价格免费付费会员免费会员折扣永久会员免费
发布日期更新日期评论数量随机展示热度排行
AI金融助理来了！蚂蚁集团官宣
AI金融助手

AI金融助理来了！蚂蚁集团官宣

点击蓝字 ╱ 关注我们 BBT FINTECH 4月11日，北京商报记者注意到，蚂蚁集团的“AI金融助理”支小宝2.0版本已经处于对外测试阶段，当前在支付宝APP的蚂蚁财富和蚂蚁保频道内，均能唤起支小宝服务，支持文字和语音问答。 北京商报记者测试发现，支小宝定位于解答基金、保险等金融垂直领域的专业问题，可基于用户的理财、保险产品持有情况，提供包括理财持仓分析、市场行情解读，以及保险智能核保、智能理赔等实用工具。例如，当询问某只基金时，支小宝能够提供全面的产品数据，并提示规模和基金经理变动等风险。 图片来源：支付宝 蚂蚁财富公布的数据显示，支小宝深度服务过的用户相比未服务过的用户，资产配置的合理程度高出5%，用户频繁交易的比例下降60%。另根据支小宝一季度的问答数据，2024年以来，新版支小宝共解答了用户手动输入的845万个理财和保险问题，相应问题解答的用户采纳率较前一版本均提升20%左右。 随着大模型在金融领域的广泛应用，国内AIGC（生成式人工智能）已开始试水医疗、交通等垂直领域，据介绍，支小宝是金融领域首个实现规模化对客的AI应用。浙江大学金融研究院副院长章华分析指出，垂直领域专业门槛、合规水位等都较高，AIGC在这些领域需要更强的知识数据、逻辑能力和技术能力。而一旦成功应用，就会显著降低这些产业的服务门槛，提升用户体验。 文 / 北京商报记者 廖蒙往期精彩回顾 收单市场暗流涌动：支付机构忙整改，外包商忙推销套现 现金贷海外淘金记 蚂蚁腾讯百亿罚单背后， 平台企业离上市还有多远？ 点个“在看”每天收到最新资讯！
0
AI医疗革命：2025年全球市场规模将突破1270亿美元，中国赛道加速
AI医师助手

AI医疗革命：2025年全球市场规模将突破1270亿美元，中国赛道加速

本文源自:金融界 人工智能正在深刻改变医疗行业的面貌，为患者带来前所未有的便利和高效服务。随着技术的不断突破和应用场景的持续拓展，”AI+医疗”已驶入发展快车道，正在掀起一场席卷全球的医疗革命。 AI赋能医疗服务，提升诊疗效率 在医疗服务领域，AI技术的应用正在显著提升诊疗效率和患者体验。以上海市第一人民医院为例，该院引入的AI陪诊师”公济小壹”能够全流程指导患者就医，从预约挂号到报告查询，实现了”一站式”服务。这不仅大大简化了就医流程，还特别适合不熟悉线上操作的老年患者。上海市第一人民医院副院长孙晓东表示，医院还引入蚂蚁百灵大模型辅助医生书写电子病历，显著提高了工作效率和病历生成的准确率。AI+医疗正在成为提升医疗服务质量的关键推手。 数据安全与隐私保护成为AI医疗发展的重中之重 随着AI技术在医疗领域的深度应用，数据安全和隐私保护问题也日益凸显。蚂蚁集团大模型应用部总经理顾进杰指出，AI在医疗领域的应用对数据、算法、算力以及可靠性、安全性和隐私保护等方面提出了更高要求。为此，支付宝推出了”医疗可信一体机+可信云”解决方案，通过密态计算与存储技术保障数据隐私和安全。这一方案不仅解决了医院算力不足的问题，还通过公有云与专有云部署密态推理，有效保护了患者数据隐私和医院商业机密。AI+医疗的发展，必须建立在坚实的数据安全基础之上。 从新闻中可以看出，AI+医疗正在以惊人的速度发展，并在多个领域取得了显著成效。IDC预计，到2025年，全球人工智能应用市场总值将达1270亿美元，其中医疗行业占比高达五分之一。面对如此广阔的市场前景，我国政府和企业正在积极布局，力争在这场全球AI医疗革命中占据领先地位。未来，AI+医疗有望像”扫码支付”一样，成为惠及每个人的普及性技术，为我们带来更智能、更高效、更人性化的医疗服务体验。
0
法律领域人工智能飞速发展，律师会失业吗？
AI律师助手

