量的、复杂的交易数据，从而捕获到风险的微妙信号。对于信用风险，大模型可以通过学习借款人的信用历史、收入状况、负债情况等信息，更准确地预测借款人的违约风险。对于市场风险，大模型可以通过分析历史市场数据、宏观经济数据等，更准确地预测市场价格的波动。对于操作风险，大模型可以通过分析交易行为、操作日志等数据，及时发现异常行为，防止可能的损失。 这些风险评估和管理的提升，不仅可以帮助金融机构降低风险，提高经营效率，也可以为金融用户提供更安全、更稳健的金融服务。因此，大模型对于金融科技在风险管理上的提升，无疑是一大机遇。 3、金融欺诈预防 在金融领域，欺诈行为是一个严重的问题，它不仅损害了金融机构的利益，也威胁到了用户的财产安全。传统的欺诈检测方法依赖于预定义的规则和模式，然而，随着欺诈手段的日趋复杂和隐蔽，这些方法的效果往往不尽如人意。在这种情况下，大模型的出现无疑为金融欺诈的预防带来了新的希望。 大模型通过深度学习可以从大量的交易数据中学习和识别异常交易模式。这些模式可能包括不寻常的交易频率、异常的交易金额、非典型的交易时间等。一旦模型检测到这些异常模式，就可以立即发出警告，从而帮助金融机构及时采取措施，防止可能的欺诈行为。 此外，大模型还可以通过持续学习，适应欺诈手段的变化。因为欺诈行为的模式和策略会随着时间的推移而变化，因此，大模型的这种适应性是极其重要的。它可以帮助金融科技持续有效地防止各种新的欺诈手段，保护用户和金融机构的利益。 总的来说，大模型为金融科技在防止金融欺诈方面提供了强大的工具和方法，这是大模型时代给金融科技带来的重要机遇之一。 面临的挑战 大模型的广泛应用领域为金融科技带来了更多的可能性，然而这些特性也带来了一系列的挑战，包括数据安全性和隐私性、模型的解释性和监管合规性等问题。 1、数据安全和隐私问题 大模型的强大功能源于其处理和学习海量数据的能力，这其中不可避免地会涉及大量的敏感信息，如用户的个人信息、交易记录、信用历史等。如何在利用这些数据的同时，确保数据的安全和用户的隐私，是在大模型时代面临的一个重大挑战。 首先，数据安全问题显得尤为重要。在训练和使用大模型的过程中，必须确保数据的安全存储、传输和处理，防止数据的丢失、泄露和滥用。这需要建立严密的数据安全管理制度，采用先进的加密技术，设置严格的数据访问权限，定期进行安全审计和漏洞检测等。 其次，如何保护用户的隐私也是一个重大挑战。在大模型的训练和使用中，必须遵守数据隐私的法律和规定，尊重用户的隐私权益。这可能需要采用匿名化、去识别化等技术处理数据，只收集和使用必要的数据，并在收集和使用数据时获得用户的明确同意。 总的来说，虽然大模型为金融科技带来了巨大的机遇，但数据安全和隐私保护的问题也不容忽视。这既是一个技术挑战，也是一个伦理挑战，需要金融科技在追求技术进步的同时，始终坚守数据安全和隐私保护的底线。 2、技术可解释性和监管合规性的挑战 在金融科技领域，大模型的决策过程和结果的可解释性问题是一个重要的挑战。由于其深度学习和自我训练的特性，大模型的决策逻辑可能被深藏在数以百万计的节点和参数中，这使得大模型的决策过程变得难以解释和理解。 这种缺乏透明度的情况对于金融科技的监管和合规性带来了重大挑战。监管机构和用户需要明白决策的依据和过程，以确保公平、公正和透明。然而，如果决策过程是一个“黑箱”，那么这可能会引发一系列问题，例如决策是否公正？是否存在歧视性决策？如果发生错误，如何追溯和纠正？ 因此，大模型在金融科技领域的应用需要寻找到一种平衡，既要利用大模型的强大分析能力，又要保证其决策过程的透明度和可解释性。这可能需要开发新的技术和方法，例如可解释的机器学习技术，以帮助揭示大模型的决策逻辑，或者设计有效的监管机制和标准，以保证大模型的合规性和公正性。 