蔣寧表示，金融行業(yè)是數(shù)據(jù)、技術(shù)密集型行業(yè)，具有數(shù)據(jù)規(guī)模大、數(shù)據(jù)類型多等特點，與大模型訓練所需要的底層數(shù)據(jù)基礎要求十分契合。“大模型在金融領(lǐng)域有廣泛的應用前景，幫助推動構(gòu)建用戶個性化服務體驗。在數(shù)字中國的建設背景下，大模型將有效提升金融領(lǐng)域營銷、運營等價值鏈效率，進一步拓展數(shù)據(jù)決策在風控領(lǐng)域的創(chuàng)新應用效果，助力金融行業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生實質(zhì)性的飛躍。”

 

　　當前，人工智能大模型的發(fā)展在全球都還處在初期階段，在金融領(lǐng)域的探索也剛剛起步，面對的困難和挑戰(zhàn)依舊不少。蔣寧表示，金融領(lǐng)域探索大模型的困難和挑戰(zhàn)主要體現(xiàn)在關(guān)鍵性任務和動態(tài)適應性、個性化要求和隱私保護、安全可控需求提升、大數(shù)據(jù)和基礎設施能力挑戰(zhàn)四個方面。

 

　　一是由于金融各項業(yè)務是動態(tài)且變化的，面對不可預期的外界環(huán)境和突發(fā)意外情況，當前的大模型并不能做到每一個決策都穩(wěn)定、精確，這是金融機構(gòu)在運用大模型等人工智能技術(shù)時存在的一個非常大的挑戰(zhàn)。

 

　　二是金融行業(yè)希望利用人工智實現(xiàn)極致的用戶體驗，包括推出個性化、定制化的用戶產(chǎn)品和服務，但這需要個人隱私數(shù)據(jù)和大模型相融合，涉及到合規(guī)和安全問題，需要行業(yè)不斷探索破解之道。

 

　　三是金融行業(yè)一直存在的“數(shù)據(jù)孤島”問題，跨行業(yè)、跨組織、跨機構(gòu)的數(shù)據(jù)共享沒有形成，數(shù)據(jù)共享體系建設需要持續(xù)探索。大模型要不斷發(fā)展成熟，就必須構(gòu)建一個巨大的增強學習或者強化學習的網(wǎng)絡平臺，金融機構(gòu)在這個平臺上持續(xù)貢獻數(shù)據(jù)并實時反饋，促進平臺不斷升級和進化。

 

　　四是金融行業(yè)大模型應用對底層設備、基礎架構(gòu)等軟硬件設施提出了更高的要求?，F(xiàn)在的網(wǎng)絡、服務器、芯片等軟硬件設施需要不斷迭代升級，以滿足后摩爾時代高速增長的數(shù)據(jù)和算力要求。

 

　　如何迎接上述挑戰(zhàn)？蔣寧認為，金融大模型有三個關(guān)鍵能力值得關(guān)注：強化學習和持續(xù)學習技術(shù)、魯棒性決策、組合式AI系統(tǒng)技術(shù)。

 

　　首先，大模型具備強化學習和持續(xù)學習技術(shù)。OpenAI的核心能力不僅是表面的ChatGPT巨量模型參數(shù)，更在于其幕后的強化學習機制和各種生態(tài)能力的建設，通過不斷使用讓系統(tǒng)越用越聰明、越用越人性化。目前，國內(nèi)的各種大模型還未完成自適的生態(tài)體系建設，學習能力仍需進一步強化。

 

　　其次，魯棒性決策也是大模型在關(guān)鍵決策領(lǐng)域落地的核心能力，如何幫助排除噪音以及干擾性問題，在突發(fā)和不可預期情況下實現(xiàn)關(guān)鍵決策的持續(xù)穩(wěn)定和合規(guī)可信尤其重要。

 

　　再次，大模型另一個關(guān)鍵能力是組合式AI系統(tǒng)技術(shù)。組合式AI系統(tǒng)技術(shù)可以有效結(jié)合各種垂直領(lǐng)域判別式模型的可用性和專業(yè)性，具備生成式大模型的遷移學習和泛化能力強的特點，可以在真正發(fā)揮大模型的泛化能力優(yōu)勢。

 

　　“得益于與客戶廣泛的交流和互動，我們已經(jīng)為利用大模型技術(shù)訓練人機協(xié)作、人機對話等建立了龐大的數(shù)據(jù)要素，為金融大模型實踐奠定了基礎。”蔣寧說，金融大模型落地要做到安全可控、個性化決策和體驗、持續(xù)學習。據(jù)了解，目前，馬上消費公司已經(jīng)研發(fā)了實時人機決策模型、多模態(tài)大模型、數(shù)據(jù)智能模型等，并在內(nèi)部上線測試。