法律领域人工智能飞速发展，律师会失业吗？

自从ChatGPT发布以来，网络上就一直在讨论，哪些行业可能会被人工智能所取代，去年七月，北大团队开发出了法律大模型产品ChatLaw，通过给系统喂入大量的法律条文、判决文书等，使它可以提供法律文书写作、法律咨询服务等功能，于是有网友问，律师这个职业会不会被AI取代？ 我个人的观点是，就目前人工智能成果运用的现状来说，不管是律师，还是其他行业，都没人会承认受到了人工智能的影响，因为从这两年来看，确实没什么影响。 网络上许多人天天讨论ChatGPT如何改变生活，但对于普通老百姓来说，有几个人懂什么GPT，他们对人工智能可能有点直观认识的，就是抖音上AI变脸小功能，说实话，那些东西并不能影响什么生活。当普通民众的生活没有因为人工智能产生明显变化时，各行各业就不会因为人工智能受到多大的影响，因为各行各业最终的受众都是人，而且是数量最大的普通老百姓。 律师这个行业要受影响，除非是人工智能在法律领域有非常多的贴近人民群众的应用成果，才有可能。 北大的AI法律大模型确实牛逼，而且我认为今后的运用前景也是肉眼可见的，但是，就目前而言，它还没有进入到普通人的生活。 现状是普通老百姓仍然缺乏基本的法律常识，遇到纠纷时由于没有获得便捷的、低价的法律咨询服务的渠道，所以依法维权对于他们来说仍然有些“奢侈”。 如果有一天，我想打个官司，直接在手机上讲明缘由，系统就能帮我分析法律关系，测算胜诉率，列出操作步骤，分分钟给我导出诉状，甚至是结合今后法院系统的智能化改革，比如线上法庭的成立，我通过手机也许就能完成打一个官司的全部流程，那我还要去听某些一肚子坏水的律师的“忽悠”吗？ 律师代理官司赚钱，喜欢的是人傻钱多的雇主，就像有网友说，律师的竞争力在于销售能力，销售实际就是主打一个信息不对称。 如果人工智能能够一定程度上解决掉法律范畴内的信息不对称，恐怕律师这个行业要“洗牌”了。 前年ChatGPT出来之后发生过一件有趣的事，美国科幻杂志《克拉克世界》编辑部关闭了投稿通道，理由是收到的稿件大多由机器生成，甄别起来有难度。人工智能的可怕之处在于，如果有海量数据不停地喂进去，同时不断地修正它的逻辑，它完全可以比一个真人做得更好。 去年今年以来，趁着ChatGPT的风，网上出现了大量AI生成的艺术作品、摄影作品，有一说一，也许它们还有许多瑕疵，但是所节约的时间成本和人力成本，将会是颠覆性的。 只不过，人工智能真的要颠覆某个行业，首先是要人工智能的成果可以融入到普通民众日常生活中，就目前而言，还做不到，特别是律师行业。 有人说，律师提供服务是需要承担相应的法律责任的，但AI没法承担责任，这是典型的错误，首先，利用AI来打官司，不是你在网上随便下一个破解版的AI大模型或者翻墙用一个ChatGPT来给你完成这些程序，任何最终市场化的AI成果，都将是由企业开发运营，它自然就会有责任主体，它向你提供了人工智能法律服务，你是需要向它支付费用的，你和它之间是合同关系，它自然要承担责任。 比如北大的法律大模型，今后应该会以终端的形式，惠及到普通人，但是这种软件大概不会是免费的，比如写诉状，应该是会收费，只不过它的收费一定远低于律师给你写诉状的费用，即便是不低，很多人可能也会更愿意选择人工智能，它可以减少人为带来的不确定风险。 有人认为，法律是人类最后的底线，不能交给AI，这种观点自然是没错的，但是我们应该承认AI可以极大降低我们法治成本这个事实。 法律是兜底的，但在兜底的法律之内，仍然也可以分出先后和轻重，比如现在的“溯源治理”工作，就是在一定范围内，对于一些争议不大的纠纷采取调解的方式来办结，包括庭前调解简易程序，都是在法律框架之内，减轻法院人力成本的方式。 溯源治理工作如果做得好，就会减少社会对律师的需求，同样的，如果人工智能能在双方对簿公堂前就完成简易程序，自然也可以减少法律咨询、法律援助方面的人力需求。 有人说，打官司是存在随机性、考验律师个人能力的，所以AI不能替代，这个观点是可笑的。我们颁布法律的初衷，是为了维护社会公平，通过科技、智能手段，不是更能排除因律师个人能力、职业道德导致的判决有失公平的情况吗？ 律师制度本来就是不公平的，对簿公堂的双方并非都有同样的机会聘请同等水平的律师，所以打官司就是律师、法官通过原始的基于人的判断，来决定法律责任，这存在太多“人治”的风险。 说白了，律师收钱办事，你给的钱越多，就能请到能力越强的律师，甚至是你势力越大，你可以买通法官，最终使法律为你服务。这样的话，在AI法律模型和法官律师人治之间，我可能更愿意选前者。 当然了，就目前而言，再给十年八年，律师都不会受到AI的太大影响，但十年二十年以后，还真不好说。 我们确实希望人工智能在法律领域能有更多的惠及大众的运用成果，不管是国家司法机关的科技化、智能化革新，还是法律大模型的市场化运行，都共同来推动我们的法治化进程。
2
金融GPT与套利空间
AI金融助手

金融GPT与套利空间

这几天，金融FinGPT进入了GitHub排行榜。 项目核心成员，是几个华人留学生，从2022年就开始折腾金融方面的项目。 我们团队内部也在讨论，重新激活TOP极宽量化项目的可能。 毕竟，TOP极宽是国内AI智能量化的开拓者和启蒙人，《Python量化三部曲》，目前依然是国内唯一的系统化Python量化专著，不少大学依然在作为量化教学课件： 入门：pandas数据分析，量化策略，talib金融指标， 进阶：backtrader量化软件，skleanr机器学习，可视化分析 高阶：AI神经网络与量化 特别是高端《AI神经网络与量化 》，jd，tb基本上80%图书，目前还是TOP极宽团队5-6年前的作品。 参见：依然是顶流#2：零起点python量化三部曲 今天，和finGPT群网友互动，主要是探讨GPT，量化与AI套利空间。 网络沟通，有些乱，摘录如下： 字王zw: 理论上finGPT挺难盈利，特别是稳定盈利，个别周期盈利的策略，和架构，没有实际意义。 原因很多，其中主要有： 金融套利空间很低，外汇一般是100x，1000x杠杆，盈利空间在万分之一。ai模型，特别是GPT置信空间一般是95%，差n个数量级。 另外一个，很多人没有认识到的就是，所有的金融模型，包括传统量化，数据源都是不精准的 。 ai模型,GPT大模型，都是通过喂数据优化模型。如果数据源，meta元数据，起源就是错误的,模型肯定有问题,特别是高精度应用场景。这个也是ai模型为什么，目前主要用于图像，文本等容错高的领域。 网友：BloombergGPT这个模型准不准？这个是收费的 字王zw:理论上，目前没有准的策略和AI套利模型 。有网友说，如果准，openAI就无需融资了，同样，如果准，两个稳定盈利， BloombergGPT就无需收费了。 字王zw:稳定盈利，至少需要51% 套利空间 ，这个也是我一直说的“足彩图灵法则”，3选1都不盈利，其他更加。 网友：只能走情绪 字王zw: 情绪，语义，10年前MIT就做过tw，谷歌的测试，github有遗留项目。没有价值，垃圾信息太多。数据精度，套利空间也不够 关于ohlc数据源 字王zw: ohlc数据源， 看起来精确，包括min分时，可这个数据是时间节点起始，结束数据，realwordl真实数据是连续的。 用离散空间，模拟连续空间，本身就漏洞百出 小数据理论 字王zw: 我们足彩测试过，四大庄家数据比500家全数据模型准确，所以我们提出了“小数据理论”。 网友: 连续空间是什么？ 字王zw: ohlc开盘价，收盘价，只是：早上9点到下午4点，交易时间节点的切片数据。 而交易是连续的，你用9点，16点的数据，预测11点的结果，是不是有很多缺失。 当然，你可以说用分时 甚至tick数据。 理论上最好的是lv1，lv2等实盘数据，问题是这个数据，全世界都没有，分散在各个交易所。 就是有，也是不真实的，大家应该知道“冰山委托”等交易手段，本身order交易数据，就是人为设置的虚假数据，是一种欺诈交易策略。 网友: 不用高频交易，就看收盘价，忽略波动就好了 字王zw: 你用close数据节点，问题是 ，已经close了，如何交易，这个哲学上是悖论。 当然可以高频倒数1分钟，现在很多open，close交易策略，大家都close，就全部over。 如果你在寻找一个伟大的项目，AGM就是。 AGM阿格姆：AI权重粒子模型，无论是工程项目，还有相关的理论体系，有大量的工作，需要大家补充完善。 想刷高分paper，以及在GPT时代，寻找市场机会的llm创业团队，尽管放马过来。...
0
“AI+”医疗走进日常——2024龙岗企业服务大会观察之五
AI医师助手

