金融行业大模型联络中心的智能化转型：创新实践与挑战
“第三十六期技术应用专题研讨会”在武汉举行，探讨大模型在金融行业的应用。传统人工客服难以满足金融客户需求，而大模型被认为是未来金融商业变革的核心驱之一。容联云分享了在大模型在金融行业智能客服领域的应用经验，并成功打造出通用大模型与行业小模型融合的金融行业专属大模型联络中心。该中心实现智能决策统一路由、一键多呼、AI运营话术库等功能，提升客户体验与营销效率。未来，容联云将继续优化大模型联络中心，为金融企业提供更多场景的解决方案。
人工智能赋能金融业：颠覆性影响与新型工种的崛起
本文讨论了人工智能对金融业的影响。预计到2027年，中国金融业就业人口可达993万人，其中23%的工作岗位将受人工智能影响，大部分从事标准化、重复性工作，将被颠覆性影响削减或转变为新型工种，剩余77%的工作岗位将获得效率提升。尽管这些工作岗位不会被人工智能完全替代，但在人工智能的协助下，它们将能更高效地完成任务。人工智能的发展已经驱动了多项应用层技术的突破与成熟，改变了商业世界，提高了自动化水平、智能分析与决策能力，催生了新商业模式与新产业。
三六零金融大模型荣获工信部信通院2023大模型落地应用案例集优秀实践奖
三六零金融大模型成功入选工信部信通院《2023大模型落地应用案例集》，并在2024中国信通院ICT深度观察报告会上被评为优秀实践案例，为我国大模型落地应用提供了新的参考和借鉴。这是由360集团重点参与的项目，利用其成熟的大语言模型和知识库等产品，结合金城银行的业务需求，打造出的企业专有的有大模型，既提升了银行的运营效率，也助力了业务的数字化转型。此外，360智脑作为国内领先的通用大模型，已在多个行业落地，并入选了中国信通院发布的《2023年通用人工智能创新应用案例集》。
华为云携手金融行业客户共创AI未来
华为云在2023年11月30日的行业高峰论坛中，联合多家金融行业客户和合作伙伴，发起了名为“华为云盘古大模型金融行业联合创新行动”的项目，旨在推动金融行业的AI应用落地，加速产业数智化升级。该行动基于华为云的盘古大模型3.0，通过加强金融知识和技能，提供更好的服务。盘古金融大模型已广泛应用于信贷风险评估、投资决策、市场预测等领域，并成为多家金融机构首选的数智化解决方案。华为云将继续发挥AI领域的软硬协同优势，投入底层AI芯片、AI平台、大模型等根技术，开放内部资源，与AI客户进行技术共创、品牌联合、共拓市场、共建生态，共同迎接AI大模型应用大时代，加速各行各业智能升级。
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。
《后疫情时代金融业务数字化转型之道：大模型与小样本数据的应用》
在后疫情时代，现实世界企业正面临复杂、非线性的变化，数字化、自动化成为提高战略竞争力的关键因素。针对这一情况，天壤联合创始人韩定一在「量子位·视点」直播中分享了他的从业经验和观点。金融机构应用AI一方面是为了合规，另一方面是用机器代替了人工识别，提升了效率并降低了人为因素可能导致的错误率。AI技术已经可以几乎代替人工自动化地去完成单个的步骤和复杂的流程操作。金融机构面临的特殊需求包括严格监管和数据私有化导致的获取成本高，以及少量数据样本训练的AI模型是否能达到高准确率去解决问题。韩定一认为，“大模型 小数据”是最典型的场景，其能让模型生产变成流水线。此外，AI的发展还处于初期阶段，尽管已经取得了显著的进步，但仍有很大的发展空间。
AI金融革命：智能科技重塑金融服务
AI金融技术正在迅速切入现实场景，推动医疗管理、保险、海关报关流程、支付商户营销等业态发生颠覆性变化。从创投视角来看，AI金融的发展趋势值得关注。欧美创投机构和金融资本正关注我国AI金融场景化应用的效果，并将其中优秀的技术“复制”到其他国家。我国基于个人行为、社交、电商等数据的大数据征信技术“全球化”进展备受看好。此外，无人驾驶技术驱动的AI财险和区块链驱动的合约“线上化”也是AI金融领域的四大新亮点。
《2021全球人工智能教育落地应用图景》
本报告由AI022团队編製，旨在分析全球人工智能教育的落地方案及趨勢。通過调研全球各地學校、企業及政府機構，本報告揭示了人工智能在教育領域的應用现状，並提出了未來發展方向。
《AI金融报告：抗噪的AI量价模型改进方案及实证分析》
这篇文章介绍了由东方证券发布的AI金融报告，其中包含了一个基于抗噪的AI量价模型改进方案。该模型在前期报告中已经证明了其在选股策略上的有效性。本文详细阐述了该模型的构建过程，包括数据预处理、提取因子单元和因子加权等环节。同时，针对该模型的抗噪性能，提出了一些改进方案，包括数据增强、改变RNN训练方法和使用决策树等方法。最后，通过实验验证了这些改进方案的有效性。
双剑合璧：模型与数据创新引领未来
这篇文章主要讨论了人工智能领域的创新性，重点关注模型和数据的创新。作者表示，对于这个话题感兴趣的人可以通过添加他的微信sangyx97进行交流。