塑造高质量发展新动能,金融当有更大作为
AI金融助手

塑造高质量发展新动能,金融当有更大作为

转自:中国银行保险报网 □《中国银行保险报》评论员 全面深化改革落子成势,高质量发展步履铿锵。 高质量发展是全面建设社会主义现代化国家的首要任务,党的二十届三中全会立足“以中国式现代化全面推进强国建设、民族复兴伟业”战略全局,执改革如椽巨笔,为推动经济高质量发展擘画了蓝图,也为新时期金融以更大作为服务高质量发展指明了方向。 全会指出,“健全推动经济高质量发展体制机制”“深化供给侧结构性改革,完善推动高质量发展激励约束机制,塑造发展新动能新优势。”金融是国民经济的血脉,是国家核心竞争力的重要组成部分。为经济社会发展提供高质量服务,既是金融业落实党中央决策部署的政治担当,也是践行金融工作的政治性、人民性的必然要求。金融系统要立足服务高质量发展首要任务,以强烈的历史担当强化改革引领、优化金融供给、提升金融服务质效,以实绩实效展现“国之大者”的使命担当。 聚焦改革引领,加快构建中国特色现代金融体系。经济高质量发展,离不开金融的强大支撑。要为高质量发展提供源源不断的金融动力,需要用好改革这个“关键一招”。通过不断深化金融体制改革,健全推动经济高质量发展的金融体制机制。要建立健全科学稳健的金融调控体系、结构合理的金融市场体系、分工协作的金融机构体系、完备有效的金融监管体系、多样化专业性的金融产品和服务体系、自主可控安全高效的金融基础设施体系,持续提高金融供给结构服务高质量发展的适应性和灵活性,全面提升金融体系适应性、竞争力和普惠性。要深入推进金融治理体系和治理能力现代化建设,提升金融业可持续发展能力,畅通“资金—资本—资产”循环,更好适应经济社会高质量发展需要。 聚焦供给优化,坚持深化金融供给侧结构性改革。深化供给侧结构性改革,通过减少无效供给、扩大有效供给,提高供给体系的适应性和灵活性,提高全要素生产率,是推动经济实现高质量发展的重要举措。金融作为市场化资源配置的重要工具和制度安排,要通过深化金融供给侧结构性改革,引导和推动整体供给侧结构性改革持续深化。要按照中央金融工作会议部署,把金融“五篇大文章”做实做细,切实加强对重大战略、重点领域和薄弱环节的优质金融服务。优化资金供给结构,提高资金使用效率,把更多金融资源用于促进科技创新、先进制造、绿色发展和中小微企业,大力支持实施创新驱动发展战略、区域协调发展战略。要进一步完善金融机构职责定位,健全服务实体经济的激励约束机制,为实体经济发展提供更高质量、更有效率的金融服务。 聚焦质效提升,持续培育高质量发展新动能新优势。发展新质生产力是推动高质量发展的内在要求和重要着力点。新质生产力已经在实践中形成并展示出对高质量发展的强劲推动力、支撑力。科技创新能够催生新产业、新模式、新动能,是发展新质生产力的核心要素。金融机构要立足职责定位,深入探索金融服务新质生产力的新路径新模式,优化科技金融服务体系,开发适配性强的金融产品,加大对关键核心技术攻关和现代化产业体系建设的金融支持,促进各类生产要素向发展新质生产力集聚。全力支持科技创新、绿色发展、新兴产业和未来产业,助推传统产业数字化、智能化转型,促进“科技—产业—金融”良性循环。 聚焦数字赋能,完善与数字经济相适应的数字金融。实体经济和数字经济深度融合,是当前我国经济高质量发展的典型特征。数字金融是与数字经济相匹配的金融形态,能够加速资金、信息、数字等要素的自由流通与有效配置,助力加快构建全国统一大市场。要加快数字金融创新,聚焦效能和安全促进数字金融发展,逐步建立与数字经济发展相适应的数字金融体系,加快推进数字化转型,提升服务质效、降低服务成本,提高金融服务便利性和竞争力,以数字金融创新数字产业化和产业数字化,巩固拓展我国数字经济优势。 海量资讯、精准解读,尽在新浪财经APP
光大期货:7月23日金融日报
AI金融助手

