大語(yǔ)言模型在銀行財(cái)富管理領(lǐng)域的應(yīng)用研究

yaohaobo67 2023-05-31 發(fā)布于上海

展開(kāi)全文

吳永飛

葉廣楠

劉森

王彥博

人工智能與AIGC發(fā)展回顧

全球人工智能發(fā)展經(jīng)歷了三次大繁榮，分別是：20世紀(jì)50年代至70年代，以1956年達(dá)特茅斯會(huì)議為標(biāo)志事件，符號(hào)主義和邏輯推理為主要研究?jī)?nèi)容的第一次人工智能浪潮；20世紀(jì)80年代，以特定領(lǐng)域“專家系統(tǒng)”實(shí)現(xiàn)人工智能實(shí)用化，以及“專家系統(tǒng)”所依賴的知識(shí)庫(kù)系統(tǒng)和知識(shí)工程為研究方向的第二次人工智能浪潮；20世紀(jì)90年代至今，以基于統(tǒng)計(jì)學(xué)習(xí)方法的人工智能算法，以及圖靈獎(jiǎng)得主、深度學(xué)習(xí)先驅(qū)Geoffrey Hinton于2006年提出的深度學(xué)習(xí)算法并推動(dòng)人工智能在多個(gè)領(lǐng)域超出人類水平為主要脈絡(luò)的第三次人工智能浪潮。

自21世紀(jì)始，大數(shù)據(jù)和大算力為人工智能應(yīng)用提供了更加強(qiáng)大的支撐，以生成對(duì)抗網(wǎng)絡(luò)（GAN，Generative Adversarial Network）為代表的深度學(xué)習(xí)算法在諸多理論和實(shí)踐上加速突破，人工智能生成內(nèi)容（AIGC，Artificial Intelligence Generated Content）或稱其為“生成式AI”迎來(lái)爆發(fā)期。AIGC通過(guò)人工智能算法自動(dòng)或輔助生成創(chuàng)作和修改編輯文字、圖像、音頻、視頻、游戲、代碼、模型等數(shù)字內(nèi)容，形成了新型數(shù)字內(nèi)容生產(chǎn)方式。其中，ChatGPT對(duì)話機(jī)器人作為AIGC模式下的產(chǎn)物，是以GPT（Generative Pre-trained Transformer）為主要框架的人工智能大語(yǔ)言模型，是迄今為止最接近通用人工智能（Artificial General Intelligence，AGI）的技術(shù)，開(kāi)啟了由弱人工智能到強(qiáng)人工智能的階躍，將對(duì)人類社會(huì)帶來(lái)深刻的變革，產(chǎn)生深遠(yuǎn)的影響。

以ChatGPT為代表的大語(yǔ)言模型技術(shù)發(fā)展

業(yè)界發(fā)展動(dòng)態(tài)

以ChatGPT背后技術(shù)為代表的人工智能大語(yǔ)言模型正在催生新一輪人工智能浪潮，在全球范圍掀起人工智能大語(yǔ)言模型科技競(jìng)賽，科技巨頭加快布局，生成式AI領(lǐng)域風(fēng)起云涌。從2018年至今，OpenAI先后迭代并推出了GPT-1、GPT-2、GPT-3、InstructGPT、ChatGPT和GPT-4。微軟、Google等科技巨頭加速跟進(jìn)，其中，微軟率先將GPT-4應(yīng)用于New Bing（新必應(yīng)）搜索引擎，可更加精確地理解用戶的查詢需求，并提供與之相關(guān)的實(shí)時(shí)信息。與此同時(shí)，以百度、華為、阿里、商湯為代表的國(guó)內(nèi)人工智能領(lǐng)軍企業(yè)加快大語(yǔ)言模型的研發(fā)和商業(yè)應(yīng)用，并在NLP、OCR、計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別等多個(gè)領(lǐng)域開(kāi)展模型實(shí)踐，初步形成端到端的全棧大語(yǔ)言模型技術(shù)應(yīng)用能力。以復(fù)旦大學(xué)、清華大學(xué)為代表的高?？蒲袡C(jī)構(gòu)，面向市場(chǎng)紛紛開(kāi)源自主研發(fā)人工智能大語(yǔ)言模型，積極推動(dòng)生態(tài)構(gòu)建。傳統(tǒng)云廠商基于在云計(jì)算領(lǐng)域多年積累的技術(shù)優(yōu)勢(shì)，優(yōu)先構(gòu)建基于大語(yǔ)言模型的智算基礎(chǔ)設(shè)施，有望形成MaaS（模型即服務(wù)）模式，并賦能產(chǎn)業(yè)，推動(dòng)企業(yè)數(shù)智化升級(jí)，以期全面帶動(dòng)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型發(fā)展。作為數(shù)據(jù)密集型行業(yè)，銀行業(yè)一貫是先進(jìn)科技應(yīng)用的先鋒軍，以工商銀行、農(nóng)業(yè)銀行、華夏銀行為代表的商業(yè)銀行紛紛探索人工智能大語(yǔ)言模型在金融領(lǐng)域各場(chǎng)景的應(yīng)用落地。

