【话题】AI医生&线上问诊,靠谱吗?
AI医师助手

【话题】AI医生&线上问诊,靠谱吗?

习近平总书记指出,要推进“互联网+医疗”,让老百姓少跑腿,让数据多跑路,不断提升公共服务均等化、普惠化和便捷化水平。 截至2018年7月,广东省网络医院已接诊逾1000万人次,从最初的每日几十例的问诊量飙升到如今每日4万人次。全国政协委员、广东省中医院副院长卢传坚表示,随着网络时代的到来,线上线下结合的医疗服务将成为新趋势。 随着“互联网+医疗”和人工智能的发展,人工智能医生在医学领域发挥的作用越来越大。机构预测,中国医疗人工智能的市场需求已达数百亿元。智能移动医疗专家指出,未来5年内,人工智能问诊平台将取代部分传统问诊。 那么,线上诊疗、“人工智能医生”等看病新方式是否值得信赖呢? 新闻链接 广东省网络医院正式上线 作为全国首家网络医院,今年是广东省第二人民医院拥抱互联网的第五个年头。2014年10月25日,深圳友德医科技有限公司与广东省第二人民医院共同打造的广东省网络医院率先在全国上线,成为全国首家互联网医院。网络医院主要针对常见病和慢性病。通过后台初步分诊,患者可选择对应的科室和医生,在家里就可享受到三甲医院的专家服务。但专家也表示,病情严重、复杂的疾病仍需要立即到医院进行检查。 “读懂”病历识别影像 AI“医术”超年轻医生 人工智能不仅能“读图”识别影像,还能“识字”读懂病历,理解患者病情并推荐临床诊断,准确度甚至超过医生、媲美经验丰富的专家。由广州市妇女儿童医疗中心教授夏慧敏、加州大学圣地亚哥分校教授张康等专家领衔的医疗数据智能化应用团队,联合人工智能研究和转化机构研发出“辅诊熊”人工智能诊断平台,诊断多种儿科常见疾病,准确度与经验丰富的儿科医师相当。 未来5年内,人工智能问诊平台取代部分传统问诊 广东省第二人民医院2018年4月正式上线AI Doctor(人工智能医生)。实际上,AI医生是省二医与互联网科技公司联合开发的全球最大的中文医疗词库和医疗知识图谱,内含北京、江苏、广东数十家三甲医院3亿份“脱敏”(抹去隐私信息)的病历经验,200多病种的诊断、治疗建议的准确率超过90%。有专家预测,未来5年内,人工智能问诊平台将取代部分传统问诊。10年内,具有专科医师水准的人工智能医生会开处方。 大V观点 卢传坚(全国政协委员、广东省中医院副院长) 随着网络时代的到来,线上诊疗是一种看病新趋势。从方便患者就诊、让患者及时得到诊治这方面来说,发展网络医院是便民的举措。但是,线上诊疗毕竟没有现场医生诊治准确。看病跟购买其他商品或者服务不一样,通过病人自己描述身体状况,不如医生现场“望闻问切“来得准确。当然,对于常见病、小病可以考虑线上诊治,比较复杂的疾病就不适合了。 杨浩贤(中山大学肿瘤防治中心,主任医师,博士生导师) 线上诊疗对患者来说效率比较高,特别是对于异地就医的患者,可以同时咨询多方医生的意见,综合考量医疗方案。但是,在线问诊无法看见病人的精神状态,也无法进行体检,所以要得到比较具体的治疗方案,还是需要患者亲自到医院就诊。 随着计算机和人工智能的发展,人工智能在医学领域发挥的作用会越来越大。人工智能可在一定程度上缓解医生资源不足的状况,让优质医疗资源下沉到基层,使更多群众享受到普惠医疗。我相信,未来的人工智能医生会取代医生的一部分工作,比如体检、信息采集、问诊等方面,但治疗的过程中,人工智能只能提供标准化方案,无法实现精准的个体化治疗,而且对于复杂疾病,治疗方案是根据患者病情不断地在变化,所以人工智能医生还要经过不断学习,才能在核心领域发挥更大的作用。无论是何种诊疗方式,是否能让患者得到更好的医疗服务和治疗效果,才是我们关注的重点。 周其如(广东省网络医院院长) “互联网+医疗”是医疗行业的发展方向、是解决“看病难”的重要抓手、是破解医改难题的重要手段。通过不断吸纳海量数据,AI医生已经能够达到或者部分超过普通医生的问诊水平。人工智能医生能帮助解决基层医疗资源不足、缓解医生的劳动强度、降低医疗成本高的问题。不过,人工智能医生诊断的合法合规性等问题,还需要长时间的发展和摸索。 杜兰(科大讯飞股份有限公司高级副总裁) “人工智能医生”不是一个趋势,而是实实在在地应用了。我们希望通过A.I.赋能医疗,让机器去学习最优秀的一线专家的能力,通过专家和设定的标准,让60分的医生去做80分医生可以做的事情,让90分的医生不要去做60分医生重复做的工作,从而让医疗服务更具普惠性,并为行业带来更大的发展空间。 刘激扬(国双科技首席技术官) 线上问诊和人工智能诊疗能够为医患双方提供很多便利:患者和家属可以更快地得到专业人士帮助,也可以获取更多知识,比如,通过智能问答系统人们能非常便捷地获取导医、治疗及手术后护理等各类信息;大数据和人工智能技术可以通过对医疗领域累积的大量医疗数据和患者数据进行分析,帮助医生对患者做出更加客观、全面的评估,甚至对疾病的发展趋势做出预测。依据这些评估和预测,医生就能更及时、准确、全面地为患者做出诊断。借助大数据和人工智能,我们也能够实现从对疾病的诊治,到对疾病的“预测”和“预防”,从而为大家提供有效的健康管理,让大家更健康。 张康(加州大学圣地亚哥分校教授) 如果能让医生看到计算机是怎么想的、怎么得出结论的,就能让人类更相信计算机,让人类对它更加放心。 夏慧敏(广州市妇女儿童医疗中心教授) 人工智能并不会取代医生,但是可以大幅减轻医生的工作量。更好的技术手段和平台,既能在一定程度上解决医疗服务能力不足的问题,又能提高健康服务的公平性。 沈定刚(联影智能联席首席执行官) 人工智能不会替代医生,但懂人工智能的医生可能会替代不懂人工智能的医生。未来人工智能的应用将贯穿于整个临床工作流,从源头的成像一直到后期的诊断、治疗和评估。 陈国庆(农工党中央医疗卫生专业委员会委员) 人工智能和互联网技术是对医生的解放,能够让医生的医术、医德和口碑等作为医生个人的附加价值为医生赢得更多的患者,从而让医生的个人品牌、工作环境和个人待遇得到大幅的提升,从而最大程度体现医生真正的价值。人工智能与医疗的结合,也能实现医疗效率的提高、群众医疗成本的降低和诊治慢性疾病和常见病的便捷化,也是未来医疗的发展趋势。 网友留言 @谭浩彬:线上医生我觉得挺便捷的,现在去个医院好麻烦,排队挂号等号要好几个小时,但我可能也就是看个头疼脑热的小病,给老百姓挺大方便的。 @白如宣:一个医生的阅历和经历有限,AI医生能综合各大医院的病例情况而且无需休息,有时候对于一些突发情况能给出一些快速的抢救措施,还是值得推广的。 @wendy七:难道网络医生还能“悬丝诊脉”吗?望闻问切缺一不可哦~ @南州六月荔枝丹:网络看病的影像资料,患者怎么来保存呢?担心隐私泄露…… @茴有四种写法:感觉信不过~每个人的体质都不一样,虽然是同样的病症,但可能表现形式不一样。 出品人:刘海陵 总策划:林海利 总统筹:孙璇 监制:孙朝方 郑华如 鲁钇山 蒋铮 区健妍...
九一金融申请基于大模型的金融业务审核处理方法专利,提高金融业务审核处理效率
AI金融助手