光大期货:7月23日金融日报

  股指:   昨日,A股市场涨跌互现,Wind全A下跌0.22%,成交额6600亿元。股指期货各指数明显分化,中证1000上涨0.11%,中证500下跌0.12%,沪深300下跌0.68%,上证50下跌0.99%。近期,央行进一步降低逆回购及LPR利率,对A股市场中长期走势影响深远。其一,在债务周期主导的去杠杆阶段,市场对于持有权益类资产的意愿偏低。我们认为,判断权益类资产底部拐点的重要指标之一是名义经济增速能否超过名义利率,使得市场投资意愿回升,资产价格企稳,进而带动权益市场风险偏好回升。名义利率的调降,毫无疑问是政策层面维护权益市场风险偏好的重要举措。其二,近两年来权益市场频繁使用未来现金流作为估值的依据之一,高股息策略持续有效;同时,高质量发展所涉及的科技创新和产业升级领域,同样是在计价企业未来的盈利能力。而调降利率可以直接拉动未来现金流的净现值上涨,带动相关板块估值中枢上移。因此,本次调降政策利率对于A股市场中长期发展的支撑作用较为明显。基差方面,IM2408基差-60.67,IC2408基差-31.58,IF2408基差-22.52,IH2408基差-9.95。   国债:   国债期货收盘全线上涨,30年期主力合约涨0.33%报109.41元,创7月以来新高;10年期主力合约涨0.27%报105.715元,盘中创历史新高;5年期主力合约涨0.21%,创近四年来历史新高;2年期主力合约涨0.08%。公开市场方面,央行昨日进行582亿元7天期逆回购操作,中标利率为1.7%,此前为1.8%。因有1290亿元逆回购到期,净回笼708亿元。银存间质押式回购利率多数下跌。1天期品种报1.6634%,跌20.12个基点;7天期报1.7184%,跌14.98个基点。7月22日,央行密集发布公告:宣布将公开市场7天期逆回购操作利率由此前的1.8%调整为1.7%。同时将公开市场7天期逆回购操作调整为固定利率、数量招标。自本月起,有出售中长期债券需求的中期借贷便利(MLF)参与机构,可申请阶段性减免MLF质押品。一年期和五年期贷款市场报价利率(LPR)分别下调10个基点至3.35%和3.85%。央行下调逆回购及LPR利率,目的是进一步加强逆周期调节,加大金融支持实体经济力度,表明积极的货币政策基调不变。降息后资金利率中枢下调至1.7%,结合此前关于临时隔夜正、逆回购利率的表述,利率走廊下、上限调整为1.5%、2.2%。央行改变逆回购的招标方式,未来逆回购操作量取决于市场需求,投放将更加灵活,资金利率运行预计更加平稳。7月MLF利率保持不变的情况下逆回购利率进行调降,同时LPR利率跟随下调。表明央行货币政策更加注重短端政策利率。LPR的报价机制由锚定MLF逐步转变为锚定7天期逆回购利率。关于减免部分MLF质押品的要求,可增加中长期债券的供给,结合央行拟在二级市场卖出债券的操作,表明央行保持正常向上倾斜的收益率曲线的目标不变。降息推动资金利率中枢下移,对中短端债券的利好更加明确,而长端债券面临央行拟卖出债券操作的约束,叠加减免部分MLF质押品的要求,下行空间有限。   贵金属:   隔夜伦敦现货黄金震荡走弱,价格下跌0.66%至2395.6美元/盎司;现货白银价格下跌1.2%至29.059美元/盎司;金银比回升至82.4附近。近期市场对“特朗普交易”从增强到减弱,金银也随之冲高回落,笔者认为压力主要来自于海外金融市场担忧出现未知风险的忧虑。一是特朗普交易引发美股科技股的大幅回调且VIX指数也出现快速回升,市场担心金融市场出现流动性风险;二是随着拜登退选并进行新提名,民主党的快速反击也势必会削弱美共和党的大幅领先优势,大选充满着较大不确定性,继而影响市场对美国未来经济前景的判断。黄金第三次创出历史新高后出现快速调整,且本轮银价表现更加弱势,这不得不令市场关注到上方的压力,结合当前宏观环境的复杂性,因此要关注本轮金价再次回到震荡区间弱势运行的可能性。
柴洪峰院士:大模型在金融领域的应用与思考
AI金融助手