“AI+”医疗走进日常——2024龙岗企业服务大会观察之五

“智慧静脉药物配置中心可以增强职业防护、提高工作效率、降低劳动强度，确保精准可靠。智慧内镜中心可以通过智能识别完成术前检查，减少60%以上的术前医患沟通量；其中洗消机器人可以将单个内镜清洗效率提升30%-50%，单人工作效率提升5-8倍。”说起公司的两款核心产品，深圳市博为医疗机器人有限公司创始人兼总经理靳海洋滔滔不绝。 靳海洋受邀参加了7月11日召开的龙岗区2024企业服务大会，其公司的智慧静配中心被列入龙岗区2024年第一批场景能力清单。 会上，龙岗区首次发布一批场景机会清单（共60个）、场景能力清单（共90个），以及深圳市线上工业技术研究院科技成果平台供需清单，还出台了《龙岗区“我帮企业搭场景”专项行动工作方案（2024-2025年）》，旨在为企业、人才挖掘供给场景机会，征集梳理企业、人才场景能力（也就是企业新技术、新产品、新方案），组织开展场景供需对接，推动促进新技术、新产品、新方案落地。 “家门口”的智慧医疗应用场景越来越多了 智慧医疗是首批场景清单的重要应用领域之一。场景机会清单中，包括医疗大模型创新应用、人工智能赋能医疗影像创新应用、智见AI眼镜辅助视障人士生活、手术机器人、建设生命科学创新中心等5个机会；场景能力则涵盖医疗大模型、智慧静配中心、泌尿外科手术微创解决方案、医用信息管理系统、数字病理切片AI辅助诊断、病理诊断—数字病理切片AI辅助诊断平台等，共录入6个。 智慧静配中心整体方案 深圳市博为医疗机器人有限公司的智慧静配中心解决方案，以静脉药物调配机器人为核心，整合贴签机、分拣机器人、医用清洗机等前后端配套产品，配合管理系统，实现静脉药物调配工作的自动化、信息化和智能化管理。 “治疗血癌的常用药中含有砒霜成分，长期接触将带来较大的职业伤害；肿瘤药的用量需要根据患者身高体重等详细计算，对精度要求非常高。因此，一旦出现精神状态不佳、疲劳、经验技巧欠缺等人为因素，可能给患者带来较大伤害，而通过人工智能可以使调配过程更规范、精准、可控。”靳海洋表示。 同样表现出色的智慧内镜解决方案，以临床需求为导向、梳理内镜中心全过程，设计应用场景，嵌入智慧内镜中心患者管理平台、智慧内镜洗消平台、智能内镜管理系统等多种创新智慧手段，实现了多个最费人费力环节的智慧化替代。 “有的医院预约手术要排到几个月后，主要是因为‘人等镜’，运用智慧化解决方案后，可以大大缩短等待时间，让患者尽早接受治疗、恢复健康。”靳海洋表示，通过智能产品尽可能多地解放人力，可以让医院的医护人员和仪器设备更大程度发挥治病救人的核心职能。 据了解，博为医疗机器人公司已加快在龙岗落地智慧医疗解决方案的步伐。该公司已与龙岗中心医院合作开展某智能化评估平台项目，同时与区内新建及改造医院达成合作意向。而龙岗区第一批场景清单的发布，也将助力该公司实现更精准、高效的供需匹配对接，赋能新市场开拓。 华佗GPT导诊服务 而在龙岗区另一个三甲医院——龙岗区人民医院，国内首个应用华佗GPT技术的智能导诊系统于今年3月落地，曾引发轰动。该系统由香港中文大学（深圳）和深圳市大数据研究院联合研发，可根据患者的具体病情，针对性地提供健康咨询和问诊服务，导诊精准度达到95%以上。 “家门口”的智慧医疗应用场景越来越多了，未来将有越来越多的龙岗人受益于医疗领域各类型各环节的智慧解决方案。 打造“全领域、全区域、全流程”场景应用创新 此次龙岗区“我帮企业搭场景”专项行动工作方案及清单发布，重点围绕“全领域、全区域、全流程”开展场景应用创新，力争一年内落地不少于10个具有示范性和重要影响力的标杆场景，两年内落地不少于100个具有创新性的应用场景，每年为不少于1000家次企业开展场景对接。 围绕“全领域场景开放”，龙岗区结合产业优势与发展规划，开放了智能驾驶、全身智能、全屋智能、低空经济、“AI+服务”等18个重点领域。 聚焦“全区域场景应用”，龙岗将在大运中心、天安云谷、国际低碳城、大芬油画村、甘坑古镇等16个区域提供创新应用场地，吸引各类前沿技术和创新产品在龙岗首试首用。 提供“全流程场景服务”，继首次发布清单之后，龙岗区企业服务中心将每季度梳理一批场景机会、场景能力清单并对外公开发布，“1+8+11”专属服务组将每月组织场景供需对接会。区企业服务中心将与各行业、属地工作组一起，形成从清单挖掘到供需对接、应用落地、市场拓展的全流程服务。 “通过政府搭建平台，面向全社会征集企业场景能力，围绕企业场景能力，主动挖掘可提供试验测试、产品验证、示范推广的场景机会，让‘能力’与‘机会’实现双向奔赴。”龙岗区副区长平原表示。 目前，龙岗区“我帮企业搭场景”工作已迅速铺开。水务部门工作人员在服务企业过程中发现，当前的污水处理厂存在清洗工作压力大、曝气系统易堵塞、人工投料不精准等问题，影响污水处理效率和质量。挂点干部了解后，马上将其列入了应用场景的需求清单，广泛寻求解决方案。 随着龙岗区“我帮企业搭场景”专项行动的持续深入，未来，借助深i企、龙i企以及线上工研院“线上撮合+线下服务”政产学研用平台，将推动更多科技成果、科研团队、技术需求、政策服务等多层次资源汇聚龙岗，助力企业技术需求和科研院所科技成果实现精准对接，提高科技成果转化率，助力辖区企业创新高质量发展，培育壮大新质生产力。 文、图｜程泉
0
CIO分享：漫长的医疗行业数字化之路得到了AI的推动
AI医师助手