ChatGPT的優(yōu)勢(shì)和特點(diǎn)

ChatGPT基于大規(guī)模預(yù)訓(xùn)練模型GPT-3.5的強(qiáng)大語(yǔ)言理解和生成能力，引入RLHF(Reinforcement Learning from Human Feedback)技術(shù)，它將人類的反饋納入訓(xùn)練過(guò)程，為機(jī)器提供一種自然的、人性化的互動(dòng)學(xué)習(xí)過(guò)程。從人類得到反饋，以更廣泛的視角和更高的效率學(xué)習(xí)，從更專業(yè)的知識(shí)中學(xué)習(xí)并規(guī)范其價(jià)值導(dǎo)向。ChatGPT模型技術(shù)，通過(guò)文本、代碼、圖像、視頻等單模態(tài)和多模態(tài)內(nèi)容生成，形成高效率的數(shù)字內(nèi)容生產(chǎn)方式，開(kāi)啟了數(shù)字內(nèi)容生產(chǎn)革命，極大地提升了生產(chǎn)力；通過(guò)精準(zhǔn)理解用戶意圖，調(diào)用已有的軟件工具、算法模型和第三方服務(wù)，滿足用戶各類需求，形成更高效的人機(jī)交互方式，讓人人都擁有屬于自己的AI助手成為可能；通過(guò)高效的信息聚合和知識(shí)提煉，并結(jié)合專業(yè)知識(shí)庫(kù)或搜索引擎，極大地提升了回復(fù)內(nèi)容的準(zhǔn)確性和實(shí)時(shí)性，有望形成新的知識(shí)表示、調(diào)用和獲取方式，為信息搜尋和知識(shí)獲取降本增效。目前，ChatGPT在知識(shí)問(wèn)答、語(yǔ)言翻譯、信息搜索、內(nèi)容創(chuàng)作、代碼生成、簡(jiǎn)單推理和數(shù)據(jù)分析等領(lǐng)域達(dá)到人類基本水平。此外，ChatGPT在金融領(lǐng)域表現(xiàn)出了廣泛的應(yīng)用前景，覆蓋了風(fēng)險(xiǎn)管理、欺詐檢測(cè)、財(cái)務(wù)規(guī)劃、營(yíng)銷自動(dòng)化、智能客服、增強(qiáng)知識(shí)圖譜、提高客戶活躍度及法律合規(guī)等眾多應(yīng)用場(chǎng)景。

ChatGPT的局限性

盡管ChatGPT具有強(qiáng)大的語(yǔ)言理解和內(nèi)容生成能力，但仍存在一些局限性，包括但不限于以下三個(gè)方面。

輸出內(nèi)容缺乏時(shí)效性。ChatGPT通常基于歷史數(shù)據(jù)進(jìn)行訓(xùn)練，并不具備實(shí)時(shí)獲取和處理新數(shù)據(jù)的能力，難以即時(shí)更新模型中的知識(shí)儲(chǔ)備。對(duì)于一些實(shí)時(shí)性較強(qiáng)的最新資訊或即時(shí)消息，模型可能會(huì)輸出不準(zhǔn)確或錯(cuò)誤的信息，而要讓訓(xùn)練數(shù)據(jù)囊括最新的資訊信息，對(duì)訓(xùn)練的時(shí)間和成本消耗都非常大，更新速度會(huì)遠(yuǎn)慢于搜索引擎。

輸出內(nèi)容的可靠性有待進(jìn)一步提升。ChatGPT輸出內(nèi)容仍會(huì)存在事實(shí)性錯(cuò)誤，它本身無(wú)法核實(shí)數(shù)據(jù)來(lái)源的真實(shí)性，不具備驗(yàn)證引用數(shù)據(jù)來(lái)源的能力，可能會(huì)輸出一些虛構(gòu)或錯(cuò)誤的信息。此外，盡管ChatGPT技術(shù)具有極其優(yōu)秀的語(yǔ)言“創(chuàng)造”能力，以及看起來(lái)極具邏輯性的“邏輯推理”效果，但ChatGPT的推理和生成答案依賴于“統(tǒng)計(jì)概率”方法，因此不足以準(zhǔn)確地處理邏輯問(wèn)題。不僅如此，如果沒(méi)有灌入特定專業(yè)領(lǐng)域數(shù)據(jù)開(kāi)展訓(xùn)練，ChatGPT在特定專業(yè)領(lǐng)域上的垂類應(yīng)用表現(xiàn)也不盡如人意。

模型倫理道德邊界存在模糊空間。ChatGPT是基于現(xiàn)實(shí)世界的語(yǔ)言數(shù)據(jù)預(yù)訓(xùn)練而成的，若數(shù)據(jù)存在偏見(jiàn)和有害內(nèi)容，以及標(biāo)注人員的偏見(jiàn)性，會(huì)導(dǎo)致模型輸出帶有歧視、偏見(jiàn)等違背倫理道德的有害內(nèi)容。盡管模型開(kāi)發(fā)者有意避免上述問(wèn)題，但經(jīng)過(guò)一些誘導(dǎo)或不當(dāng)操作，模型輸出有害內(nèi)容仍有可能發(fā)生。