3、技术和业务的融合 在大模型时代，如何将这种先进的技术有效地应用到金融业务中，这是金融科技面临的一个重要挑战。成功的技术和业务的对接，需要金融科技和业务团队之间的紧密合作，这涉及技术的商业化、产品设计、用户体验等多方面的问题。 首先，技术的商业化是一个挑战。技术团队需要深入理解金融业务的需求，将大模型的理论能力转化为实际的产品或服务，帮助金融机构提升效率、降低风险或创造新的收入来源。这可能需要技术团队和业务团队进行密切的交流和合作，共同确定产品的目标、功能和性能标准。 其次，产品设计和用户体验也是重要的挑战。技术团队需要以用户为中心，设计出易于使用、功能强大、体验优秀的产品。这需要技术团队理解用户的需求和行为，设计出符合用户习惯和期望的交互界面和功能，提供全面的技术支持和服务。 最后，如何满足监管的要求和社会的期待，也是一个挑战。技术团队需要关注和遵守相关的法律、规定和标准，确保大模型的合法、合规和道德使用，防止可能的风险和问题。 总的来说，技术和业务的对接是一个复杂而重要的任务。金融科技需要在追求技术创新的同时，注重业务实践，以技术驱动金融业务的发展，实现科技和金融的深度融合。 如何应对 进入大模型时代，金融科技行业既面临着广阔的机遇，又遭遇了一系列挑战。在这个时代，如何在机遇与挑战中找到平衡，寻找最佳的发展道路，是所有参与者的共同任务。 首先，我们应该积极把握大模型带来的机遇。大模型的强大能力为我们提供了更深层次、更个性化的金融服务的可能，同时也提升了风险评估和管理的能力，以及预防金融欺诈的能力。金融科技企业应当深入理解大模型的原理和应用，挖掘其在金融服务中的价值，努力提升服务质量和效率。 然而，大模型也带来了一系列挑战，这些挑战对我们提出了更高的要求。数据安全和隐私问题要求我们在使用大模型的同时，必须严格保护用户数据的安全，尊重并保护用户的隐私。技术可解释性和监管合规性的挑战则要求我们必须提高大模型的可解释性，使其决策过程透明，同时也要确保其符合各项监管规定。技术和业务的融合挑战要求我们必须加强技术和业务之间的合作，确保技术能够真正为业务服务，提升业务效率。 只有深刻理解并有效应对这些挑战，我们才能在大模型时代中找到自己的位置，实现金融科技的长期稳健发展。同时，我们也应认识到，这些挑战并不是无法克服的，只要我们积极面对，积极创新，我们就能够在挑战中找到新的机遇，推动金融科技向更高的水平发展。 总的来说，大模型时代给金融科技带来了既充满机遇又充满挑战的新环境。只有保持清醒的头脑，扎实的技术，才能在这个时代中立足。希望每一位参与者都能在这个时代中发现新的机遇，克服新的挑战，为社会和经济的发展做出更大的贡献。
关注上方蓝字，获取更多精彩内容
这篇文章主要介绍了如何关注公众号获取更多信息。通过联系人王老师和鲍老师的电话号码以及扫描二维码的方式，用户可以轻松地关注他们的公众号。文章提供了详细的联系方式，方便读者快速行动。
大模型引爆金融科技革命
被错杀的垂直大模型龙头 牛市双雄：懂了人性就懂了牛市 建议定投的极品印钞机 金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于C端用户，大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台：根据艾瑞咨询的数据，2022年，以银行、保险、证券为主的金融机构技术资金投入预计将超过4000亿元。2022年中国银行与保险机构前沿科技采购支出将达到170亿元。 相关行业已有大量应用案例：Bloomberg GPT、 Morgan Stanley、 Lemonade、苏黎世保险、度小满、瑞穗金融集团等。 AI 1.0：以CNN为核心的计算机技术，机器开始在计算机视觉（CV）、自然语言理解技术（NLP）等领域超越人类，并创造了显著的价值。