柴洪峰院士:大模型在金融领域的应用与思考

本文整理自7月6日世界人工智能大会“垂直大模型重新定义知识管理”论坛上中国工程院院士、复旦大学金融科技研究院院长柴洪峰《大模型在金融领域的应用与思考》的主题分享,从金融垂直大模型的应用场景、金融垂直大模型面临的挑战与金融垂直大模型的突破点三个方面进行介绍。 金融业作为数字化和智能化的先锋,已经深入探索了垂直大模型技术与实体经济融合的多种应用场景。金融的本质是服务于实体经济,它与实体经济紧密相连,共同发展。几千年的文明史见证了文字、算法和会计记账法的诞生,这些不仅丰富了人们的知识体系,也催生了金融行业和科学的多个分支。在这个过程中,金融领域有望成为垂直大模型技术应用的前沿阵地,推动金融与科技的深度融合,为实体经济注入新的活力。 金融领域作为大模型技术应用的前沿阵地,尽管目前还处于发展初期,但其潜力巨大。金融大模型的发展可分为三个阶段:初期以人的智慧为主,中期转向机器主导,最终实现人机交互的深度融合。目前,金融业正通过需求明确、预评估、场景测试、模型训练与优化、测试上线等步骤,推动大模型技术的广泛应用,这标志着金融大模型正逐步从理论走向实践,为金融行业的智能化转型奠定基础。 金融大模型技术的应用场景 01业务支持 金融机构正借助大模型技术的力量,为研发、运营和日常办公等多个业务场景提供强有力的支持。这种技术的应用不仅显著提升了工作效率和交付成果的质量,还为员工营造了一个更加舒适和高效的工作环境。在这个环境中,员工能够更加专注于创造性工作,从而进一步提高整体的工作效率。同时,通过优化流程和减少重复性任务,金融机构还能有效降低运营成本。达观数据就推出的大模型智能写作平台,以其在服务场景中的卓越表现,荣获了上一次评审的卓越奖项,这不仅证明了大模型技术在金融领域的实际应用价值,也为整个行业树立了创新的典范。 02市场营销 在市场营销方面,大模型技术的运用正重塑金融机构与客户之间的互动方式。通过精细分析客户数据,包括交易历史、在线行为和偏好设置,这些先进的算法能够揭示深层次的消费趋势和个性化需求。金融机构利用这些洞察来定制营销策略,确保每一项推广活动都能精准触达目标客户群体。例如,通过客户行为分析,银行可以识别出潜在的理财需求,随后提供定制化的金融产品建议,从而提升客户满意度和忠诚度。此外,大模型技术还能实时优化营销信息,确保内容的相关性和吸引力,进一步增强客户体验,推动金融机构在竞争激烈的市场中保持领先地位 03客户服务 凭借出色的语义搜索能力,大模型技术已成为运维人员处理各类数据的得力助手。无论是结构化数据还是非结构化数据,它都能高效地进行分析和处理,迅速定位问题核心,极大地缩短了故障排除的时间。例如,达观数据研发的大模型智能写作平台,不仅在金融研报的初稿生成上发挥着重要作用,还在文稿解析、材料解读和文档审核等多个关键场景中展现出其卓越的性能。这种技术的应用,不仅提升了工作效率,也确保了金融报告的质量和准确性,为金融行业的数据分析和决策支持提供了强有力的支撑。 04产品运营 大模型技术的引入,为金融行业的产品运营带来了革命性的变化。它通过自动化处理繁琐的日常任务,极大地释放了人力资源,使员工能够将精力投入到更高价值的工作上。在投研、投顾、信贷等多个领域,大模型技术提供着强有力的支持。以国泰君安为例,它利用大模型技术为券商领域提供智能化的投资顾问服务,同时在信贷审批、风险评估等方面也发挥着重要作用。这种技术的应用不仅提高了工作效率,还提升了服务质量,为金融产品创新和服务优化提供了坚实的基础。 05风险管理 金融机构作为金融风险的守护者,其核心任务是风险控制,这关乎整个行业的稳定与安全。银行利用基于Transformer模型的人工智能技术,开发了先进的反欺诈应用,这些应用能够深入挖掘并识别账户中的异常交易行为,实现实时预警。它们不仅分析交易数据,还综合考虑了实体间的交互信息和时序信息,以更贴近真实的金融操作环境。此外,在合规性知识问答、法律审查以及真伪校验等关键领域,这些智能系统也展现出了其独特的价值和作用,为金融安全筑起了一道坚固的防线。 金融大模型技面临的问题: 1、金融应用规范与指南亟须完善。 2、大模型应用范式不够丰富。 3、高质量金融训练数据还欠缺。 4、训练算力知识普遍不足 大模型在金融业应用发展建议 01 加强数据治理,打造大模型的金融数据底座 在金融科技领域,大模型技术的涌现效应正推动着行业突破传统边界。目前,尽管大语言模型在涌现效应上取得了显著进展,但似乎遇到了难以逾越的“天花板”。为了实现更深层次的突破,需要在垂直领域内构建一个坚实的金融数据基础。这类似于AlphaZero或AlphaFour在特定领域内定义空间和算法的方式。通过大数据、大参数和大计算尺度的结合,可以促进知识的涌现,提高垂直领域的知识生产力。这种突破不仅需要技术的力量,还需要跨领域、跨算法的协同合作。正如上海档案局徐未晚局长在致辞中所言,档案数据的整理和利用是关键,但更重要的是如何在不同领域中找到协同效应,实现真正的突破。这不仅是技术的挑战,更是对创新思维的考验。 02以人工智能为核,开启人机共融的科学新篇章 以人工智能作为科学研究的核心,引领金融行业进入一个人机共融的新时代。金融行业通过大模型技术的交叉应用,实现了自我优化和知识涌现,推动了科学发现、技术发明和工程创造的进步。垂直大模型与知识图谱的结合,在复杂和混乱的环境中提供了可预期、可信的决策支持,同时内部的“幻觉”发现提醒专家注意那些未曾想象的可能性。这种不断的迭代和优化过程,不仅扩充了知识图谱,也实现了工程上的集成创新。正如我与陈总及其他专家在大会中讨论的,大模型在金融行业的应用,正是要实现这种集成创新,将对外服务的知识生产力和对内的科学发现结合起来,推动大模型科技在各个行业的落地和创新。 03加强管理合作,创新助推金融垂直大模型发展 管理合作创新助推金融垂直行业大模型的发展。针对工程管理组织问题,通过软硬一体、供需统筹、产学研协同,创新管理合作模式,实现人才密度、科研强度、创新速度的有效集成,推动金融大模型技术的研发与应用,加速行业智能化和数字化转型。正如本次国泰君安、燧原科技、达观数据,复旦大学金融科技研究院的四方签约合作一样,国泰君安在证券行业第一线,它提出的需求由供给方达观数据与燧原科技,硬软合作一体进行合作。复旦大学作为研究单位,不断通过供需两方产生的实际科学问题来进行科学发现。通过大家合作进行技术发明,然后共同创造。这样一种有组织的科研,使供需直接见面,直接面向场景,直接面向数据,再叠加上上海档案局徐局长那边档案语料的支持,预示着金融领域将迎来创新实践的突破,加速行业的智能化和数字化转型 在全国科技大会、国家科学技术奖励大会以及两院院士大会上,中央领导发出了明确的号召,特别强调了科技金融在国家发展中的核心地位。证券行业被赋予了先行者的使命,需要在投资策略上更加前瞻性,注重早期介入、小规模培育、长期布局以及对硬科技的重点支持。面对2035年的宏伟蓝图,我们仅剩下11年的宝贵时间。在此期间,我们必须加强科研的组织和规划,确保每一步都精准而高效,以科技创新为驱动,为实现科技强国的伟大目标贡献我们的智慧和力量。这不仅是一个行业的责任,更是我们共同的历史使命。
中证金融红利指数报6618.54点,前十大权重包含上海银行等
AI金融助手