對(duì)人工智能大語(yǔ)言模型應(yīng)用模式的思考

人工智能大語(yǔ)言模型應(yīng)用模式分類

ChatGPT背后的人工智能大語(yǔ)言模型技術(shù)將催生新業(yè)態(tài)，帶來(lái)新機(jī)遇。在云計(jì)算時(shí)代，IaaS（基礎(chǔ)設(shè)施即服務(wù)）、PaaS（平臺(tái)即服務(wù)）和SaaS（軟件即服務(wù)）幫助企業(yè)將業(yè)務(wù)更快地遷移至云端，實(shí)現(xiàn)信息化發(fā)展目標(biāo)。在人工智能時(shí)代，MaaS（模型即服務(wù)）將向企業(yè)提供模型能力，支持企業(yè)和產(chǎn)業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型及智能化改進(jìn)。因此，如何將人工智能大語(yǔ)言模型快速應(yīng)用落地，是賦能實(shí)體經(jīng)濟(jì)、便利人們生活及促進(jìn)企業(yè)數(shù)智化轉(zhuǎn)型的關(guān)鍵。

從企業(yè)實(shí)際應(yīng)用人工智能大語(yǔ)言模型的方式來(lái)看，可以分為公有云模式和私有云模式。

公有云模式主要是科技巨頭通過(guò)構(gòu)建人工智能大語(yǔ)言模型基礎(chǔ)設(shè)施向市場(chǎng)提供模型能力，實(shí)現(xiàn)MaaS（模型即服務(wù)），滿足不同開(kāi)發(fā)能力的企業(yè)和個(gè)人需求。具體而言，主要包括直接調(diào)用推理服務(wù)、模型微調(diào)服務(wù)、模型托管等方式：第一，直接調(diào)用推理服務(wù)。用戶可以通過(guò)付費(fèi)訂閱等方式，直接訪問(wèn)通用大語(yǔ)言模型的核心推理能力，獲得推理結(jié)果。第二，微調(diào)服務(wù)。用戶可以根據(jù)自己的需求，使用少量的領(lǐng)域數(shù)據(jù)，在通用大語(yǔ)言模型的基礎(chǔ)上，以相對(duì)較低成本的方式訓(xùn)練出一個(gè)定制化的大語(yǔ)言模型。第三，托管服務(wù)。用戶可以將通用大語(yǔ)言模型或微調(diào)后的行業(yè)及專業(yè)領(lǐng)域大語(yǔ)言模型直接部署到云端。這樣，用戶只需要調(diào)用大語(yǔ)言模型，無(wú)需關(guān)心部署和管理的復(fù)雜性，同時(shí)保證了大語(yǔ)言模型的可用性、效率和安全性。

私有云模式主要是出于對(duì)敏感信息和重要數(shù)據(jù)的保護(hù)以及合規(guī)的需要，企業(yè)將人工智能大語(yǔ)言模型部署于本地私有云，供企業(yè)內(nèi)部用戶使用。人工智能大語(yǔ)言模型構(gòu)建要求極高的算力，非一般企業(yè)或個(gè)人能夠承擔(dān)。從建設(shè)成本和難易度等因素考慮，企業(yè)構(gòu)建人工智能大語(yǔ)言模型主要包括但不限于以下三種方式：第一，合作部署。通過(guò)將模型服務(wù)商的通用AI大語(yǔ)言模型私有化部署本地，供企業(yè)內(nèi)部使用。這種方式下，模型參數(shù)一般高達(dá)千億級(jí)別甚至更高，具有較高通用智能，但建設(shè)成本較大，企業(yè)定制化需求難以滿足。第二，“大語(yǔ)言模型+微調(diào)”方式。通過(guò)選用中等規(guī)模人工智能大語(yǔ)言模型（百億級(jí)參數(shù)）或?qū)⒊笠?guī)模大語(yǔ)言模型進(jìn)行剪枝、量化、蒸餾，并結(jié)合企業(yè)私有數(shù)據(jù)，對(duì)大語(yǔ)言模型進(jìn)行微調(diào)，使之適用于具體垂直行業(yè)、領(lǐng)域和場(chǎng)景。第三，“預(yù)訓(xùn)練+微調(diào)”方式。企業(yè)通過(guò)大規(guī)模“預(yù)訓(xùn)練﹢微調(diào)”范式，自主構(gòu)建大語(yǔ)言模型。該方式下，對(duì)企業(yè)算力成本、核心技術(shù)掌控力等方面有很高要求。