九一金融申请基于大模型的金融业务审核处理方法专利,提高金融业务审核处理效率

金融界2024年12月9日消息,国家知识产权局信息显示,九一金融信息服务(北京)有限公司申请一项名为“一种基于大模型的金融业务审核处理方法”的专利,公开号 CN 119090461 A,申请日期为 2024年11月。 专利摘要显示,本发明涉及金融业务审核处理领域,尤其涉及一种基于大模型的金融业务审核处理方法,包括获取若干发送端发送的待审核业务数据,并对各发送端的待审核业务数据进行分析以提取待审核业务数据的业务特征数据;获取目标数据库中若干节点的节点特征数据;将业务特征数据和节点特征数据随机组合生成伪装掩码;将待审核业务数据和伪装掩码发送至监管端监管端在发送端发送待审核业务数据完成时,将目标数据库接收的待审核业务数据分配至目标节点;将监管端对若干待审核业务数据的历史监管过程中的待审核业务数据和审核结果作为审核数据集合以训练业务大模型,并基于训练后的大模型对后续待审核业务进行审核。本发明提高了金融业务审核处理的效率。 本文源自金融界
与 AI 同行,法护正义:百度法律智能体联合全国律师开展公益普法活动!
AI律师助手

与 AI 同行,法护正义:百度法律智能体联合全国律师开展公益普法活动!

一年一度的全国法制宣传日再度来临,在这个意义非凡的时刻,全国的律师协会和律师事务所纷纷行动起来,以极大的热情投入到《宪法》教育与基层普法工作之中,百度法律智能体也积极也积极响应国家号召,联合律所及律师在全国20余个省市开展线下普法活动,共同推出 “与AI 同行,法护正义” 公益普法活动。 AI驱动公益普法,共筑法治社会根基 12月4日, “与AI 同行,法护正义” 公益普法活动主会场活动于厦门举行,此次活动由法行宝、厦门市律师协会联合主办,厦门市公安局中华派出所、思明区城市义工协会为支持单位,各方携手合作,致力于在全社会营造浓厚的法治氛围,提升民众的法律意识与法治素养,让宪法精神深入人心,为构建法治社会贡献力量。 活动开场,厦门市律师协会副会长陈昱上台致辞。他指出,值此重要节点,厦门市律师协会与百度携手举办公益普法活动,意义非凡。此次活动意在凭借 AI 技术的强劲赋能,深度融合科技与法律,把法律力量精准送抵居民、企业与公益律师群体。AI 技术既推动律师工作效能提升,又显著拓展普法范围与深度,让法律服务无缝对接群众生活,共筑 “法律入万家” 的美好蓝图。 厦门市律师协会副会长陈昱 百度搜索垂类市场负责人王莎莎随后致辞,她提到,近年来百度积极响应国家公益普法号召,凭借文心大模型的有力驱动,百度法律智能体深度链接法律行业供需两端,每日承接千万级法律检索需求。其中,“免费 AI 律师” 法行宝成为用户获取法律知识、表达诉求及寻求司法援助的便捷窗口,而律师智能体则以创新 AI 技术打造律师 AI 分身,重塑法律行业格局,为民众提供高效便捷服务体验,也为中小律所开拓增长新路径。 百度搜索垂类市场负责人王莎莎 最后,陈昱与王莎莎共同登台,双方举行了启动仪式的揭幕。此举标志着双方正式就公益普法行动达成了意义深远的合作意向。未来,双方也将共同携手、并肩前行,为法律行业的蓬勃发展不懈努力,致力于让智能法律服务惠及更广泛的人群。 启动仪式揭幕 互动形式多样,释放法治新活力 在本次公益普法活动中,参与法制宣传周活动的律师们也在现场分享了经历,并展示了自己与法行宝的对于法律问题的解答过程,法行宝强大的功能与精准的回答令现场人员赞叹不已。活动还设置了丰富多样的普法宣传环节,律师们为现场群众提供了专业法律解答,律师智能体入驻实操演示也吸引众多参与者现场体验交流。 律师们为现场群众提供法律问题解答 同时,为了给活动增添更多趣味,提升互动性,现场还巧妙设置了丰富多样的互动小游戏。 比如将各种犯罪类型的标签贴在保留球瓶上,参与者通过击倒球瓶来完成游戏互动,游戏成功即可获得精美礼品,新颖的游戏形式赢得了现场观众的好评。在欢声笑语中,参与者们更加深入了解了百度法律智能体,也亲身感受到智能法律服务的独特魅力。 现场观众积极参与互动游戏 此次“与AI同行,法护正义”为主题的公益普法活动,仍在全国范围内持续进行中。未来,百度法律智能体将坚定地引领智能法律领域的创新潮流,全力推动法律行业数字化、智能化转型升级,让更多人受益于智能法律服务,在智能时代的浪潮中,我们携手并肩,为法律行业的蓬勃发展不懈努力,全方位守护每一个人的合法权益,持续汇聚点滴力量,稳步推动中国法律智能化进程,共铸法治社会的辉煌未来! 翻译 搜索 复制
把明星设置成“AI陪伴”、“可调教”?法院:侵害人格权!
AI情感助手