中证金融红利指数报6618.54点,前十大权重包含上海银行等

本文源自:金融界 金融界7月22日消息,上证指数低开低走,中证金融红利指数 (金融红利,H30096)报6618.54点。 数据统计显示,中证金融红利指数近一个月上涨2.47%,近三个月上涨0.66%,年至今上涨17.54%。 据了解,中证行业红利指数系列选取各行业股息率较高的证券作为相应行业红利指数样本,采取股息率加权计算,以反映各行业股息率较高证券的整体表现。该指数以2005年12月30日为基日,以1000.0点为基点。 从指数持仓来看,中证金融红利指数十大权重分别为:交通银行(5.78%)、农业银行(5.29%)、北京银行(5.12%)、渝农商行(5.0%)、中国银行(4.81%)、工商银行(4.7%)、上海银行(4.64%)、光大银行(4.37%)、建设银行(4.31%)、中信银行(4.29%)。 从中证金融红利指数持仓的市场板块来看,上海证券交易所占比93.90%、深圳证券交易所占比6.10%。 从中证金融红利指数持仓样本的行业来看,金融占比100.00%。 资料显示,指数样本每年调整一次,样本调整实施时间为每年12月的第二个星期五的下一交易日。对样本空间分红条件设置缓冲区,即当原样本满足过去一年现金股息率大于0.5%和过去一年的日均成交金额排名位于样本空间前80%的条件时,对其豁免关于过去三年连续现金分红以及过去一年股利支付率大于0且小于1的要求。同时,设置调整比例限制,即每次调整的样本比例一般不超过20%,除非因行业属性发生变化或不满足过去一年现金股息率大于0.5%和过去一年的日均成交金额排名位于样本空间前80%的条件而被首先剔除的原样本超过20%。权重因子随样本定期调整而调整,调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前,权重因子一般固定不变。特殊情况下将对指数进行临时调整。当样本退市时,将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理,参照计算与维护细则处理。
中证500金融地产指数报2332.65点,前十大权重包含长沙银行等
AI金融助手