人工智能大語(yǔ)言模型應(yīng)用模式的優(yōu)劣勢(shì)對(duì)比分析

人工智能大語(yǔ)言模型應(yīng)用模式情況的對(duì)比分析詳見(jiàn)表1。

表1 人工智能大語(yǔ)言模型應(yīng)用模式情況對(duì)比分析

對(duì)于商業(yè)銀行而言，數(shù)據(jù)安全保護(hù)必須符合國(guó)家法律和行業(yè)監(jiān)管要求，調(diào)用外部廠商大語(yǔ)言模型服務(wù)需要依賴AI模型服務(wù)商提供的安全保障，可能存在數(shù)據(jù)被第三方訪問(wèn)或竊取的風(fēng)險(xiǎn)。因此，商業(yè)銀行應(yīng)優(yōu)先考慮以私有云模式推動(dòng)人工智能大語(yǔ)言模型應(yīng)用落地。其中，在合作部署模式下，私有化部署模型服務(wù)商的通用AI大語(yǔ)言模型的建設(shè)成本較高，且難以滿足商業(yè)銀行定制化需求；在“預(yù)訓(xùn)練+微調(diào)”模式下，大語(yǔ)言模型的開(kāi)發(fā)、訓(xùn)練、推理部署的門(mén)檻非常高，通常需要大規(guī)模算力進(jìn)行模型訓(xùn)練，企業(yè)需要負(fù)擔(dān)相對(duì)高昂的GPU等硬件成本，且技術(shù)難度大，存在較大實(shí)施與應(yīng)用風(fēng)險(xiǎn)；而在“大語(yǔ)言模型+微調(diào)”模式下，考慮建設(shè)成本和技術(shù)復(fù)雜度相對(duì)可控，當(dāng)前商業(yè)銀行可優(yōu)先考慮運(yùn)用中等規(guī)模通用大語(yǔ)言模型開(kāi)展相應(yīng)的應(yīng)用落地工作。

在私有云“大語(yǔ)言模型+微調(diào)”模式下，具體有兩種可能的實(shí)現(xiàn)路徑：一是通過(guò)對(duì)現(xiàn)有模型服務(wù)商的通用AI大語(yǔ)言模型（一般是千億級(jí)參數(shù)）進(jìn)行裁剪、量化和蒸餾，形成中等規(guī)模大語(yǔ)言模型（百億級(jí)參數(shù)），并結(jié)合本地?cái)?shù)據(jù)進(jìn)行微調(diào)。二是直接應(yīng)用中等規(guī)模通用大語(yǔ)言模型，基于模型通用智能涌現(xiàn)現(xiàn)象和泛化能力，并結(jié)合多種垂直行業(yè)和業(yè)務(wù)場(chǎng)景需求進(jìn)行模型微調(diào)及應(yīng)用適配，構(gòu)建面向垂類應(yīng)用的大語(yǔ)言模型，從而擺脫傳統(tǒng)AI能力碎片化、作坊式開(kāi)發(fā)的束縛。

商業(yè)銀行人工智能大語(yǔ)言模型應(yīng)用建設(shè)

復(fù)旦大學(xué)MOSS大語(yǔ)言模型的技術(shù)發(fā)展。復(fù)旦大學(xué)MOSS大語(yǔ)言模型是國(guó)內(nèi)首個(gè)插件增強(qiáng)的開(kāi)源對(duì)話語(yǔ)言模型。該模型擁有約160億個(gè)參數(shù)，支持中英文雙語(yǔ)和多種插件，如搜索引擎、計(jì)算器、解方程、文生圖等。復(fù)旦大學(xué)MOSS大語(yǔ)言模型在約7000億中英文及代碼單詞上預(yù)訓(xùn)練，并基于此進(jìn)行插件增強(qiáng)的多輪對(duì)話有監(jiān)督微調(diào)，使其具備多輪對(duì)話能力、指令遵循能力及規(guī)避有害請(qǐng)求的能力，覆蓋有用性、忠實(shí)性、無(wú)害性三個(gè)層面，提高對(duì)話質(zhì)量和用戶滿意度。MOSS開(kāi)發(fā)的基本步驟包括自然語(yǔ)言模型的基座訓(xùn)練及理解人類意圖的對(duì)話能力訓(xùn)練兩個(gè)階段。并且，相較于1750億參數(shù)的GPT-3模型、1760億參數(shù)的BLOOM模型以及500億參數(shù)的BloomBergGPT模型，MOSS模型不僅小巧而且精悍。它在模型量化后能夠輕松進(jìn)行終端設(shè)備部署，在FP16精度下可在單張英偉達(dá)A100/A800或兩張RTX 3090顯卡運(yùn)行，在INT4/8精度下可在單張RTX 3090顯卡運(yùn)行，做到了能耗低和碳排放量小，并方便用戶交互；同時(shí)它也可以在進(jìn)行垂直領(lǐng)域數(shù)據(jù)微調(diào)時(shí)，較大程度地避免過(guò)擬合及記憶訓(xùn)練數(shù)據(jù)等問(wèn)題。此外，MOSS大語(yǔ)言模型能夠從各類金融實(shí)時(shí)數(shù)據(jù)（如股票、債券等）、各類知識(shí)圖譜（如產(chǎn)業(yè)鏈、供應(yīng)鏈等），以及研報(bào)、財(cái)報(bào)等非結(jié)構(gòu)化文本信息中學(xué)習(xí)多源異構(gòu)知識(shí)，通過(guò)多種方式增強(qiáng)MOSS模型的金融專業(yè)領(lǐng)域智能對(duì)話能力，可在銀行財(cái)富管理等金融場(chǎng)景中發(fā)揮其應(yīng)用價(jià)值。