把明星设置成“AI陪伴”、“可调教”?法院:侵害人格权!

封面新闻记者 粟裕 把明星设置成“AI陪伴”是否侵权?8月26日,北京互联网法院发布服务保障新质生产力十大典型案例。何某诉某科技公司网络侵权责任纠纷案入选典型案例,法院表示,自然人的人格权及于其虚拟形象,未经许可擅自创设、使用自然人虚拟形象的,构成对自然人人格权的侵害。 据介绍,某科技公司是某款手机记账软件的开发运营者,用户在该软件中可自行创设“AI陪伴者”,设置陪伴者的名称、头像,设置与该陪伴者的人物关系(如男女朋友、兄妹、母子等)。何某系公众人物,知名度较高,在该款软件中被大量用户设置为陪伴人物。用户在设置“何某”为陪伴人物时,上传了大量何某的肖像图片设置人物头像,同时设置了人物关系。某科技公司通过聚类算法,将陪伴者“何某”按身份分类,并以协同推荐算法向其他用户推介该角色。 为了使AI角色更加拟人化,某科技公司还为AI角色提供了“调教”算法机制,即用户上传各类文字、肖像图片、动态表情等互动语料,部分用户参与审核,某科技公司使用人工智能筛选、分类,形成人物语料。用户和该软件为“何某”制作了人物语料,并加入了系统推送,通过智能算法或AI自动回复,该软件可以根据话题类别、角色的人设特点等,在“何某”与用户的对话中向用户推送与其有关的“肖像表情包”和“撩人情话”,营造出与其真人真实互动的使用体验。 法院认为,被告因算法应用应被认定为网络服务提供者。某科技公司应被认定为网络内容服务提供者。案涉软件的服务与技术服务存在本质不同,某科技公司并非提供简单的内容上传“通道”服务,而是通过规则设定、算法设计,组织、鼓励用户形成侵权素材,与其共同创设虚拟形象,并使用到用户服务中。在此情形下,虽然具体图文由用户上传,但某科技公司的产品设计和算法应用鼓励、组织了案涉虚拟形象的创设,直接决定了软件核心功能的实现,某科技公司不再是中立的技术服务提供者,而应作为网络内容服务提供者承担侵权责任。 该案涉软件实际上构成对于何某人格形象的整体性虚拟化使用,对于可能涉及侵权的内容,某科技公司相比于普通用户获得授权的可能性更大,其商业化使用应当获得权利人的许可,如果仅仅从技术服务的角度评价某科技公司的行为,不利于人格权益保护和网络空间治理。 法院认为,被告的行为侵犯了何某肖像权、姓名权、一般人格权。在某科技公司的规则设定和算法设计下,用户使用何某的姓名、肖像创设虚拟人物,制作互动语料素材,实际上是将何某的姓名、肖像、人格特点等综合而成的整体形象投射到虚拟角色上,形成了何某的虚拟形象,是对包含何某肖像、姓名的整体人格形象的使用。 本案中,肖像、姓名是何某整体形象利用的重要部分。某科技公司商业化使用何某姓名、肖像的行为并未获得何某的许可,故构成对何某姓名权、肖像权的侵害。同时,被告行为也侵犯了何某的一般人格权。 首先,具体人格权无法完整涵盖案涉软件使用的人格利益。案涉软件将何某的姓名、肖像、性格特征、人格特点等综合而成的整体形象投射到AI角色上,并且让用户可以与该角色设置虚拟身份关系,这是对何某整体形象和人格表征的利用,肖像权、姓名权的人格利益无法完整涵盖。其次,未被涵盖的人格利益属于一般人格利益。案涉软件使得AI角色与真实自然人高度关联,容易让用户产生一种与何某真实互动的情感体验。同时,案涉软件的功能设置还涉及了何某自由决定其人格要素如何被使用的范畴,涉及了何某的人格尊严,构成对何某一般人格权益的侵害。 例如,案涉软件使得用户可以任意设置与“何某”之间的亲密关系,并在对话中设置“爱你”“抱抱”等亲密对话标签。更为显著的是,案涉软件将创作语料的功能称之为体现不对等关系的“调教”一词。再次,尽管何某作为公众人物,人格利益应受到一定限缩,但是某科技公司和用户的行为明显超过了合理的限度。某科技公司未经许可,利用案涉软件对何某的人格表征进行了系统性功能设计和商业化利用;用户在此过程中与虚拟人物的互动又明显区别于开放平台中偶发轻微亲密性或贬损性言论,因此某科技公司与用户构成对何某一般人格权的共同侵权。 法院判决,被告向原告公开赔礼道歉,赔偿原告精神损失2万元,经济损失(含合理维权支出)18.3 万元。被告不服一审判决提起上诉,后撤回上诉,一审判决生效。
华泰 | 电子:AI大模型+医疗—从问诊到新药开发
AI医师助手