中证500金融地产指数报2332.65点,前十大权重包含长沙银行等

本文源自:金融界 金融界7月22日消息,上证指数低开低走,中证500金融地产指数 (500金融地产,H30256)报2332.65点。 数据统计显示,中证500金融地产指数近一个月下跌4.06%,近三个月下跌5.22%,年至今下跌7.27%。 据了解,为反映中证500指数成份中不同行业公司证券的整体表现,为投资者提供更多样化的投资标的,将中证500指数样本按中证行业分类标准进行分类,再以各自行业全部证券作为相对应行业指数的样本。该指数以2004年12月31日为基日,以1000.0点为基点。 从指数持仓来看,中证500金融地产指数十大权重分别为:渝农商行(5.41%)、东吴证券(4.02%)、常熟银行(3.81%)、财通证券(3.62%)、苏州银行(3.53%)、国金证券(3.28%)、长沙银行(3.1%)、南京证券(2.84%)、第一创业(2.83%)、西部证券(2.81%)。 从中证500金融地产指数持仓的市场板块来看,上海证券交易所占比64.94%、深圳证券交易所占比35.06%。 从中证500金融地产指数持仓样本的行业来看,金融占比88.18%、房地产占比11.82%。 资料显示,指数样本每半年调整一次,样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。权重因子随样本定期调整而调整,调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前,权重因子一般固定不变。遇临时调整时,当中证500指数调整样本时,指数样本随之进行相应调整。当样本退市时,将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理,参照计算与维护细则处理。
AI赋能 医疗、教育、文旅等产业智能化转型显成效
AI医师助手

AI赋能 医疗、教育、文旅等产业智能化转型显成效

本报记者 卢 岳 □ 王鑫坤 6月20日,国家数据局局长刘烈宏在2024世界智能产业博览会致辞中表示,当前人工智能已成为引领科技革命和产业变革的战略性新兴产业,具有溢出带动性强的“头雁”效应,“新一代人工智能技术发展的重要方向——高效赋能千行百业。” 记者看到,在人工智能推动下,数字经济已与实体经济深度融合,以智能技术为引领的AI(人工智能)产业化应用正不断深化,推动着越来越多的产业实现智能化发展。 “AI产业化应用,落地是关键!”专精特新企业高质量发展促进工程副主任袁帅表示,“如今的人工智能产业正持续拓展应用领域,向医疗、教育、文旅等领域加速渗透。” “AI助理”打造便捷医疗 据艾瑞咨询预测,AI医疗市场规模有望在2025年达到385亿元,2020-2025年CAGR(复合年均增长率)达46%。 记者看到,随着市场规模的不断扩大,AI正赋能医疗朝着更加个性化、精准化的方向发展,为消费者带来便捷、优质的服务。 以复旦大学附属妇产科医院与钉钉共同打造的AI助理“小红”为例,其主要通过学习医院的400多篇科普知识,为患者提供7×24小时全天候的专业咨询服务。用户只需通过关注复旦大学附属妇产科医院官方微信公众号,在菜单栏中点击“自助服务”选项,并选中“小红患者AI助理”,即可向其发起咨询。 记者看到,对于公众号日常推送的科普文章,用户想从中找寻特定的资料非常繁琐。如今,一个AI助理便可以帮助消费者解决这些麻烦,让知识重新发挥出价值,提升医疗机构的服务效率。 西门子医疗大中华区副总裁、临床治疗系统负责人表示,目前,医疗领域已是AI技术应用最广、成效最明显的领域之一,“AI不再只是简单地替代或优化人类的工作,而是开始真正参与到重塑医疗流程中来,AI+医疗正在进入2.0时代。” 浙江省卫健委推出的AI陪诊师“安诊儿”上线已久,至今已服务了1000多家医疗机构,每月服务量可达60万人次。除了能够为消费者解答简单的医疗问题,“安诊儿”还能参与用户问诊的全流程,为患者提供“虚拟陪诊、现实感知”的就医体验。 “每次在诊前,通过描述自己的症状,‘安诊儿’能够为我匹配对应的科室和医生,进行预约挂号;在诊中,‘安诊儿’也能够合理安排就诊流程,提供智能导航、叫号提醒及医保缴费等功能,非常节省时间;在就诊后,即便离开医院,我也能从‘安诊儿’处使用电子病历、处方和报告查询等服务。”73岁的王长明告诉记者。 AI、教育融合创建智慧课堂 在第33届北京教育装备展示会上,有着一间“特殊”的智慧教室。其中,教室解决方案、AI教学督导巡课方案、AI师范生微格实训方案及AI板书摄像机、AI抠像微课等新产品惊艳亮相,吸引了众多现场观众驻足围观。 “过去十多年间,中小学科技教育的关注和投入与科技热点的兴起呈现出显著正相关关系。在当前AI蓬勃发展的背景下,我国中小学人工智能教育正在稳步推进中。” 中国人工智能学会副理事长孙富春说道。 近日,教育部公布了184个中小学人工智能教育基地,北京市6所中小学入选基地校名单。可以看到,编撰AI基地校名单的背后,是旨在通过试点,深入探索人工智能与教育相结合的新模式。 早在2017年国务院发布的《新一代人工智能发展规划》中就已经提出,应实施全民智能教育项目,在中小学阶段设置人工智能相关课程;2022年,教育部更是明确“将人工智能作为课程内容”写入《义务教育信息科技课程标准》。 正因如此,如今我们能看到这样一番景象:外语课上,数字翻译软件会实时切换各种语言进行发音教学;数学课上,智能分析系统能根据学生的解题步骤分析其知识短板;体育课上,智能机器人可自主帮助学生完成体能测试并提供运动数据的全面分析……AI已与传统课堂深度融合,在最大化教学资源的同时,也能改变传统的教学模式。 据了解,“数字老师”是一种以教师形象仿真模拟出的虚拟数字人,学生可以利用课余时间通过手机、平板或电脑登录实现交互式答疑辅学。据悉,已有部分院校采用了此类技术,以求满足学生个性化的学习和答疑诉求。 “可以预见到,未来几年,AI在教育领域所体现出的认知、专业水平,可与高校教授、博士、研究生等比肩。”北京智源人工智能研究院理事长黄铁军表示。 “AI大模型”推动文旅加速数字化转型 随着人工智能技术的快速发展,大模型、元宇宙等高新技术逐步“跨界”融合文旅行业,以AI技术为核心的现代化旅游体系正在加速形成。 在此过程中,思考如何通过技术赋能文旅产业、激发崭新业态,成为诸多企业不断探索的原动力。 先前,携程集团便取得了阶段性成果——发布了首个旅游行业垂直大模型“携程问道”,为消费者提供可靠的内容、放心的推荐。在携程集团董事局主席梁建章看来,消费者花费海量时间整理出的攻略,即便酒店或者行程只有5%的几率是错的,也可能得不偿失。这意味着,让答案变得可靠可以成为垂直大模型之于旅游存在的意义。记者调查发现,“携程问道”能在算法的基础上对酒店、景点、行程等常用主题推荐进行人工校验并形成“携程口碑榜”。 除此之外,具体到细节规划层面,“携程问道”也可作为智能客服为消费者提供建议。例如,消费者可借助其语音咨询版块详细了解哪里适合暑期游玩、线路应当如何设计、携带哪些生活用品等问题,大大缩短制定攻略的时间。 携程集团数据显示,在AI大模型的助力下,其包括线上自助回复率、邮件自助回复率和电话语音自助解决率在内的多项数据都得以翻倍提升。记者了解到,“携程问道”可为携程客服日均节约近10000小时的工作时间,相当于日均解放超1000名客服人员。 资深人工智能专家郭涛在接受记者采访时表示:“以‘携程问道’为代表的AI大模型能够为旅游行业的发展格局带来十分积极的影响,有望在一定程度上推动旅游行业数字化转型,促进行业良性竞争,优化旅游服务流程,提升服务效率和质量,并最终推动旅游行业的创新和高质量发展。” 来源: 消费日报
读书 | 不仅要懂法,还要懂AI
AI律师助手