基于MOSS等大語(yǔ)言模型構(gòu)建ChatLONGYING。本文綜合考量數(shù)據(jù)安全、定制化、技術(shù)難度、建設(shè)成本等因素，提出商業(yè)銀行可優(yōu)先考慮選用產(chǎn)生了涌現(xiàn)現(xiàn)象的中等規(guī)模通用大語(yǔ)言模型作為私有云應(yīng)用基礎(chǔ)，結(jié)合垂類應(yīng)用場(chǎng)景需求進(jìn)行微調(diào)，并集成商業(yè)銀行現(xiàn)有的自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、智能語(yǔ)音、知識(shí)圖譜等多個(gè)AI核心技術(shù)能力，打造商業(yè)銀行AI大語(yǔ)言模型能力體系，實(shí)現(xiàn)AI從“手工作坊”到“工廠模式”的轉(zhuǎn)變，由此高效地進(jìn)行模型生產(chǎn)與服務(wù)，賦能商業(yè)銀行數(shù)字化轉(zhuǎn)型與智能化發(fā)展。本文主要基于MOSS大語(yǔ)言模型并輔以其它開(kāi)源人工智能模型，面向銀行應(yīng)用領(lǐng)域中的財(cái)富管理場(chǎng)景，通過(guò)輸入個(gè)性化數(shù)據(jù)及微調(diào)模型，利用SFT（Supervised Fine-Tuning）微調(diào)技術(shù)在學(xué)習(xí)過(guò)程中融入了人類專家的知識(shí)和經(jīng)驗(yàn)，提高智能體的學(xué)習(xí)效率和性能，并利用Prompt技術(shù)在模型使用時(shí)限制領(lǐng)域知識(shí)范圍，提升模型生成效果，從而成功打造并應(yīng)用ChatLONGYING商業(yè)銀行私有化大語(yǔ)言模型。

人工智能大語(yǔ)言模型在銀行財(cái)富管理領(lǐng)域的應(yīng)用探索

銀行財(cái)富管理需求痛點(diǎn)分析

商業(yè)銀行在財(cái)富管理領(lǐng)域存在諸多痛點(diǎn)。一是從智能投顧視角看，財(cái)富管理專業(yè)人才匱乏。傳統(tǒng)財(cái)富管理服務(wù)的門(mén)檻較高，商業(yè)銀行能夠?yàn)榭蛻籼峁I(yè)咨詢和資產(chǎn)配置建議的專業(yè)人員較少，基于運(yùn)營(yíng)成本考慮，相關(guān)人員往往優(yōu)先服務(wù)高凈值客群，難以覆蓋長(zhǎng)尾客戶。二是從智能投研視角看，傳統(tǒng)數(shù)據(jù)分析和投研效率較低。多數(shù)理財(cái)顧問(wèn)只能提供一些基礎(chǔ)的產(chǎn)品介紹和推薦，缺乏對(duì)規(guī)模龐大、維度多樣、瞬息萬(wàn)變的金融市場(chǎng)數(shù)據(jù)開(kāi)展全面、深入、靈活、有效的分析，投研效率不高。三是從智能投資視角看，難以滿足客戶的不同風(fēng)險(xiǎn)偏好和差異化資產(chǎn)配置需求。金融市場(chǎng)的復(fù)雜化和多元化增大了資產(chǎn)配置難度，投資風(fēng)險(xiǎn)分析和投資策略制定等業(yè)務(wù)具有較高的專業(yè)性，且不同客戶風(fēng)險(xiǎn)偏好、投資策略不盡相同，相關(guān)業(yè)務(wù)人員難以有效應(yīng)對(duì)。