CIO分享：漫长的医疗行业数字化之路得到了AI的推动

美国宾夕法尼亚大学健康系统在宾夕法尼亚医学生物库中拥有大量匿名患者数据，高级副总裁兼首席信息官Michael Restuccia的团队看到了利用这些数据造福研究医院患者的机会。 “我们讨论了如何利用AI研究中的一些创新技术并将其部署到诊所中，”他说。这促使他们创建了一种基于AI的诊断工具，这种工具可以自动评估典型腹部CT扫描生成的500多张图像，帮助早期诊断脂肪肝，一种常见的脂肪肝疾病。此类系统还可以帮助确定放射科医生应首先检查哪些扫描的优先级。 美国宾夕法尼亚大学佩雷尔曼医学院的医生、教授兼放射学副主任Charles Kahn补充说，能够获取有关人群的信息并了解个体与其他人群的不同之处，通过及早发现病情进行干预。“这就是精准医疗，这只是我们可以做的事情的一个原型。” 美国宾夕法尼亚大学正在打破医疗数字化的界限。斯坦福医学儿童健康中心、迈阿密大学健康系统和大西洋健康中心都在精准医疗、机器学习、环境文档等领域推进了相关项目。“从临床角度来看，我们看到了放射学、诊断服务和病理学方面取得的进步，”德勤AI实践负责人、医学博士Bill Fera这样说道。 宾夕法尼亚大学的AI首创成果 基于AI的CT扫描分析系统是首批部署到临床实践中的系统之一，一部分原因是研究驱动的学术医疗实践可以打造和运行自身的工具，而无需经过医疗产品制造商获得FDA批准所面临的严格程序。Kahn表示：“我们不能赠送或出售，但可以在实践中使用它。” 不过，这套系统并非一夜之间建成的。“算法真正准备好投入生产大概花了两年的时间，”宾夕法尼亚大学医学信息服务应用副主任Donovan Reid说，四年之后，也就是去年这个系统终于准备好投入生产。 由于该算法需要大量处理资源，团队决定将算法托管在云端。数据被加密并发送到云端进行处理，结果流回到放射学报告中。为了协调这个过程，IT团队开发了一个AI协调器，并计划将其开源提供给其他医疗提供商。宾夕法尼亚大学研究教授Walter Witschey表示：“这将对社区服务医院带来影响。” 在系统启动和运行之前，团队也面临一些挑战。IT担心图像数据流对基础设施产生影响，并且必须随时匹配计算资源以适应成像研究的需求。应用经理兼项目负责人Ameena Elahi 表示：“我们收到的数据量比我们预期的要大得多，而且系统必须快速产生结果。医生想要立即就看到结果，而不是等到凌晨四点。” 令人惊讶的是，直接成本（人工成本除外）每月仅为700美元左右。“我们发挥创造力，使用了已有的工具和应用，”Elahi说道。到目前为止，这个系统已经处理了6000多张扫描，现在团队正计划扩大规模，涵盖医院系统每年产生的150万张成像扫描。她说：“我们正在扩大协调器覆盖的范围，以处理不同类型的研究内容。” Atlantic Health的环境文档 当Atlantic Health System研究如何减少医生倦怠时，IT团队专注于优化患者就诊期间的文档效率，并减少高级副总裁、首席信息和数字转型官Sunil Dadlani所谓的“购物篮负担”。 技术实际上导致了临床医生负担过重。Dadlani表示：“例如，电子健康记录（HER）系统是造成压力最常见的原因之一，医生在EHR上花费的时间比花在患者身上的时间还多。”医生经常将一些文档工作带回家，Dadlani和其他医疗CIO将其称之为“睡衣时间”。此外，随着消费者与数字世界的联系越来越紧密，家庭和工作之间的界限已经变得模糊。“这是导致倦怠的主要原因之一，”他说。 该项目最初由来自所有利益相关者代表组成的小组。在与临床医生明确问题后，协作团队制定了一项策略，医生全程参与其中。Dadlani说：“他们甚至参与了选择技术的过程。”IT团队随后为4800名临床医生部署了一个环境文档系统。 借助环境文档（也称为环境监听技术），AI算法可以监听临床医生和患者之间的对话，并实时创建笔记，临床医生可以查看这些笔记并将其保存到患者的记录中。“在很多情况下，记录是无需编辑的，”德勤的Fera说。 Dadlani表示，有了新系统之后，医生就可以有更多的时间与患者面对面交流，而不必担心创建文档的工作。现在有80%到90%的医生在使用它——他说，这个数字并不容易达到。 项目规划的一部分，涉及到了确保尖端技术能够与Atlantic Health现有的四五年技术足迹相结合。“你还必须了解在工作流程中的哪个位置使用这些技术，而不会给上游或下游带来问题，”Dadlani说道。而且IT的责任并不止于部署，他说：“这些技术存在性能偏差，因此你必须在整个生命周期内对其进行审核和监控。” 为了减少收件箱的工作量，团队分析了入站内容并创建了处方续药请求、预约安排和护理团队需要解决的问题等类别。然后，他们创建了一个系统，将消息分配给适当的人员，并应用AI来创建可由医生审查、编辑和发送的回复内容。没有人工审核，任何回复都不会发出。Dadlani说：“这非常重要，如今，我们在供应商满意度和效率方面处于全国前列。” 迈阿密大学健康系统进行调度优化 迈阿密大学高级副总裁、首席信息和数字官David Reis面临着另一种时间管理问题：外科医生在人力资源系统中预订休假和其他外出时间与学术医疗中心25多个手术室的调度系统是没有进行关联的。 “没有任何信息告诉手术室调度人员医生休假了，”这导致宝贵的手术室时间段没有被利用起来。因此，根据一位医生领导的建议，Reis组建了一个团队，创建了一个基于机器学习的主动型系统，该系统提供了关于手术室时间表中已分配时间段和数百名外科医生已预约时间段之间发生冲突的实时通知。 这个算法需要集成两个独立的平台：人力资源端的Workday和Epic电子病历系统。“我们想要一个可以无限扩展且高度可靠的解决方案，”迈阿密大学健康系统首席企业架构师Ravi Akkiraju说，但他不想从零开始进行开发。因此，团队首先联系了供应商。“Epic没有用于时间段安排的API，Workday也没有。”因此，他们和Workday合作开发了一个与Epic后端数据库及收件箱功能交互的API。 启动和运行新系统非常耗费时间，需要大量的手动工作。“Epic系统中有数万个数据表和数十万个数据字段，我们必须确定哪些适用于我们讨论的时间表，因为这是一个全新的集成。” 随着系统的启动和运行，手术室能够填补265个原本闲置的时间段。Reis说：“这样265名患者就能够提前接受手术，”并且前六个月内能够完成超过200小时的额外手术。 斯坦福医学儿童健康建立新的路线图 斯坦福儿童医院有大量癌症患者，但直到去年，针对每位患者定制的治疗方案或路线图大多仍停留在纸面上。 “我们的EMR供应商Epic在这一领域一无所有，我们也找不到任何能满足我们需求的产品，”斯坦福大学的首席信息和数据官Tanya Townsend说道，因此团队构建了自己的集成，将电子病历链接到托管患者路线图的Microsoft SharePoint系统中。 该项目耗时八个月建成。但现在，临床医生可以打开患者记录，如果有路线图，患者图表中就会出现一个提示，将临床医生带到SharePoint文档。现在有500多名员工使用该系统，系统中包含了1000多名患者的路线图。 Fera预计我们将会看到越来越多开放的EMR系统API可供提供商组织使用，这将为此类项目节省时间和金钱。他说：“法规正指引我们朝着这个方向前进，打开EMR，这就是创新的起点。开放的API将让我们可以在EMR之外进行创新，带来更多加速的机会。” 医疗数字化的下一步是什么...
0
天安运营正式推出智慧园区AI法律服务
AI律师助手