华泰 | 电子:AI大模型+医疗—从问诊到新药开发

如果您希望第一时间收到推送,别忘了加“星标”! 随着基于大模型的生成式AI的出现,我们看到AI+医疗有望迎来一波新的发展机遇,具体看好:1)基于大模型的实时问诊病例生成,2)按需生成新蛋白质结构提高药物发现效率等应用。另一方面,目前尚未看到面向医疗影像的新AI大模型服务,大模型在医疗影像领域主要作用是降本。 核心观点 生成式AI为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一,也已经催生了Nuance、IBM Watson等一批全球知名企业。随着基于大模型的生成式AI的出现,我们看到AI+医疗有望迎来一波新的发展机遇,具体看好:1)基于大模型的实时问诊病例生成,2)按需生成新蛋白质结构提高药物发现效率等应用。另一方面,目前尚未看到面向医疗影像的新AI大模型服务,大模型在医疗影像领域主要作用是降本。AI+问诊:从语音录入到实时生成内容,提高临床记录环节效率病例的录入是AI+医疗中最经典的应用场景之一。生成式AI的出现,使病例的录入过程从过去医生问诊后口述总结,向基于大模型的自动实时问诊记录生成演进。今年3月,微软旗下的Nuance已经推出基于GPT-4的临床笔记软件DAX Express,可以在几秒钟内生成准确的临床记录,以及整合进微软Teams中来辅助远程医疗。AI+新药开发:根据功能需求设计/优化蛋白质,加速新药探索速度根据Statista,2021年全球制药行业总收入约1.5万亿美金,制药研发投入约2.4千亿美金。DeepMind是最早用AI赋能新药开发的企业之一,其推出的AlphaFold主要解决从已知的氨基酸序列,预测相应蛋白质3D结构的问题,为探索生命的起源迈出重要的一步。随着生成式AI的出现,业内开始探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等蛋白、给定靶点一键生成Binder蛋白等功能,为提高药物发现的效率作出贡献。英伟达于3月推出的生物医药大模型云服务BioNeMo也包含蛋白质生成等模型的调用服务。 AI+医疗影像:应用相对成熟,关注AI大模型提升数据标注效率 医疗影像分析是AI的另一个重要应用场景。AI医疗影像企业通过分析GE、飞利浦、西门子、联影医疗等国内外企业厂商产生的医疗影像数据,为医生提供读片等诊疗辅助工作。我们认为,AI大模型或主要在效率方面赋能医疗影像领域,通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力,为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。 正文 包括制药、辅助诊断、影像、医疗器械在内的医疗健康领域是AI率先实现应用的行业之一。2015年开始,AI在图像识别方面的准确率大幅度提升,驱动AI+影像快速发展。而语音识别的精准度提升以及临床知识库的发展,也推动辅助诊断服务逐渐兴起。随着DeepMind两代AlphaFold实现了蛋白质空间结构预测的重大突破,AI+制药也进入高速发展期。 01AI+问诊:从语音录入到实时生成内容,提高临床记录环节效率 临床辅助决策分为诊前/诊中/诊后决策场景,包括医院数据实时处理、数据质量监控、知识库查询、临床辅助决策、临床辅助治疗、临床预警、患者画像、系统监控等功能。我们认为,医疗诊断场景涉及的信息为多模态且数据量大、交互频次高、及时性要求高,业内关注多模态大模型能否赋能诊断场景,发挥辅助医患沟通、诊断决策作用。 以问诊环节的病例录入为例,我们观察到,传统AI语音识别赋能的病例录入主要以医生口述-AI转写的形式展开,随着大语言模型(LLM)的出现,医患对话的实时记录、转写和总结能够大幅提升病例录入的效率。 3月20日,微软旗下语音识别公司Nuance Communications推出基于GPT-4的AI临床笔记软件Dragon Ambient eXperience (DAX) Express,可以在几秒钟内生成准确的临床记录,减少临床记录环节的时间,提升诊疗效率。Nuance曾在2020年推出DAX解决方案,将患者在就诊中与医生的交流转化为临床档案,由于以人工审核来确保信息准确性,全过程需要耗时约四个小时。接入GPT-4后,依靠大模型强大的推理能力,DAX Express生成临床记录的效率大幅提升。此外,DAX Express能够整合进微软Teams中,来辅助远程医疗。国内部分产业链公司也开始探索大模型在医疗辅助诊断领域的应用。 数据的质量和数量成为AI在辅助诊断等领域应用的主要挑战之一。大规模的数据标注是GPT-3.5这类语言模型突飞猛进的重要原因之一。然而,因为医疗数据的开源程度低,隐私敏感程度高且标注昂贵,往往缺乏高质量的医疗数据来保证大模型的训练效果。此外,医疗领域的容错相对更低。因此,我们认为构建兼具质量和数量的医疗数据集、打破医疗“数据孤岛”现象,促进医疗数据价值流通,将成为AI大模型在医疗领域应用的重要挑战。 02 AI+新药开发:根据功能需求设计/优化蛋白质,加速新药探索速度 DeepMind两代AlphaFold引领行业进入高速发展期。梳理AI+制药的发展历程,我们发现AI与制药的结合逐步深入,成为生物制药企业的常态化工具。经历了包括Exscientia、Atomwise、英矽智能、晶泰科技在AI新药研发领域的早期探索(2014-2017年)、最早一批AI+新药企业开始获得临床前候选药物(Pre-clinical candidate, PCC)一类的验证性成果(2018-2019年)后,DeepMind推出的AlphaFold和AlphaFold2实现了蛋白质空间结构预测的重大突破,引领行业进入高速发展期。近期,我们看到类Chat的生成式AI开始出现,印证AI与药物发现的结合逐渐深入。比如Salesforce Research、Tierra Biosciences 和加州大学研究团队发布的蛋白质语言模型ProGen,在数百万个原始蛋白质序列上训练,可生成跨多个家族和功能的人造蛋白质。不同于AlphaFold2利用AI的手段辅助理解自然界已有的蛋白结构,以ProGen为例的类ChatGPT生成式AI的目标是生成自然界不存在的人工蛋白质序列。虽然生成式AI在制药领域的应用仍处于起步阶段,但天壤XLab负责人苗洪江博士认为,从AlphaGo、AlphaFold2到生成式AI是一个从分析工具走向解决方案、并落地解决实际问题的过程。长期来看,生成式AI有望赋能生物医药源头创新。 03 AI+医疗影像:应用相对成熟,关注AI大模型提升数据标注效率 AI图像识别技术在CT、MR影片诊断领域的应用也已相对成熟,未来十年将有望规模发展。我们看到AI在医疗影像领域的应用相对成熟。根据动脉橙数据,中国2022年医学影像赛道早期融资事件18起,和2021年相比数量增长约两倍。我们认为,AI大模型或主要在效率方面赋能医疗影像领域,通过提升自动化标注、自动化模型筛选、参数调优、处理非结构化数据等能力,为行业带来缩短数据标注和分析时间、提升影像精细程度等变化。 风险提示: 1)AI技术落地不及预期。虽然 AI技术加速发展,但由于成本、落地效果等限制,相关技术落地节奏可能不及我们预期。 2)本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。 相关研报 研报:《AI大模型+医疗:从问诊到新药开发》2023年4月06日 黄乐平 S0570521050001 | AUZ066 胡宇舟 S0570121040041 | BOB674 于可熠 S0570122120079 关注我们 华泰证券研究所国内站(研究Portal)...
大模型技术对金融业意味着什么
AI金融助手