ChatLONGYING在銀行財(cái)富管理領(lǐng)域的應(yīng)用探索

面向智能投顧場(chǎng)景。一是可應(yīng)用于客戶畫(huà)像。ChatLONGYING通過(guò)分析客戶的風(fēng)險(xiǎn)偏好、投資目標(biāo)和資產(chǎn)狀況等信息，生成與客戶需求相匹配的資產(chǎn)池，通過(guò)與客戶進(jìn)行自然語(yǔ)言交互，ChatLONGYING可以更好地理解客戶需求，為客戶提供個(gè)性化的投資建議。例如，理財(cái)經(jīng)理可以詢問(wèn)ChatLONGYING：“請(qǐng)告訴我50歲、男性、工程師、月收入2萬(wàn)元的新客戶會(huì)比較偏好什么類型的基金產(chǎn)品？”在此場(chǎng)景中ChatLONGYING可以為特定客群給出適宜性建議并提示投資風(fēng)險(xiǎn)。二是可應(yīng)用于投資知識(shí)普及。ChatLONGYING可通過(guò)智能問(wèn)答系統(tǒng)，解答客戶關(guān)于投資業(yè)務(wù)的疑問(wèn)，提高客戶對(duì)投資市場(chǎng)的認(rèn)識(shí)和理解。通過(guò)與客戶進(jìn)行自然語(yǔ)言交互，ChatLONGYING可以更好地理解客戶問(wèn)題，提供簡(jiǎn)單易懂的投資知識(shí)。例如，客戶可以詢問(wèn)ChatLONGYING：“我覺(jué)得最近經(jīng)濟(jì)形勢(shì)向好，想買一些易受經(jīng)濟(jì)周期影響的行業(yè)，可否幫我羅列一下？”在此場(chǎng)景中ChatLONGYING會(huì)羅列出受經(jīng)濟(jì)影響較大的行業(yè)，并嘗試給出各行業(yè)受經(jīng)濟(jì)影響的相關(guān)分析。三是可應(yīng)用于產(chǎn)品接續(xù)提醒。自動(dòng)化地管理投資組合，針對(duì)需要定期調(diào)整投資組合的資產(chǎn)配置，ChatLONGYING可以根據(jù)客戶設(shè)置好的信息進(jìn)行智能化提醒，以確保投資組合的風(fēng)險(xiǎn)和收益水平符合客戶的需求，提高投資效率和準(zhǔn)確性。例如，客戶可以要求ChatLONGYING：“請(qǐng)?jiān)谖夷壳百?gòu)買的產(chǎn)品到期前3天提醒我，準(zhǔn)備續(xù)接新的產(chǎn)品?！痹诖藞?chǎng)景中ChatLONGYING可以通過(guò)調(diào)用APP、短信、郵件等方式幫助客戶進(jìn)行后續(xù)智能化提醒操作。四是可應(yīng)用于客戶服務(wù)支持。ChatLONGYING可通過(guò)智能問(wèn)答系統(tǒng)解答客戶關(guān)于機(jī)構(gòu)內(nèi)評(píng)分、評(píng)級(jí)及投資建議的疑問(wèn)，提供技術(shù)支持和投資建議，通過(guò)與客戶進(jìn)行自然語(yǔ)言交互，可以更好地理解客戶問(wèn)題，提供個(gè)性化的客戶服務(wù)。例如，客戶可以詢問(wèn)ChatLONGYING：“機(jī)構(gòu)為我建議的RP1是什么意思？”在此場(chǎng)景中ChatLONGYING會(huì)根據(jù)機(jī)構(gòu)評(píng)級(jí)給出釋義，展示出對(duì)應(yīng)風(fēng)險(xiǎn)等級(jí)的投資產(chǎn)品，并闡述風(fēng)險(xiǎn)意愿與風(fēng)險(xiǎn)能力差異，為客戶答疑解惑。

面向智能投研場(chǎng)景。一是可應(yīng)用于數(shù)據(jù)分析挖掘。通過(guò)自然語(yǔ)言處理技術(shù)，ChatLONGYING會(huì)從大量的投資數(shù)據(jù)中自動(dòng)化地挖掘出關(guān)鍵信息和趨勢(shì)，幫助分析師更快地了解市場(chǎng)變化和投資機(jī)會(huì)，從而更好地做出投資決策。例如，客戶詢問(wèn)ChatLONGYING：“上市公司A的凈利潤(rùn)是否超預(yù)期？”在此場(chǎng)景中ChatLONGYING會(huì)通過(guò)搜索未公布年報(bào)時(shí)A機(jī)構(gòu)給出的預(yù)測(cè)利潤(rùn)及公布年報(bào)后的實(shí)際數(shù)據(jù)，給出問(wèn)題的回答。二是可應(yīng)用于研究報(bào)告檢索。根據(jù)客戶需求，ChatLONGYING通過(guò)與信息檢索技術(shù)的整合，自動(dòng)完成投資研究報(bào)告檢索工作，自動(dòng)化地整合和分析大量數(shù)據(jù)，提供研究報(bào)告的內(nèi)容和結(jié)論，從而大大提高研究報(bào)告的質(zhì)量和效率。例如，客戶可以詢問(wèn)ChatLONGYING某公募基金交易范圍，如“510021是否可以交易港股？”在此場(chǎng)景中ChatLONGYING會(huì)對(duì)研究報(bào)告的智能檢索給出交易范圍、直接與間接交易差異，并提示交易公募基金風(fēng)險(xiǎn)。三是可應(yīng)用于指標(biāo)計(jì)算。ChatLONGYING可使用算法對(duì)投資數(shù)據(jù)進(jìn)行分析和計(jì)算，根據(jù)給定數(shù)據(jù)提供最佳的投研建議，并幫助投資者了解相關(guān)的評(píng)價(jià)指標(biāo)，以更高效地完成投資研究。例如，客戶可以詢問(wèn)ChatLONGYING某理財(cái)產(chǎn)品近四年的最大回撤，而不再因受到時(shí)間段限制需要手動(dòng)計(jì)算。四是可應(yīng)用于情報(bào)監(jiān)測(cè)。通過(guò)對(duì)投資市場(chǎng)的實(shí)時(shí)監(jiān)測(cè)和分析，ChatLONGYING可自動(dòng)化地發(fā)現(xiàn)市場(chǎng)風(fēng)險(xiǎn)和機(jī)會(huì)，提醒投資者關(guān)注市場(chǎng)變化和風(fēng)險(xiǎn)，使投研結(jié)果更快地匹配現(xiàn)實(shí)場(chǎng)景。例如，詢問(wèn)ChatLONGYING：“161725基金經(jīng)理最近兩年有變動(dòng)嗎？”在此場(chǎng)景中ChatLONGYING會(huì)給出基金經(jīng)理任期變動(dòng)、是否在客戶圈定范圍內(nèi)發(fā)生了變動(dòng)、目前基金經(jīng)理任期時(shí)長(zhǎng)等相關(guān)信息。