但AI 1.0缺少像互联网时代的 Windows 和 Android一样的规模化能力，来降低应用开发的门槛，打造完善生态链。 AI 2.0：AI 2.0克服了AI 1.0单领域、多模型的限制，可以用无需人工标注的超级海量数据去训练一个具有跨领域知识的基础大模型 （Foundation Model）；基于大模型，各种创新应用将层出不穷。 AI 2.0 + 金融：我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业大量产品最终服务于C端用户， 大模型应用场景丰富。随着大模型与证券、保险、银行业务的融合，创新应用将层出不穷。 AI+金融的发展，除需要算力等通用要素外，还需要数据、技术、Know-How、场景等要素。 由于银行等金融机构数字化投入大，自身数字化能力强，在传统的产业分工中，我国部分金融科技企业一般承担具体的系统实现任务，按项目或按人月收费。我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品+服务收 费向SaaS订阅收费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业Know-How等要素，与头部金融机构的长期合作关系有利于补齐数据、 场景等要素，相关产品有望率先落地。 新一轮金融科技革命，产品&商业模式均有望革新 我们认为，随着大模型技术与业务的深度融合，头部金融科技企业有望实现产品和商业模式的革新，实现从产品+服务收费向SaaS订阅收费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业Know-How等要素，与头部金融机构的长期合作关系有利于补齐数据、场景等要素，相关产品有望率先落地。 行业受益标的： 我们认为，在各细分领域深耕多年，在AI领域早有布局，且积极拥抱大模型技术变革的公司具有先发优势，行业受益标的包括：同花顺、指南针、恒生电子、财富趋势、新致软件、宇信科技、金证股份等。 一、同花顺：多款产品落地 公司构建了同花顺 AI 开放平台，可面向客户提供智能金融问答 、智能投顾、会议转写系统、智能医疗辅助系统等多项 AI 产品及服务，可为银行、证券、保险等行业提供智能化解决方案。 ...
大模型金融应用，不患寡而患不实
点击上方“蓝字”，关注更多精彩 今年以来，以ChatGPT为代表的生成式AI产品席卷全球，从通用大模型到金融大模型，新一轮技术创新已经到来，作为数据密集型产业同时也被视为大模型最被看好的大模型应用场景金融行业，又该如何应对和拥抱这轮技术的变革？ 12月8日，在由北京商报社主办的2023年度（第九届）北京金融论坛上，继重磅发布《2023金融大模型报告》，解析大模型发展趋势后，现场来自银行、保险、券商、金融科技以及接近监管人士等多方碰撞了关于金融大模型的多个热议话题。 图片来源：北京商报 多领域大模型已度过ROI平衡点 金融大模型的风暴，始于今年年初。上半年 “卷”模型，下半年“卷”应用，规模、参数的近身肉搏之后，落地逐渐成为“百模大战”的共识。 北京商报记者了解到，截至目前，国内金融大模型已经应用在金融资讯、产品介绍内容的文本自动生成，构建虚拟客服在线交互等方面，给用户提供更人性的服务同时，也提升金融机构内容运营的效率。 大模型与金融业结合，拓宽了金融业数字化转型的广度和深度。正如星图金融研究院副院长薛洪言指出，当前各类金融机构均在加速或推出或融入大模型的浪潮，有望全面提升客户营销、贷前风控、贷后管理的效率，全面提升金融机构的数字化水平和服务能力，为金融服务实体经济高质量发展打开了新的想象空间。 图片来源：北京商报 金融业将是大模型技术落地的最佳领域，这一点已成为行业共识，但各类型机构又各自看好哪些细分场景？