天安运营正式推出智慧园区AI法律服务

在当前AI时代，企业面临着前所未有的变革与挑战，不仅要不断适应新的环境，还需采取相应的措施来确保合规性。为确保企业在新技术应用中的合规性，掌握其在实际应用中的技巧，并进一步增强法律工作者在法律应用方面以及解决现实问题上的能力，4月22日，一场聚焦法律与科技融合发展的论坛在深圳市福田区万豪酒店隆重举行。本期讲堂以“AI时代下企业合规的变革与挑战”为主题，邀请了法律界、企业界及互联网领域的专家学者，共同探讨新《公司法》实施背景下的企业合规问题。现场250多名企业家、法律负责人出席本次高峰论坛。 本次论坛由深圳市福田区沙头街道办事处、深圳市律师协会罗湖区律师工作委员会指导，小包公·法律AI、深圳天安智慧园区运营有限公司、广东省人工智能法律应用重点实验室联合主办。论坛旨在通过法律相关专家学者的深入交流和探讨，为企业提供一个理解并掌握AI时代企业合规新路径的平台。天安运营副总经理王建先生也应邀出席了会议。 深圳市律师协会副会长杨逍在致辞中指出，随着AI技术的发展，法律行业正面临前所未有的变革。AI将法务工作者从传统、基础一类的工作中彻底剥离出来，有了更多的自己的时间，能够将自己的智慧往更高的产品化、精细化、高端化进行努力，并进行运作和发展。在新《公司法》发布的前夕，企业的合规经营非常重要，未来的企业合规，也是法律行业市场中最大的蓝海市场。 随后，中山大学法学院教授、广东民商法学会会长、中山大学法律经济学研究中心主任周林彬带来了题为《新公司法的制度完善与创新》的演讲。特别强调了数据合规的重要性，并从法律适用的角度，对公司治理、资本制度及股东权利等方面进行了全面解读。周教授认为，新《公司法》的实施将对企业合规提出更高要求，同时也为企业提供了更规范化、规则化的治理环境。 华南师范大学法学院教授、广东省人工智能法律应用重点实验室主任、小包公·法律AI创始人王燕玲教授作了《AI时代下企业合规的变革与挑战》的主题演讲，从大数据和人工智能的角度，探讨了企业合规的实现路径。王教授提出，通过运用司法大数据和AI技术，可以更有效地进行风险管理，提高企业的合规管理效率。她还展示了人工智能在合同审查等领域的应用，强调了技术在提升法律服务质量中的作用。 此外，字节跳动-巨量引擎本地消费业务中心法律服务行业总监王安旎女士就《抖音的商业变现》进行了精彩的分享，为法律服务行业提供了新的营销思路。王女士指出，随着法律服务行业竞争的加剧，利用抖音等新媒体平台进行品牌推广和客户获取，已成为律所和律师的新选择。 会议期间，深圳天安智慧园区运营有限公司（简称天安运营）和小包公·法律AI、法师兄还签订了战略合作协议。天安运营是国内知名的产业园区综合运营服务商，凭借30载深耕产业园区运营积累的深厚底蕴，致力于打造标准化的企业服务产品，通过数字化技术的深度融合，构建了融合“政务服务、商务服务、产业空间、人力资源、金融服务、数字园区、低碳节能、生活配套”八大模块的一站式企业服务平台，为中小微企业的全生命周期提供通用性支撑性的增值服务。 三方将共同围绕天安企业服务平台，在法律服务产品和应用上展开深度合作，探索打造“智慧中央法务区”，采用现代化科技手段，将法律与科技深度融合，基于司法大数据分析、法律知识图谱、自然语言处理等人工智能技术，为企业合规提供数字应用服务，以更低的成本、更高的效率服务于中小微企业的法律需求，帮助企业走上合规稳健的发展道路。 本次论坛是天安运营天马汇系列活动的第二场，也是天马高峰汇的首场活动。天马高峰汇是一个汇集知名企业家、经济学者及其他相关领域专家的高端交流平台。通过主题演讲、圆桌论坛、深度对话等形式，就当前经济形势、企业发展策略、政策解读等议题进行深入探讨与交流，为企业家提供前沿的商业洞见和战略思考。返回搜狐，查看更多 责任编辑：
1
为何亲自下场创建医疗AI公司，这是Sam Altman的解读
AI医师助手