大模型技术对金融业意味着什么

来源:经济日报 大模型技术已经开始快速“渗透”到各个工作领域,金融业也无不例外。清华大学经管学院发布的一份报告显示,生成式AI正在席卷金融业,释放新的生产力,以前所未有的方式重塑全球金融业的格局。目前,我国已经有6家上市银行公开发布大模型技术开发与应用的信息。 金融业需要大模型技术吗?从匹配度上看,金融业是典型的数据密集型产业,而大模型技术的一大特征就是具有强大的数据洞察理解能力,可以缩短数据间发生连接与被计算的时间,提高数据创造价值的效率。如果把大模型的能力放在金融业中去处理原有的一些任务,会对很多工作产生提质增效的效果。 从重要性上看,金融业的高速发展离不开金融科技的赋能。近年来,我国在金融科技上取得了很多创新成果,金融业数字化水平大幅提高,移动支付、数字信贷等技术领域更是处于全球领先地位。金融科技是技术驱动的金融创新,眼下大模型技术和应用正在加速迭代和探索,可能很快催生更多新模式,未来能不能发展好、利用好大模型技术,对于深化我国金融业数字化转型,提升金融业核心竞争力意义重大。 可以确定的是,大模型技术在金融业的应用空间广阔。以关注度正高的“文生视频”大模型为例,仅用简单的文本指令,就能生成一段具有逻辑性、大片质感的短视频,有机会让投资者更易理解结构复杂、特征各异的金融产品,进而成为理财师、保险经纪人等金融从业人员的得力助手,提升服务效率和服务体验。更为重要的是,大模型技术有望在风险防控环节发挥出关键作用。一方面,金融机构可以通过大模型海量神经网络数据检测客户各类行为,提高自身风险管理决策能力;另一方面,金融监管部门可以利用大模型优秀的逻辑推理能力,协助工作人员提高对财务造假等违法行为的监管查处效能。 中央金融工作会议强调,要做好包括数字金融在内的五篇大文章。在数字化时代,强化金融科技创新已成为当前发展数字金融的必然选择,大模型新技术则有望成为推动行业创新的重要引擎。金融机构应尽快提高认识,从公司发展战略的高度积极探索大模型应用,逐步审慎加大相关业务投入,打造数字化人才团队,勇于挖掘新的应用模式,力争推动大模型与自身业务的有效融合,发挥出“1+1>2”的作用。但需要注意,任何一项新技术都是一把双刃剑,当前大模型在金融领域的应用仍处于早期阶段,更要做好风险防控,特别是要重视对用户数据隐私的保护,唯有安全可靠的技术才能真正助力金融业高质量发展。(本文来源:经济日报 作者:马春阳)
AI时代,律师如何“技”高一筹?
AI律师助手

AI时代,律师如何“技”高一筹?

转自:上观新闻 在法律的严谨与科技的创新之间,虹口区北外滩正开启一段智慧法治的新征程。12月3日至5日,首届“上海北外滩法律科技博览会”在白玉兰广场举行,吸引了虹口区法学会、北外滩企业庭外中心等组织和威科先行、美亚科技、科大讯飞等十余家国内知名法律科技企业现场参与。 法律科技,简而言之,是指运用人工智能、大数据、云计算等现代科技手段,提升法律服务的效率、质量和可及性。作为本市首个聚焦法律科技展览的专业盛会,本次博览会以“法铸基石、智启新程”为主题,集中展示了法律科技全产业生态与创新成果,为法律科技领域搭建了一个集展示、交流、研讨、交易于一体的综合性平台。 开幕式上,虹口区律工委与三家科技公司签署了合作协议,为全区律师事务所提供信息化管理平台。“我们在考虑合作签约方的时候,特别注重平台的多样性和适用性,以满足不同律所的个性化需求。”区律工委负责人表示,“作为全市首家通过统一签约的方式,为全区律所提供信息化管理平台的区级单位,我们将在区司法局的领导下,借北外滩国际法律服务港建设的东风,不断深化法律科技应用、促进数据共享开放,以法律科技推动虹口法律服务业能级不断提升。” “随申办”虹口区旗舰店法治虹口专栏也在开幕式当天正式上线,包括法律服务引导、法治文化地图、在线公共法律服务等服务内容,通过科技赋能,为市民提供全流程一体化在线法律服务。 展会期间,必智科技、丰兆科技、大总管科技等多家科技企业现场展示了其前沿或适用于法律实务的技术成果。部分律所也在现场设摊推介为法律科技企业定制的法律服务产品,实现了法律科技与法律服务的深度融合。据统计,3天内各参展商共达成成交额60余万元。 此外,博览会还设置了主旨演讲、圆桌讨论等环节。高校学者、律所合伙人、法律科技企业负责人等各界精英齐聚一堂,从多元视角深入探讨智慧法治、法律科技赋能法律能级提升等热点话题,为法律服务从业者提供了宝贵思路。 今年以来,虹口区积极响应《关于推动上海法律科技应用和发展的工作方案》,将法律科技发展纳入北外滩国际法律服务港的总体布局,努力构建全链条式的法律科技生态。多家法律科技企业已落户北外滩,《智变:法律科技的大模型时代》新书发布会、上海律协“法律科技联谊会”等特色活动也在北外滩轮番上演,进一步提升了北外滩法律科技产业的知名度和影响力。 虹口区司法局相关负责人表示,本次法律科技博览会的成功举办,是虹口法律服务行业紧跟时代步伐、创新服务模式的有力见证,将成为推动经济社会高质量发展的强大动力。未来,虹口区将全力推动法律科技新质生产力的蓬勃发展,出台《虹口区支持发展法律科技发展行动计划》,打造法律科技产品首发地,提供法律科技产品展示区域和产品路演区域,支持在北外滩国际法律服务港内举办法律科技活动,吸引更多法律科技企业入驻北外滩,共同书写智慧法治新篇章。 本次博览会由虹口区司法局、上海市企业法律顾问协会、上海市律师协会法律科技委员会联合指导,虹口区律工委主办。 记者:陈怡 图片:区司法局 编辑:陈怡 海量资讯、精准解读,尽在新浪财经APP
当冰冷科技撞上温暖陪伴,AI 宠物成“新宠”:情感经济被重塑?
AI情感助手