不同机构有不同考虑。 从《2023金融大模型报告》调研的数据来看，金融业态中，保险机构对大模型的应用前景可谓最为乐观，布局也较为多元。会上，众安保险首席技术官蒋纪匀介绍，在AIGC出现以前，很多人工智能在一些领域其实达不到大家的期待，有“人工智障”的感觉，但是AIGC出现以来，大大改变了这个局面。他进一步分析，金融领域讲究专业、严谨，众安基于这套理念，在底层大模型基础上搭建了一套“众有灵犀”框架，并在此之上做了很多场景深度研究和探索，包括智能客服、到期提醒、智能运营，还有企业内部的智能提效等。 同样，民生银行数据管理部总经理沈志勇谈及了大模型在银行领域的应用，他认为，大模型能够使得银行一些劳动密集型工种的生产效率得以提升，包括写代码、客服等，有助于重塑银行知识体系，提升用户体验。不过，当下出于合规性等因素考量，大模型应优先服务银行内部，让机器先生成初稿，再由人来评判。当前银行对话系统已经广泛运用，大模型能够辅助银行对话系统做得更好。 图片来源：北京商报 金融科技层面，百度智能云产业发展部总经理段永华则介绍，从简单到复杂，从内向外，当下在很多领域大模型已经度过ROI平衡点（投资回报率平衡点，是指投资成本和预期收益相等的点）。随着多模态大模型的全面成熟和稳定，在诸如保险销售、保险现场处理等复杂实际金融业务中，大模型可以真正深入到业务场景里，代替人工现场工作。而当下基础大模型还在快速迭代的过程中，从业机构可以选取一些已经具备可用条件的场景，用轻量级投入保持对新技术、新趋势的跟进。 图片来源：北京商报 深度融入金融价值链产业链仍有距离 金融业是数据驱动型和知识密集型行业，前中后台环节众多，应用场景丰富，在运用大模型技术提升运营管理质效、增强金融服务能力方面，有着重要创新机遇。但不得不说的是，目前金融大模型也存在理想和现实之间的距离，要实现大规模应用落地，仍面临着复杂的多维掣肘。 正如中国互联网金融协会法规咨询部（研究部）主任肖翔表示，由于大模型本身的技术成熟度、金融数据安全、算料算力供给等方面的原因，目前大模型金融应用处于初步探索阶段，距离全面深度融入金融价值链产业链还有较长一段路要走。 图片来源：北京商报 从具体领域来看，中金公司信息技术部执行负责人王缅基于基金券商领域大模型应用的现状，谈及了券商等金融机构应用大模型面临的最大难题，主要在两个方面：一方面，金融数据垂直领域知识体系庞杂，需要投入较大资源对数据进行梳理建模，同时又要综合考虑算力和算法两个快速变化的变量对输出结果带来的不确定影响。 另一方面，王缅认为，大模型的输出标准相对比较模糊，当前阶段存在模型“幻觉”，但是金融服务对于输出结果要求相对准确、严肃，两者之间存在一定矛盾。 图片来源：北京商报 谈及大模型在金融领域的应用，段永华同样表示，“我们要在长期的时间周期里来看大模型，不同阶段的大模型不是一样的东西，放在30-50年的尺度看，当下大模型还处在婴幼儿期，但迭代速度极快。我们既不能神话它，但更不应该轻视它。随着最新多模态大模型的出现、成熟，可以预见的是，未来两、三年内，大模型会在金融的每一个场景、领域发挥非常重要的作用”。 那么，大模型技术可能在哪些场景率先落地呢？肖翔认为，大模型金融应用“不患寡而患不实”，应结合大模型技术特点和金融业务领域相关监管要求，本着“由内而外，先易后难”的原则，现阶段可先行探索将大模型作为智能助手应用在运营管理类场景，助力实现降本增效，但对于面向客户、涉众性强、专业度高的业务场景需要更加审慎稳妥。 运用勿忘金融合规 “紧箍咒” 回顾此前金融科技的发展过程，离不开数据合规、隐私安全等问题，业内认为，大模型在金融行业的应用落地过程中，也会遇到一系列挑战，如算力需求、训练和推理成本、数据质量问题、安全隐私问题等。 