读书 | 不仅要懂法,还要懂AI

图源:视觉中国 太田胜造教授被誉为日本人工智能法学研究领域的奠基人,他的学术贡献在全球法学界广受赞誉。《AI时代的法学入门:跨学科视角》是以太田胜造为首的跨文理学科研究团队专为在AI时代成长的法学院新生编写的法学入门书。 阅读这本书之前,需要对日本的人工智能法学有初步了解。日本的人工智能法学有两大支柱,分别是”通过人工智能支撑法学研究”(Law by Al)和”通过法律控制人工智能”(Law of Al)。Law by AI着眼于利用AI技术支持法学研究和法律实践的发展。例如,AI技术为法学研究提供了更高效、准确的研究工具,加速了信息获取和文献研究的过程。在法律实践领域,AI技术已经广泛用于自动化繁琐的法律文件撰写、法条检索以及判例分析等任务。近年来,AI审判、智能量刑预测系统等的运用更是引发广泛讨论。这些都是关于Law by AI的探索与实践。而随着AI在法学中的广泛应用,从法律伦理角度对其进行规制也变得更为迫切。Law of AI的核心议题便是探讨如何在法学领域平衡AI技术的利弊,以及确保其在法治框架下合法、公正的运用。 可见,人工职能法学是人工智能技术和法学理论交叉的学科领域,是跨文理学科的新研究范式。对该学科领域的研究,不仅要懂”法”,还要懂”技术”。然而,接受传统法学教育成长起来的法律职业群体在AI时代颇显得有些”捉襟见肘”。一方面,Law by AI的迅猛发展引发了他们对自身是否会沦为AI时代下潜在的失业群体的担忧;另一方面,对AI技术”一窍不通”的他们,目前尚无力针对AI技术的发展,建立起一套事前预防、事中控制、事后救济三位一体的Law of AI体系。为破除这一局面,亟需变革传统的法学教育,培养文理兼修、面向人工智能时代的数字法治人才。而当务之急,是创造条件,让在AI时代成长起来的法学院新生们能够接触到人工智能法学所涉及的不同学科领域的”基础知识”。这本书便是日本人工智能法学研究的先驱们致力于变革传统法学教育的首次尝试。诚如太田教授在本书结束语中提到的,这一雄心勃勃的计划能有多成功,只能交由各位读者自行评判,但无论成功与否,都希望本书出版以后,将有更多的跨文理学科的研究团队能够反复进行这种尝试。 这本书是日本首部专为AI时代编写的法学入门书,其显著特点在于全书语言平实,而且每章开篇都巧妙设置了小剧场和思考题。这样的设计更有助于那些初次接触跨学科研究的法学新生们逐步深入地理解本书。在内容方面,依拙见,本书囊括了人工智能法学关心的三大议题:第一大议题聚焦于社会与法学之间的协同进化。太田教授对传统法学研究范式的批判为人工智能法学在新时代的崛起创造了机会,使得法学界和法学生们能够更好地理解法学在AI时代的定位。毋庸讳言,重视比较法、具有个案倾向、语言操作倾向的传统法学,与具有强大的外语翻译能力、检索能力、自动撰写能力的人工智能法学相比,明显处于劣势。传统法学研究范式需要在法律系统外寻求智识支援,才能避免被时代所抛弃。第二大议题着眼于涉及Law by AI的基础知识。大体上看,第一章和第三章讲解了法的解释适用和决策过程,从而引发对这些”法律工作”可能被AI技术替代的思考。第六章和第七章则介绍了AI技术在法学领域的具体运用。第三大议题落脚于Law of AI体系的建立。第四章和第五章分别讲解了”法”是如何规制社会,以及AI时代下现有法秩序面临的新挑战。第八章从信息刑法的视角介绍了当前法学研究对AI技术引发的法律风险的应对。 《AI时代的法学入门:跨学科视角》一书成功地突破了传统法学的边界,为读者描绘了一个跨学科且充满创新性的法学未来。在AI时代,这本书不仅是一部重要的法学入门书,更是对法学领域未来发展方向的引导。 《AI时代的法学入门∶跨学科视角》 [日]太田胜造 编著 林偶之 译 上海人民出版社出版   作者:林偶之 文:林偶之 编辑:金久超 责任编辑:朱自奋 转载此文请注明出处。
中证1000金融指数报3297.32点,前十大权重包含紫金银行等
AI金融助手

