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(diǎn)，與大模型訓(xùn)練所需要的底層數(shù)據(jù)基礎(chǔ)要求十分契合。“大模型在金融領(lǐng)域有廣泛的應(yīng)用前景，幫助推動(dòng)構(gòu)建用戶個(gè)性化服務(wù)體驗(yàn)。在數(shù)字中國的建設(shè)背景下，大模型將有效提升金融領(lǐng)域營銷、運(yùn)營等價(jià)值鏈效率，進(jìn)一步拓展數(shù)據(jù)決策在風(fēng)控領(lǐng)域的創(chuàng)新應(yīng)用效果，助力金融行業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生實(shí)質(zhì)性的飛躍。”

 

　　當(dāng)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(duì)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(wù)和動(dòng)態(tài)適應(yīng)性、個(gè)性化要求和隱私保護(hù)、安全可控需求提升、大數(shù)據(jù)和基礎(chǔ)設(shè)施能力挑戰(zhàn)四個(gè)方面。

 

　　一是由于金融各項(xiàng)業(yè)務(wù)是動(dòng)態(tài)且變化的，面對(duì)不可預(yù)期的外界環(huán)境和突發(fā)意外情況，當(dāng)前的大模型并不能做到每一個(gè)決策都穩(wěn)定、精確，這是金融機(jī)構(gòu)在運(yùn)用大模型等人工智能技術(shù)時(shí)存在的一個(gè)非常大的挑戰(zhàn)。

 

　　二是金融行業(yè)希望利用人工智實(shí)現(xiàn)極致的用戶體驗(yàn)，包括推出個(gè)性化、定制化的用戶產(chǎn)品和服務(wù)，但這需要個(gè)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(jī)構(gòu)的數(shù)據(jù)共享沒有形成，數(shù)據(jù)共享體系建設(shè)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(gè)巨大的增強(qiáng)學(xué)習(xí)或者強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò)平臺(tái)，金融機(jī)構(gòu)在這個(gè)平臺(tái)上持續(xù)貢獻(xiàn)數(shù)據(jù)并實(shí)時(shí)反饋，促進(jìn)平臺(tái)不斷升級(jí)和進(jìn)化。

 

　　四是金融行業(yè)大模型應(yīng)用對(duì)底層設(shè)備、基礎(chǔ)架構(gòu)等軟硬件設(shè)施提出了更高的要求。現(xiàn)在的網(wǎng)絡(luò)、服務(wù)器、芯片等軟硬件設(shè)施需要不斷迭代升級(jí)，以滿足后摩爾時(shí)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(rèn)為，金融大模型有三個(gè)關(guān)鍵能力值得關(guān)注：強(qiáng)化學(xué)習(xí)和持續(xù)學(xué)習(xí)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(qiáng)化學(xué)習(xí)和持續(xù)學(xué)習(xí)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(qiáng)化學(xué)習(xí)機(jī)制和各種生態(tài)能力的建設(shè)，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(shè)，學(xué)習(xí)能力仍需進(jìn)一步強(qiáng)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(yù)期情況下實(shí)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(gè)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(xué)習(xí)和泛化能力強(qiáng)的特點(diǎn)，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(dòng)，我們已經(jīng)為利用大模型技術(shù)訓(xùn)練人機(jī)協(xié)作、人機(jī)對(duì)話等建立了龐大的數(shù)據(jù)要素，為金融大模型實(shí)踐奠定了基礎(chǔ)。”蔣寧說，金融大模型落地要做到安全可控、個(gè)性化決策和體驗(yàn)、持續(xù)學(xué)習(xí)。據(jù)了解，目前，馬上消費(fèi)公司已經(jīng)研發(fā)了實(shí)時(shí)人機(jī)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。