对此，肖翔强调，金融业是经营风险的行业、跟老百姓钱袋子打交道的行业，对金融决策的可解释性、交易行为的可回溯性、服务过程的透明性有比较高的要求，在运用大模型这根“金箍棒”降妖除魔取经的同时，别忘了头顶上还有金融合规的“紧箍咒”。 不同机构对后续大模型领域的探索和应用也有各自节奏。蒋纪匀介绍，目前人工智能在金融领域的应用并不太快，因为金融领域是专业、严谨的。而由于大模型发展快，人才又比较缺乏，在大模型应用上，机构要算整个投入产出比，思考要什么样的场景、用什么样的技术方式和策略方法，才能获得最好的ROI，真正帮助企业创造短期的价值和长期的竞争壁垒。 图片来源：北京商报 “金融行业实现高质量发展需要在客户服务定制化方面下功夫，理解不同客户的需求差异提供高质量的产品与方案；实现普惠金融更大规模的覆盖客户群体，则需要做好服务的标准化与统筹，而合理地应用金融大模型将可能极大地推动行业以标准化手段实现定制化的客户服务，真正满足广域客户的多样化需求。”王缅则建议，可采取大模型与小模型搭配的方式，运用行业专业领域数据结合基础大模型蒸馏出垂直领域的专业化模型，由此提高模型有效性、可用性。同时可通过应用大模型对行业顾问员工进行全面赋能，提升员工触客、获客、活客能力。 文 / 北京商报记者 刘四红往期精彩回顾 nice炒图，走向崩溃 国际金价突破2100关口，“大冤种”狂欢 反洗钱“栽跟头”，多家支付公司被开巨额罚单 点个“在看”每天收到最新资讯！
文章NLP技术助力金融智能化：ChatGPT引领人工智能革命
这篇文章主要讲述了以ChatGPT为代表的大模型将对NLP领域和整个人工智能技术产生深远影响，金融机构和科技企业应如何应对。以度小满公司的“智能化征信解读中台”工程为例，其利用大型语言模型LLM和图算法等新技术，成功地将征信报告解读进入到图机器自动学习阶段，提升了银行风控模型的风险区分度。这标志着NLP技术在金融领域的广泛应用，重新定义了金融科技，并为金融领域提供了全新的智能客服、智能风控、智能交互服务等可能性。
大模型金融应用：驱动金融科技新发展和智能服务革命
本文探讨了潘淳、武艳军和苏筱芮三位专家对大模型技术在金融行业中的应用及其潜力的看法。他们认为，大模型技术可以为金融行业带来更高效、精准和智能的服务，提升银行从业人员的服务水平和客户体验。同时，他们也指出大模型技术存在一些局限性，需要结合垂直领域的小模型以达到最佳效果。大模型技术可以在金融行业的多个方面进行应用，如智能客服、智能投资顾问、AI写作、数字人和代码编写等。随着AI应用场景与产品类型的丰富，金融行业将迈入以需求为导向的拉动阶段，大模型技术与金融行业的结合将为金融科技公司带来重大机遇。
《轩辕大模型：金融行业开源新篇章》
金融行业正迎来大模型时代，其中轩辕模型在通用中文领域表现不亚于ChatGPT，并将开启金融大模型研发。近日，度小满发布的千亿级轩辕模型成为国内首个开源的中文金融大模型，将推动金融行业应用，提供更准确、全面的金融咨询服务。轩辕模型经过大量金融对话数据和特定预训练调优，在金融垂直领域表现出卓越的能力，为金融企业带来内容和逻辑推理方面的优势，促进产业升级。
智慧金融健康产业联盟启动：ChatGPT带来的革命性变化
智慧金融健康产业联盟于2023年11月5日在深圳举行启动仪式，拉卡拉集团、梦网物联与瀚维智能战略合作签约仪式在此举行。ChatGPT撰写的嘉宾致辞稿成为现场热点，展现了人工智能在医疗健康康复行业的巨大潜力。三方将在健康门店智慧金融、理疗康复数字化和智能机器人等领域开展深度战略合作，推动拉卡拉数字金融的发展、推动梦网物联基于5G、物联网、人工智能和机器人等技术打造出更多的产品和解决方案，构建面向未来的数字化大健康产业，赋能瀚维在智能机器人领域的开发与升级，共同繁荣智能健康生态。