当冰冷科技撞上温暖陪伴,AI 宠物成“新宠”:情感经济被重塑?

“陪伴”这一古老的人类情感需求,在科技的催化下,焕发出全新的生机。 从Jellycat掀起的毛绒玩具热潮,到能够与孩子对话的AI玩具,再到可模拟宠物情绪的AI宠物,伴随情感消费崛起,AI技术正在为人类的陪伴需求注入更多温度与可能。 从Jellycat到BubblePal: 毛绒玩具的情感进化 自Jellycat以其柔软触感与多样造型风靡全球后,毛绒玩具逐渐从儿童玩具变成了成年人舒缓情绪的“治愈神器”。 Jellycat的热销,正是情绪价值经济逐渐兴起的缩影。尤其是在孤独感普遍增加的当下,毛绒玩具凭借其单纯的“被爱功能”成为消费者心灵的寄托。 jellycat 台湾官网 然而,对于新一代的“人类幼崽”来说,毛绒玩具的陪伴不止于触觉的慰藉。 AI初创公司跃然创新推出的BubblePal,赋予了毛绒玩具“开口说话”的能力,让曾经的童年幻想成为现实。这款售价449元的AI挂件通过语音交互与儿童对话,为毛绒玩具注入“生命感”。 它不仅能记住孩子的名字,还能与孩子进行有趣且自然的交流。对于儿童而言,这种交互性和个性化的陪伴,不仅带来情感上的安抚,也为其想象力与社交能力的发展提供了助力。 BUbblePal 官网 AI宠物:成年人的心灵治愈 如果说BubblePal为孩子提供了情感陪伴,那么AI宠物则是成年人的情绪疗愈神器。 日本电子公司Casio推出的AI宠物Moflin,仅凭其毛茸茸的外观与简单的情绪反馈功能,就在市场上掀起抢购狂潮。 在不同的环境和主人的陪伴下,Moflin的“个性”会逐渐变化,与真实宠物相似。这种基于AI的情感模拟,给许多无法养活体宠物的人群带来了“替代陪伴”的可能性。 Moflin的吸引力不仅在于其无需喂食、打理的便捷性,更在于它通过与主人长期互动逐步“成长”的特性。 这种“养成式”体验,让主人与AI宠物之间形成了类似真实宠物主关系的深度情感链接。无论是陪伴用户试驾新车还是参与节日活动,Moflin已成为许多消费者生活中的“亲密伙伴”。 与此同时,国产AI宠物Cupboo也在迅速崛起。售价1399元的Cupboo主打情感陪伴功能,同样受到了广泛追捧,其某些型号甚至一度断货。这类产品的热销,展现出AI宠物在情感经济中的巨大潜力。 Moflin 在闲鱼上的价格 情感陪伴与科技的未来可能 AI玩具与AI宠物的成功并非偶然。随着生成式AI技术的成熟,具身智能(Embodied AI)正成为新的风口。 这种能与物理世界交互、感知和学习的智能系统,正在为AI产品赋予更丰富的情感表现力。 尽管当前的AI陪伴产品仍有局限性,比如对情绪模拟的细腻度、对人类需求的精准感知等,但它们已经展示了情感陪伴这一场景的无限潜力。 以日本松下公司推出的NICOBO为例,这款小型交互机器人并没有复杂的功能,甚至被形容为“什么都不会做”。它的意义在于通过呆萌的外观与“无能”的设定,激发人类对弱小事物的关爱,进而建立深厚的情感连接。 正如开发团队所言,“弱小而非强大的机器人,才能激发人们的善意”。 陪伴经济的商业价值 市场研究显示,全球AI玩具市场规模预计到2030年将达到351.1亿美元。 这一广阔的市场吸引了诸多“大厂前高管”的入局。无论是跃然创新的BubblePal,还是前美团副总裁包塔创立的奇点灵智,抑或前微软高管郭志的亿家亿伴,这些初创企业都瞄准了AI技术在情感陪伴领域的潜在爆发力。 与此同时,Jellycat的热销也表明,消费者愿意为“情绪价值”买单。 从毛绒玩具到AI宠物,陪伴经济正在从单纯的“产品消费”转向“情感消费”。对于无法用金钱量化的陪伴价值,消费者愿意支付更高的溢价。这也为品牌提供了持续创新和情感营销的空间。 科技赋能情感,温暖未来 AI陪伴产品的成功,既是技术进步的成果,也是人类对情感需求的深度投射。 当代社会中,快节奏生活让孤独感成为普遍现象,而AI的“陪伴功能”为人们提供了全新的情感寄托方式。 或许,未来的AI不仅仅是服务人类的工具,更是与人类建立深厚情感链接的伙伴。 从毛绒玩具到AI宠物,再到智能机器人,科技与情感的交织,正在重新定义我们的生活方式与情感世界。 而这一切,才刚刚开始。
AI问诊进行时!春雨医生受邀参加太湖(马山)生命与健康论坛数字医疗发展论坛
AI医师助手