中证1000金融指数报3297.32点,前十大权重包含紫金银行等

本文源自:金融界 金融界7月22日消息,上证指数低开低走,中证1000金融指数 (1000金融,H30445)报3297.32点。 数据统计显示,中证1000金融指数近一个月下跌3.71%,近三个月下跌6.42%,年至今下跌13.28%。 据了解,中证1000指数行业指数系列从每个行业内选取流动性和市场代表性较好的证券作为指数样本,形成10条中证1000行业指数,为投资者提供更多样化的投资标的。该指数以2004年12月31日为基日,以1000.0点为基点。 从指数持仓来看,中证1000金融指数十大权重分别为:太平洋(12.66%)、渤海租赁(6.86%)、中原证券(5.66%)、江阴银行(5.45%)、无锡银行(5.33%)、东北证券(4.71%)、紫金银行(4.33%)、浙江东方(4.14%)、苏农银行(4.12%)、厦门银行(4.07%)。 从中证1000金融指数持仓的市场板块来看,上海证券交易所占比60.90%、深圳证券交易所占比39.10%。 从中证1000金融指数持仓样本的行业来看,金融占比100.00%。 资料显示,指数样本每半年调整一次,样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。特殊情况下将对指数进行临时调整。当样本退市时,将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理,参照计算与维护细则处理。当中证1000指数调整样本时,中证1000行业指数样本随之进行相应调整。在样本有特殊事件发生,导致其行业归属发生变更时,将对中证1000行业指数样本进行相应调整。
AI陪伴非得擦边吗?Character.AI的内容审查和增长焦虑
AI情感助手

AI陪伴非得擦边吗?Character.AI的内容审查和增长焦虑

Character.Ai一直占据AI陪伴赛道的首位。相较于openai的工具属性,陪伴多了情感和娱乐的功能,因此比openai拥有更长的停留时间。对于投资公司来说,更关心投资的AI公司能否成为下一级的流量入口。陪伴听起来没有大模型更有想象力。因此当Character.Ai始终强调自己的陪伴属性时,minmax吸收了其经验,一直宣传自己是大模型公司,还有B端定制化bots业务等等,提升投资人的预期。从受众人群来看,女性比例更多(与openai相比),18-24岁是主要人群。在流量来源上,两者类似,两者都在彼此领域处于领导者地位,因此大部分都是直接访问和自然搜索进入的流量。在社交流量来源这一块,YouTube是最多的,跟之前聊到kimi投B站的逻辑也比较类似,YouTube上的用户也更加成熟,消费力更好。在营销费用这块上,确实比较难区分到底是付费还是up主的自发行为。让我们打开领英,看看有没有相关的营销岗位。结论是有的,即便是自带流量的领导者,也需要营销,只是很难看出来付费和免费的比例。但既然做了产品,白嫖还是比较难的。This role will establish our digital marketing discipline at OpenAI, and stand up search engine optimization (SEO), web experiments and A/B testing, conversion rate optimization (CRO), and performance marketing and demand generation pilots. You’ll be essential in incubating these practices and scoping the infrastructure, experiments, measurement,...
从炒菜到缝针!斯坦福炒虾团队打造自主「AI达芬奇」,苦练神指当外科医生
AI医师助手