为何亲自下场创建医疗AI公司，这是Sam Altman的解读

　　华尔街见闻 　　越来越多的人正在使用ChatGPT诊断自己是否患有疾病。Sam Altman表示，Thrive AI Health将使用AI来提供个性化的健康预测和评估，使人们更容易获得负担得起的、高质量的医疗保健。部分分析人士担心数据隐私与过度依赖AI的问题。 　　AI当道，我们应该相信它能够改善我们的健康吗？ 　　Sam Altman认为，答案取决于你对AI的看法以及你对Thrive AI Health计划的信任程度。 　　Thrive AI Health是由OpenAI的CEO Sam Altman与赫芬顿邮报创始人Arianna Huffington共同创立的一家新公司，旨在利用AI的力量来改善人们的健康状况。该公司计划开发一种个性化的AI健康教练，可以提供有关饮食、运动、睡眠和压力管理的建议。 　　Sam Altman的目标雄心勃勃。在接受媒体采访时他称Thrive AI Health为‘重建医疗保健系统中的“关键基础设施”’： 如果成功，Thrive AI Health可以帮助人们降低患慢性病的风险，提高生活质量，并降低医疗保健成本。 　　Sam Altman表示，他加入Huffington的决定部分源于他听到了一些人使用ChatGPT来诊断自己患有疾病的故事。“人们愿意与聊天机器人分享他们的个人信息，即使这些信息可能被永久存储。” 他认为，Thrive AI Health正可以利用这一趋势来提供有价值的产品和服务。 　　Huffington认为，AI能够提供个性化的建议，因为Thrive AI Health将根据用户的生物特征和健康数据生成“个性化的人工智能驱动的见解”，分发信息和提醒，以帮助他们改善行为。她强调，这将比目前医疗系统提供的建议更有效，因为后者通常是笼统且不针对个人的。 　　更重要的是，Thrive AI Health可以先帮助人们改变行为，从而改善他们的健康。“改变行为可能很困难，而Thrive AI Health可以提供持续的动力和支持。” 　　Altman和Huffington在采访中表示，Thrive AI Health可以弥补医疗保健系统的不足之处，例如缺乏可获得性和负担能力。他们指出，并非每个人都能获得合格的医疗专业人员的帮助，而AI健康教练可以提供7天/24小时的建议，并且成本更低。 　　那么，产品到底会是什么样子？由于Thrive AI Health的产品仍处于开发的早期阶段，Huffington并未详细描述其具体形式。但她表示，Thrive AI Health的平台将“通过各种可能的模式使用”。 它可以通过你的工作场所，如Microsoft Teams或Slack。...
0
朱民：大模型GPT对金融业的颠覆是根本上的，10年后数字经济渗透一切，中国的经济仍是往前、往上、稳步增长的……
AI金融助手