面向智能投資場(chǎng)景。一是可應(yīng)用于資產(chǎn)配置。根據(jù)投資者的風(fēng)險(xiǎn)偏好和目標(biāo)，ChatLONGYING會(huì)自動(dòng)化地生成最佳資產(chǎn)配置方案，通過(guò)機(jī)器學(xué)習(xí)算法和大量的投資數(shù)據(jù)，為投資者提供最優(yōu)的投資組合，以達(dá)到最大化的投資回報(bào)和最小化的投資風(fēng)險(xiǎn)。例如，可以詢問(wèn)ChatLONGYING：“接下來(lái)的市場(chǎng)行情不錯(cuò)，我想更加激進(jìn)一點(diǎn)，可否幫我推薦一個(gè)含有ChatGPT概念的股票列表。”在此場(chǎng)景中ChatLONGYING會(huì)給出相應(yīng)概念的股票列表并提示其主營(yíng)業(yè)務(wù)。二是可應(yīng)用于編寫(xiě)策略代碼。ChatLONGYING可通過(guò)機(jī)器學(xué)習(xí)算法和實(shí)時(shí)的市場(chǎng)數(shù)據(jù)，提供最佳的交易策略，根據(jù)市場(chǎng)趨勢(shì)和投資者的需求，提供買入和賣出的建議，以最大化投資回報(bào)和降低交易風(fēng)險(xiǎn)。例如，可以要求ChatLONGYING：“請(qǐng)幫我寫(xiě)一個(gè)Python策略，策略思路為均線MA5超過(guò)MA10且年化波動(dòng)率小于15%?！痹诖藞?chǎng)景中ChatLONGYING會(huì)將相對(duì)應(yīng)的代碼呈現(xiàn)出來(lái)，包括數(shù)據(jù)、策略主題、回測(cè)表現(xiàn)等全流程信息。三是可應(yīng)用于實(shí)時(shí)投資監(jiān)測(cè)。ChatLONGYING可通過(guò)實(shí)時(shí)的市場(chǎng)數(shù)據(jù)和投資組合監(jiān)測(cè)，為投資者提供實(shí)時(shí)的投資決策建議，幫助投資者了解市場(chǎng)變化和趨勢(shì)，及時(shí)做出投資決策，以最大化投資回報(bào)。例如，給出自己的投資組合后詢問(wèn)ChatLONGYING：“在我自己的股票組合中，最大回撤超過(guò)5%時(shí)減倉(cāng)合理嗎？”在此場(chǎng)景中ChatLONGYING會(huì)給出最大回撤對(duì)組合的負(fù)面影響，減倉(cāng)的正面效果及其他投資建議。四是可應(yīng)用于風(fēng)險(xiǎn)管理。通過(guò)自動(dòng)化的風(fēng)險(xiǎn)評(píng)估和監(jiān)測(cè)，ChatLONGYING能幫助投資者降低投資風(fēng)險(xiǎn)，根據(jù)投資者的風(fēng)險(xiǎn)偏好和投資組合，提供最佳的風(fēng)險(xiǎn)管理策略，以保護(hù)投資者的本金和收益。例如，當(dāng)投資者希望自己的組合收益長(zhǎng)期達(dá)到8%，但是最大回撤不超過(guò)5%時(shí)，可以詢問(wèn)ChatLONGYING如何操作。在此場(chǎng)景中ChatLONGYING會(huì)根據(jù)投資者的輸入信息給出操作步驟及相應(yīng)的投資建議。

結(jié)語(yǔ)

本文回顧了人工智能大語(yǔ)言模型的發(fā)展歷程及當(dāng)前的進(jìn)展，在深入研究人工智能大語(yǔ)言模型應(yīng)用模式的基礎(chǔ)上，提出商業(yè)銀行可優(yōu)先考慮選用產(chǎn)生了涌現(xiàn)現(xiàn)象的中等規(guī)模通用大語(yǔ)言模型作為私有云應(yīng)用基礎(chǔ)，結(jié)合垂類應(yīng)用場(chǎng)景需求進(jìn)行微調(diào)，并集成商業(yè)銀行現(xiàn)有的自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、智能語(yǔ)音、知識(shí)圖譜等多個(gè)AI核心技術(shù)能力，打造商業(yè)銀行AI大語(yǔ)言模型能力體系。