从炒菜到缝针!斯坦福炒虾团队打造自主「AI达芬奇」,苦练神指当外科医生

新智元报道 编辑:编辑部 【新智元导读】斯坦福炒虾机器人作者,又出新作了!通过模仿学习,达芬奇机器人学会了自己做「手术」——提起组织、拾取针头、缝合打结。最重要的是,以上动作全部都是它自主完成的。 斯坦福炒虾机器人作者,又出新作了。 这次,机器人不是给我们炒饭了,而是给我们做外科手术! 最近,约翰霍普金斯和斯坦福大学的研究者们,进行了一项新的探索—— 著名的医疗机器人达芬奇,是否可以通过模仿学习,来学习外科手术的操作任务呢? 经过实验后,他们成功了! 组织操作、针头处理和打结这三项基本的手术任务,达芬奇都可以自己独立完成了。 首先是需要医学生苦练指法的缝合打结技术,只见达芬奇「飞针走线」,很熟练地就可以把结打好: 接下来是针的拾取和移交,达芬奇也能够一次精准操作,动作绝无拖泥带水。 第三大任务是提起组织,可以看到达芬奇选择了正确着力点,轻松提起了组织。 最重要的是,以上动作全部都是达芬奇自主完成的! 翻开研究作者一栏,赫然出现了炒虾机器人的作者Tony Zhao和Chelsea Finn。 果然,这种程度的精细操作,怎么看都有一股熟悉的味道。 论文地址:https://arxiv.org/abs/2407.12998 博客地址:https://surgical-robot-transformer.github.io/ 要知道,跟家庭环境中的桌面操作相比,手术任务需要精确操纵可变形物体,还要面对不一致的照明和遮挡的硬感知问题。 另外,手术机器人通常可能还有不准确的本体感觉和迟滞。 这些问题,他们都是如何克服的? 大型临床数据存储库,机器人可以学习了 大规模模仿学习,在操作任务的通用系统上显示出了巨大的前景,比如让机器人给我们做家务。 不过这次研究者们盯上的,是外科领域。 外科领域是一个尚未开发、潜力巨大的领域,尤其是在达芬奇手术机器人的加持之下。 截止2021年,全球已经有67个国家使用了6500套达芬奇系统,进行了超过1000万例手术。 而且,这些手术的过程都被全程记录了下来,从而让我们有了大量的演示数据存储库。 如此大规模的数据,能否利用起来,构建一个自主手术的通才系统? 然而,当研究者们下手研究时却发现:让达芬奇机器人通过模仿学习来做外科手术,存在一个难点—— 由于达芬奇系统本身的特殊性,就导致了独特的挑战,阻碍了模仿学习的实施。 右上是真实的医疗环境,右下是研究人员的实验设置 而且,由于联合测量不精确,其正向运动学就会不一致,如果只是简单地使用这种近似运动学数据训练一个策略,通常会导致任务的失败。 很简单的视觉伺服任务,机器人也无法执行。训练输出绝对末端执行器姿势的策略(这是训练机器人策略的常用方法),在所有任务中的成功率都接近于0。 怎样克服这种限制? 团队发现,达芬奇系统的相对运动,比它的绝对正向运动学更加一致。 因此,他们想到一个办法:引入一种相对动作公式,使用它的近似运动学数据,来进行策略训练和部署。 他们考虑了以下三个选项:以相机为中心、以工具为中心和混合相关操作。 以相机为中心的动作表示是一种基线方法,它将动作建模为末端执行器相对于内窥镜尖端的绝对姿势。另外两个是定义相对于当前工具(即末端执行器)框架或内窥镜尖端框架的动作的相对公式 然后,使用图像作为输入和上述动作表示,来训练策略。 这一点,他们的做法跟此前的工作不一样,后者会使用运动学数据作为输入,然而在这项工作中,达芬奇的运动学数据可能并不可靠。 他们的模型基于ACT,一种基于Transformer的架构。 团队提出了一种策略设计,仅将图形作为输入,并输出相对姿态轨迹 如果这种方法成功,那么包含近似运动学的大型临床数据存储库,就可以直接用于机器人学习,而无需进一步校正了。 这对于机器人的临床手术操作,无疑意义重大。 果然,在引入相对动作公式后,团队便利用近似运动学数据,在达芬奇上成功地演示了模仿学习,不仅不需要进一步的运动学矫正,而且效果也大大优于基线方法。...