朱民：大模型GPT对金融业的颠覆是根本上的，10年后数字经济渗透一切，中国的经济仍是往前、往上、稳步增长的……

“ 6月28日，在第四届夏季达沃斯论坛“《财经》专场：数字中国新蓝图”上，中国国际经济交流中心副理事长、世界经济论坛基金董事会成员朱民表示，10年以后数字经济渗透一切。“ChatGPT 在根本上改变了我们对数字经济的理解”，一个 APP 取代一切的时代正在到来。 ” 他指出，到2025年以后，中国将是世界上最大的数据大国，要发展数字经济就要把数据用起来，不但要把数据用起来，还要把数据变成财富。“把数据变成资源是不够的，我一直说要把它变成资产。”朱民说，“把中国的数据全部动起来、用起来，那中国数字经济的发展，世界就挡不住了，因为没有中国那么大的数据库。”他认为，数据变成财富以后，这个财富是可以永恒存在的，存在于一个虚拟的世界里、在云上。（当数据的）运算、存储都在云上，国家数字经济的基础设施会发生根本变化，这是下一步重大的投资机会。“包括现在谈大模型，未来一切取决于有没有大模型，那么这个世界就真的变了，而且这些变化会推动整个基础设施、企业甚至是整个宏观的变化。”谈及数字经济对制造业的影响时，朱民认为，制造业的一个难题是供应链管理，而大模型是天然的管供应链最好的工具，供应链的有效迭代、产品质量平衡、时效全部可以解决。谈及ChatGPT对金融行业的影响，朱民提到了BloombergGPT，他说，其最厉害的一点是，除了把已有的企业数据、财务数据做分析外，还把市场的波动、传媒和舆论都关联了起来。“这个市场是有情绪的，BloombergGPT把情绪这一块拿进来，这是一个根本的变化”，他强调，BloombergGPT的应用会很厉害。“这三个维度结合起来，这就符合我们对市场的理解了”。朱民还认为，ChatGPT可以把中台打通，促进金融业的交叉销售，进而使得利润大大提高。另外一方面，朱民认为，AIGC对客户营销的管理是非常细致的、全面化的，能把对客户需求的管理、预测等包含在产品制造、营销当中，效率会高很多。“大模型GPT对金融业的颠覆是根本上的，它改变了传统上对FinTech的定义”，朱民说。关于人工智能对未来就业的影响，朱民认为，未来是人和科技的竞争。科技的长处在知识、在决策、在数据。人的长处在人性、在智慧，在整个人类理念的发生。未来我们应该学习的是两端的知识，一端是数学、物理、工程，一端是哲学、社会学、心理学、历史学。两端当中的东西都是会被机器化的。 “ 6月29日，在第四届夏季达沃斯论坛以“中国经济将迎来强劲反弹？”为主题的分论坛上，中国国际经济交流中心副理事长、世界经济论坛基金董事会成员朱民表示，整体来说现在经济不错，第二季度表现比第一季度表现还要好，今年整体会达到5%的增长。 ” 现在非常重要，从消费角度来看消费已经反弹了，但没有预期的幅度那么大，疫情之后人们以更谨慎的方式在消费。此外，房市也有反弹，但反弹幅度也没有预期那么高。所以的确有反弹，但是不是强劲的反弹，这是一个结构性问题。目前供给过剩但需求下降，存在供需不平衡。我们该怎么消化多出来的土地，长期来看必须要进行结构性的改变。谈及需求侧首次出现下降的现状，朱民指出，去年结婚人口不多，假定大家都买了房，最后这些房所占的面积其实只占供给面积的一半而已，所以必须要让现在市场供需再次平衡起来。房产市场需要改革，必须确保不发生系统性风险。在贸易方面，现在全球增长放缓，这影响到了中国，地缘政治因素也非常重要。中国原本是很大的出口国，但是几年间状况出现了改变。中国会如何应对呢？朱民称必须要找到长期的增长引擎。“例如现在数字化带动了制造业，全球30%的制造业来自中国，超过日本、德国还有韩国加起来的总量（29.7%）。制造业是经济的强项，我们必须确保制造业要数字化、要不断提升。而现在的ChatGPT让我们可以在制造流程当中大量使用数字工具，未来数字化只会加快。”朱民说。关于碳中和转型过渡，朱民预计2050年前会对净零转型进行大力投资。现在太阳能价格、新能源价格也下降了。中国的新能源汽车总量比整个欧洲加起来的还要多。所以整个结构正在改变，改变的时候有些波动，但整体来说是向前、向上、稳步增长的状态。-推荐阅读-
0
GPT+金融：和产学研专家碰撞AIGC在金融行业的无限可能
AI金融助手