盡管人工智能大語(yǔ)言模型具有語(yǔ)言理解、內(nèi)容生成等強(qiáng)大能力，但當(dāng)前的模型應(yīng)用仍面臨著安全風(fēng)險(xiǎn)挑戰(zhàn)，主要體現(xiàn)在三個(gè)方面：一是科技倫理風(fēng)險(xiǎn)引爭(zhēng)議。如人工智能自動(dòng)生成內(nèi)容，甚至人工智能取代某些人工工作，是否會(huì)出現(xiàn)違反人類倫理、道德、法律的問(wèn)題，這存在很大爭(zhēng)議，目前尚無(wú)對(duì)相關(guān)技術(shù)的監(jiān)管共識(shí)與標(biāo)準(zhǔn)。二是被惡意使用或誤用的風(fēng)險(xiǎn)。人工智能大語(yǔ)言模型的使用過(guò)程如不加以監(jiān)督，也可能被用于生成違反法律法規(guī)、違背道德準(zhǔn)則的內(nèi)容，被利用于網(wǎng)絡(luò)炒作、制作惡意不實(shí)信息、編寫(xiě)惡意軟件、實(shí)施不正當(dāng)商業(yè)營(yíng)銷等，或者泄露客戶個(gè)人隱私及保密信息等。三是惡意的提示注入攻擊。黑客可能針對(duì)生成式人工智能系統(tǒng)開(kāi)發(fā)破解方法和提示注入攻擊，使用精心設(shè)計(jì)和提煉的句子而不是代碼，利用系統(tǒng)弱點(diǎn)繞過(guò)內(nèi)容過(guò)濾器的安全檢查，將惡意數(shù)據(jù)或指令嵌入到AI模型中，使人工智能系統(tǒng)生成違背倫理道德、產(chǎn)生歧視性或誤導(dǎo)性甚至非法的言論等。

面對(duì)安全風(fēng)險(xiǎn)的挑戰(zhàn)應(yīng)采取有效的防范措施，一是健全完善生成式AI安全應(yīng)用相關(guān)制度。面對(duì)科技倫理風(fēng)險(xiǎn)，應(yīng)通過(guò)建立有效的內(nèi)容審核和監(jiān)管機(jī)制，防止生成及傳播不良和違法內(nèi)容；通過(guò)建立合理的知識(shí)產(chǎn)權(quán)保護(hù)制度，保障各參與方的合法權(quán)益；通過(guò)建立嚴(yán)格的數(shù)據(jù)保護(hù)規(guī)范，保護(hù)客戶的數(shù)據(jù)安全和隱私權(quán)。二是強(qiáng)化大語(yǔ)言模型應(yīng)用的技術(shù)監(jiān)管和審查。面對(duì)可能利用人工智能大語(yǔ)言模型進(jìn)行網(wǎng)絡(luò)犯罪的問(wèn)題，有關(guān)部門(mén)應(yīng)加強(qiáng)對(duì)人工智能大語(yǔ)言模型的監(jiān)管和審查，防止其被濫用，建立可行的檢驗(yàn)方法來(lái)確保模型給出的回答是真實(shí)可靠和沒(méi)有危害的，避免數(shù)據(jù)泄露、虛假信息、侵權(quán)等問(wèn)題。三是探索大語(yǔ)言模型實(shí)際應(yīng)用落地的具體風(fēng)險(xiǎn)防范措施和手段。面對(duì)可能發(fā)生的內(nèi)外部惡意攻擊，金融機(jī)構(gòu)應(yīng)根據(jù)自身業(yè)務(wù)，選用可信的人工智能大語(yǔ)言模型并采用私有云模式，實(shí)施必要的模型應(yīng)用管理辦法和網(wǎng)絡(luò)控制手段，從而減小對(duì)外風(fēng)險(xiǎn)暴露面，穩(wěn)妥開(kāi)展人工智能大語(yǔ)言模型面向具體業(yè)務(wù)場(chǎng)景的應(yīng)用落地。

（本文作者向中國(guó)工程院院士、復(fù)旦大學(xué)金融科技研究院柴洪峰院長(zhǎng)對(duì)本文的指導(dǎo)表示感謝。復(fù)旦大學(xué)周宇航、曾倩如、甘云薈，以及龍盈智達(dá)﹝北京﹞科技有限公司陳生、楊璇、劉驪、劉曦子、關(guān)宇航、王一多、陽(yáng)少杰、閆括、高新凱、李維、劉潔菲、李廣龍、覃輝、劉微、王月超和單石磊對(duì)本文亦有貢獻(xiàn)）

內(nèi)容來(lái)源：銀行家雜志

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自： yaohaobo67 > 《工具》

舉報(bào)/認(rèn)領(lǐng)