AI问诊进行时!春雨医生受邀参加太湖(马山)生命与健康论坛数字医疗发展论坛

近日,由无锡市滨湖区人民政府主办,财联社、无锡太湖国家旅游度假区管理委员会等机构协办的“太湖(马山)生命与健康论坛数字医疗发展论坛暨度假区生命健康产业项目签约仪式”活动在无锡市滨湖区顺利举办。春雨医生CEO王羽潇女士受邀参加了论坛,并参与了” 数字时代生命健康赛道的机会与挑战 ” 主题讨论的圆桌分享。 ▲春雨医生CEO王羽潇(左三)在论坛现场 在圆桌论坛环节,王羽潇分享了春雨医生新近推出的AI在线问诊相关产品的探索过程:她表示,由于自然语言识别技术限制,直至2019年,春雨智能大脑停留在帮助医生进行辅检层面。而随着去年年底,AIGC相关产品的问世,让团队发现了提高问诊场景工作效率的巨大可能性,并在第一时间研发出基于大模型的AI在线问诊产品“春雨慧问”,将在线问诊原本的“人——人”模式升级为“人——机器——人”的全新架构,彻底重新定义了在线问诊。如今,“春雨慧问”已经在前期咨询、病历索引、提问预判、医生推荐等功能方面都有着出色的发挥。而随着春雨AI大模型的训练不断深化,在未来还将有“患处视觉识别”“检查报告解读”等更多功能逐步向用户开放。 ▲“春雨慧问”功能示意 王羽潇还介绍说,春雨医生对AI大模型在未来医疗健康领域的规划,将从AI智能问诊起步,逐渐扩充到医疗服务、医药供给、健康管理、保险支付等医疗服务全过程的闭环中来,让春雨AI大模型成为能够服务全人类的“AI数字家庭医生”。 据悉,此次论坛活动以“数字赋能,健康智远”为主题,聚集了多名地方领导、国内外院士、专业投资机构代表以及十余位生命健康企业高管,共同搭建合作平台,深入研究产业发展最新动向,厚积发展势能,助力滨湖抢占未来产业发展核心领域,赋能太湖湾科创带引领区建设。   春雨医生创立于2011年,是中国移动互联网医疗的开创者和领导者。在过往十余年的时间里,春雨医生始终坚持以用户为中心,倡导“患者赋权”,以移动科技服务医患沟通,先后开创了在线问诊、家庭医生、互联网医院、视频问诊、AI问诊等互联网医疗服务模式。截至2023年2月,春雨医生已积累1.57亿用户,超过66万公立医院执业医师入驻平台,累积服务患者超4亿人次,积累了3亿多的健康档案数据,日均问诊量超39万,客户满意度达到98%。   如今,春雨医生正在成为一家整合式数字医疗平台,智能化、一站式和有温度地为用户提供覆盖全科、个性化、全生命周期医疗健康解决方案;也让越来越多优秀医生的智慧不断延伸服务半径和积累沉淀,让越来越多的创新型优质医药与服务,合规、便捷、高性价比地提供给用户,来打造以用户为中心的整合式医疗模式。“深度连接医患,让健康触手可及”,是春雨医生始终不变的初心与使命。
技术应用 | 大模型在金融领域的应用与安全研究
AI金融助手