GPT+金融：和产学研专家碰撞AIGC在金融行业的无限可能

前言 ChatGPT的出现引发了大众对大模型的关注和探索，它展现的强大能力，让其成为近几年最受关注的科技热点。站在金融行业的角度，我们尝试从宏观趋势出发，理解LLM在金融行业为什么会获得高关注度？它在金融行业应该如何推进落地？金融从业者改该如何面对AIGC大浪潮？以下内容选自K+Talk大咖对话第49期专家分享，一起来探索ChatGPT在金融行业的无限可能。节目对话嘉宾：李  智——易观智慧院院长/首席分析师袁  兰——摸象科技联合创始人/总裁王晓雷——海思算法专家肖  然——Thoughtworks创新技术总经理全文字数：5951字阅读时间：约6分钟‍‍‍‍‍肖然（本期主持人）：从宏观趋势角度看，为什么现在金融行业（包括银行、券商等）对LLM 有这么高的关注度？李智：第一，金融行业的数字化转型，其中一个非常重要的维度和视角就是以用户为中心，去做面向用户旅程等各个方面的业务创新和升级。但是在用户体验的过程当中，拿金融行业跟其他行业去做比较，我们只能说金融行业过往跟自己相比有了很大的提升，但是金融行业的体验视角还是有很大提升空间。在体验维度上，一方面可以通过人更多地去服务用户，也可以通过数字化的方式，比如说非常多的金融行业，包括银行、证券把 APP 作为一个非常好的抓手，但是它仍然需要在体验的过程中，更加智能的以情感的方式跟用户去建立对话和连接。如果没有大模型应用，也许智能客服等这样的方式已经在金融行业比较广泛的应用，但是我们能看到这种应用的层次相对比较浅，而且从体验的视角也是不够的。但是有了 ChatGPT 给我们带来的多轮对话和情感智能的冲击，我们可以看到金融行业的用户体验还是有很多可以提升的地方，体验的背后就是真正回归到怎么能够实现以用户为中心。第二，能够优化内容生产的创意效率。AIGC 在数字化营销的其他行业已经有广泛的应用，但是金融行业在这个点上仍然是非常振奋。其中一点是金融行业的数字化营销做了多年，但是在营销物料的快速生产和补充上，还是存在短板。所谓千人千面的营销，也许过往金融机构做了非常多的事情比如KYC（Know-Your-Customer），但是除了对用户非常好的了解之外，也需要有足够丰富的物料才能够去满足千人千面的个性化营销，所以从这个维度上内容生产的创意和效率是非常重要的。整体上说，无论是用户体验维度，还是内容生产维度，或者降本提效维度，金融行业还是非常看重大模型可能带来的价值。袁兰：当一种新的技术出现，银行是最有资格用的，一方面它有庞大的客户群，任何一个技术在银行如果能提升1%，都值得去做。第二就是它有充足的预算。但是其实AIGC 在银行很难落地，因为从目前跟客户接触的实际情况来看， AIGC 产出的内容由 AI 直接输出，那么 AI 输出的机理背后是神经网络，它的想法是不可溯源的。因为不是简单地去拼接一段话，而是它通过自己的学习和神经网络产生了自己的话，这段话的产生机理不可溯源，也就无法风控，所以看起来容易做的事情，反而很难做。肖然：金融行业打开LLM模型的正确方向和姿势是什么？袁兰：将来如果真的有一个大模型的话，它的智力应该是远远超过我们这些普通人类的。如果大模型吃掉了所有金融的相关数据和金融现象，那我认为它应该学的技能是投资炒股、资产配置。陪聊和提升用户体验这件事虽然也重要，但是如果我是一个用户，机器人陪聊天贡献的情绪价值，不一定要从它身上获取，我可以从同事朋友身上获取，如果它能帮我赚钱，我愿意为此付费。如果以后有这种金融的垂类大模型的话，它主要解决的功能跟这种泛通用的大模型不一样，不是说它去帮我写程序或者是帮我画画，而是应该帮我把金融的规划做好。这个方向是我认为未来最有前途的方向。要学成一个金融专家，他所经历的训练可能有一些像语言大模型，像下围棋，要经历不同的范式去进行训练，然后能训练出专家。在国外跟中国的模型可能还不同，因为大家知道国外的金融包括股票和投资，跟我们都有非常大的区别。在中国如果真的要做这个金融大模型的话，有非常大的挑战，所以我认为它是非常有前途，我们肯定是能看到这一天的，只不过不知道是在 5 年还是 10 年后。肖然：大模型的潜力还是能突破，现在只有 VIP 才能享受一些服务，这某种意义上也是一种金融普惠，现在可能必须是高净值客户才能享受，那未来可以把这种 VIP 的服务通过大模型技术进行一种普惠。李智：我们换一个维度去看待这件事情，金融行业我们需要看的是无论是银行、保险还是券商，对于财富管理业务是很关注的，但是这个事情的关注点是源自于中国有一个庞大的用户基数，它具备理财和财富管理的这个基础和可能性。但是同时他们又跟美国、欧美不太一样的地方是，他们是理财的小白，他处于需要逐步地培养他们的财商和最终他们做财富管理的这个事情。所以咱们算投入产出比，把更多 AI 的可能性放在怎么能让这个庞大的用户基数真正意义上变成财富管理的潜在用户，并且往高价值的用户方向走，它可能触及到的用户的规模，用户的价值的升级空间是很大的。王晓雷：其实金融领域最近五年给我带来印象最深的可能是周志华老师（南京大学教授，机器学习与数据挖掘研究所(LAMDA)所长），之前和他畅聊AI 未来发展的话题，我们赌了矩阵，因为我们做芯片的需要当期的产品具有很高的ROI，我们认为将来会看到 transformer 这样一个架构，其实本质上也是矩阵和向量的乘法。周志华老师当时走了深度森林这条路线，在软件和硬件上，做了一个系统设计，这个模型最占优势的就是金融领域。有本书叫《概率图模型》，对于这种可解释的，有 reasoning 的阶段，尝试着把知识图谱框架融入进去，可能会对金融领域的解释性有一个很好的帮助。大模型本身的可检视性如果能和知识图谱这样显示的规则融合起来，应该会在这个方向上有一些突破和进展。肖然：LLM在金融行业会不会像支付一样发牌照？袁兰：支付本质上是一个牌照为先导的领域，但是大模型其实是底层能力的领域，我觉得它对整个业界的影响不是非常的大。可能会发在上面的 AIGC 层，比如用大模型来做 ToC 的服务，以后有可能是要发牌照的。李智：支付必须发牌照，因为支付其实是整个资金流通路非常重要的一个部分，尤其是非金融机构也做非常重要的监管动作，所以有必要通过发牌照的方式来约束监管。但是对应到比如说大模型以及大模型在金融行业的应用，如果真的要发牌照，也许国家应该针对的是大模型本身，而大模型在金融行业的应用，包括肖然提到的制造行业，其实大模型在非常多的行业都会有应用，我们应该对安卓和 iOS 有一个比较严格的或者是合规的管控，但是上面的生态应该百花齐放。如果将来大模型上的应用有上百万，那发牌照的意义就不大了。王晓雷：如果先给结论，我不认为大模型在金融领域会发牌照。首先要看牌照怎么定义，我不觉得支付这个领域和大模型是一类，因为支付本身是预决算，国家对于支付是要托底的，如果泛化一点来看，像智能客服这类是不需要托底的，所以我不认为金融领域会发牌照。谈起大模型的牌照，就好像当时芯片进国产化的白名单一样，比如国家要采购这类的产品，就要先有白名单或者短名单。如果纯从大模型的应用领域来谈牌照，可能最 critical 的一个领域是上次聊的自动驾驶。如果主体是 AI 员工、智能客服等，因为它本身不造成资产的损失和结算，我觉得不会发牌照，除非政府要大规模地采购。肖然：明年的今天，也许我们有机会再聚到一起，我们可以再看监管机构是怎么考虑这个事情的，到底会不会发牌照。从我个人角度来讲，其实我跟三位的观点不太一样，我相信监管机构会发牌照，它和理财产品是一样的，某种意义上理财没有绝对保本的，大家可以想象一下银行快速应用大模型，然后生成了一些客户界面的信息，这些信息的后果不论怎样政府都是要兜底的。肖然：金融机构自有模型现实吗？会不会成为一个 showstopper ？李智：原来金融行业在做很多AI场景应用的时候，会希望 AI...
0