技术应用 | 大模型在金融领域的应用与安全研究

文 / 上交所技术有限责任公司 陈洪炎 胡跟旺 卓航星 金融领域拥有天然的大量数据积淀,为大模型在金融领域的应用提供了良好的数据基础,因此金融行业大模型相较于其他行业的垂直大模型中落地速度相对较快。同时金融领域大模型的应用场景较多,大模型有助于从不同角度提升原有从业人员及机构的工作效率。大模型在金融领域的实践需要考虑多方因素,除了大模型技术框架对现有金融业务的效率提升以外,金融业务的专业性、严谨性、安全性及合规性要求对大模型在金融领域的应用实践也提出了更加严格的风险防控措施要求。 大模型的发展与应用 1.大模型架构。大模型最早诞生于自然语言处理领域,最开始自然语言模型通过神经网络预测单词,加入注意力机制后,使单词之间建立关系而考虑整句语言的含义,从而建立Transformer架构。谷歌和微软分别针对Transformer的编码部分以及解码部分进行研究从而产生了两条技术路线,即以BERT为代表的仅用编码器部分的路线和以GPT为代表的仅用解码器部分的路线。BERT与GPT都用到了预训练范式,预训练范式是指利用大量的数据训练一个基础模型,然后在下游任务上进行一点微调就能够在相应的任务上得到很好的性能表现。通过不断叠加数据并增加模型参数规模以及优化模型的提示工程,不仅可以解决更复杂的任务,同时也拥有了更强大的文本涌现能力。仅用编码器架构的大模型擅长对文本内容进行分析、分类,包括情感分析和命名实体识别,如BERT。仅用解码器架构通常用于序列生成任务,如文本生成、机器翻译等需要生成序列的任务,如GPT。为结合编码器和解码器的优点,出现了编解码器架构如T5和GLM。为了解决仅用解码器架构时内存占用高、响应慢等问题,微软提出双解码器Decoder-Decoder新型架构YOCO(You Only Cache Once),两个解码器分为自解码器(Self-Decoder)和交叉解码器(Cross-Decoder)两部分,以此来降低内存开销,提高性能及吞吐率。 2.大模型在金融领域的应用。随着硬件能力发展,算力已满足大模型的计算要求,大模型逐渐进入公众视野,大模型应用迎来了蓬勃发展,并在媒体影视、电商、广告营销、游戏、医疗、教育及金融等各行各业中得到广泛应用。大模型浪潮爆发后,国内各企业纷纷推出自研大模型。金融领域拥有天然的大量数据积淀,从而为大模型应用提供了良好的数据基础,大型科技企业如华为推出了盘古金融大模型,蚂蚁集团发布了金融大模型AntFinGLM。 金融行业的专业性、严谨性、合规性等特点,在把大模型技术应用到金融领域面临挑战,如:通用大模型的缺乏金融专业知识,通用大模型缺乏金融情境下上下文理解能力,通用大模型无法满足金融合规及监管等要求。金融机构在应用大模型到金融业务场景的过程中,一般需要经过两个主要步骤:一是从通用大模型进一步训练调优出专业的大模型;二是以大模型为核心,结合金融专业知识库、金融专业工具库、智能体、安全合规组件等构成一个可满足金融领域安全应用要求的应用系统,来支撑在金融大模型各场景中的应用。 3.金融大模型的开发框架。通用大模型在金融领域的适配一般需要经历数据收集、数据处理、在金融语义语境中训练通用大模型、参数微调、提高复杂推理能力、优化性能、减少幻觉、模型部署、模型评测、模型应用等流程。金融大模型开发框架(见图1)大致分为5个层次,即数据层、训练层、部署层、推理层和应用层。 图1 金融大模型开发框架 (1)金融数据收集。金融数据收集包括预训练数据、金融指令和安全数据。预训练数据主要包括广泛金融背景知识、语义语境认知等金融语料。预训练数据来源广泛,数据格式多样化,一般需要支持多模态输入处理。金融指令包括金融术语、指标计算、规范等专业知识。安全数据是为了满足安全合规要求,为保证大模型输出内容符合金融安全底线,遵从金融价值观而提供的必要输入数据。 (2)微调技术。从大模型参数规模来看,大模型微调分两种技术:一是全量微调(FFT),是对模型的所有参数进行训练;二是高效参数微调(PEFT)仅对部分参数进行训练。在金融大模型训练中较常使用的是PEFT,PEFT可以解决FFT带来的问题,即:FFT的训练成本很高,一般大模型的参数量较多,FFT相当于对模型进行了一次重新训练,FFT进行全参重训之后的大模型能力可能会变更差。PEFT的目的是能够在可控成本的前提下,尽可能地提升大模型在特定领域的能力。 (3)思维链增强。思维链(Chain of Thought,CoT)是通过让大模型逐步参与将一个复杂问题分解为一步一步的子问题并依次进行求解的过程,通过构建模型来模拟人类思考过程,形成一个连贯并符合逻辑的思维过程。CoT被认为是一种开创性且最具影响力的提示工程技术。但传统的CoT一般是线性链式结构,这限制了金融大模型在处理复杂金融领域任务时的推理能力,因此需要采用思维链增加技术(见表1)来提高推理能力。 表1  思维链CoT增加技术 (4)智能体。智能体是指能够自主感知环境、做出决策并执行行动的系统。智能体具备自主性、交互性、反应性和适应性等基本特征,能够在复杂多变的环境中独立完成任务。金融领域智能体可以分为三大模块:感知、记忆和行动。感知是从外界获取信息,记忆是存储知识、处理信息并做出决策,行动是向外界反馈信息。智能体自我反思是对智能体之前的活动进行回顾性思考,以纠正之前错误认知并完善行动决策。 金融大模型安全 大模型在金融领域的实践需要考虑多方因素,除了大模型技术框架对现有金融业务的效率提升以外,金融业务的专业性、严谨性及合规要求对大模型在金融领域的应用实践也提出了更加严格的风险防控措施要求。金融大模型安全挑战主要分为内生安全及应用安全。内生安全是金融大模型在研发过程中设计的基础设施、数据、模型、算法、训练过程、部署等环节中遇到的安全风险,而应用安全是金融大模型的不合理应用、滥用或恶意使用而引入的决策失控风险。内生安全问题应由大模型研发团队关注,应用安全则需要法律法规和行业管理规范来监管和控制。 1.金融大模型内生安全。金融大模型的研发生命周期可分为数据收集处理、模型训练、模型部署和模型落地应用四个阶段。其中数据收集处理阶段主要收集、处理、储存大模型训练需要的预训练数据、安全数据和金融指令等;模型训练阶段对海量数据进行预训练、调参、对齐、构建智能体等;模型部署是将训练好的大模型适配特定的硬件资源,并尽量提高大模型的实时性和推理效率;模型落地应用是用大模型解决各种实际的金融任务。 金融大模型的内生安全风险在不同的生命周期阶段有所不同,也有部分安全风险贯穿在全研发生命周期中(见表2)。在数据收集处理阶段,潜在数据泄漏、数据投毒等风险;在模型训练阶段,潜在后门攻击、数据泄漏、数据污染、模型篡改、模型窃取攻击、AI组件漏洞等风险;在模型部署阶段潜在平台漏洞、硬件漏洞、供应链投毒等风险;在模型落地应用阶段,潜在事实性错误、隐私泄漏、提示注入、对抗攻击、内容安全、大模型滥用、伦理安全等风险。 表2  金融大模型常见内生安全风险举例详解 2.金融大模型内生安全应对。金融大模型的安全风险多种多样,既有模型内部天然具有的不安全性,如数据泄露、隐私安全等风险也有外部的恶意攻击、大模型滥用等风险。为提升金融大模型的安全性、可靠性、公平性、隐私性、可解释性和鲁棒性,需要有相应的安全应对策略。内生安全应对可以从提升数据质量、强化模型学习、减少幻觉、安全评测和提升硬件安全等几个方面进行研究,以保证金融大模型的数据安全稳定、算法可解释、模型决策可信,应用合法合规和环境安全可靠。对于外部风险主要由国家法律法规和行业管理规范来进行监管规范。金融大模型安全框架是从全局视角剖析大模型训练、生产及应用中存在的安全风险问题,为大模型的研发及应用提供安全指导,其安全目标是构建可信、可控、可解释、可溯源的金融大模型,安全框架(见表3)主要包括大模型安全管理、数据安全、模型安全、环境安全和攻防安全。 表3  金融大模型安全框架内容详解 总结与展望 当前金融大模型发展尚不成熟,面临着诸多安全隐患与风险。可以预见,随着深度学习技术的发展和研究逐渐深入,未来大模型的攻防将在动态抗衡中不断升级,金融大模型需要应对的新型安全威胁将不断涌现和升级,建立完善统一的大模型安全评估框架、探索有效的防御机制、实现金融模型安全监管和可控生成,以及促进大模型安全生态的建设等任务迫在眉睫。 (此文刊发于《金融电子化》2024年10月上半月刊)