التنافس على GPT المالية المحلية: كيف يعيد النموذج الكبير تعريف التكنولوجيا المالية

المصدر: عرض الأعمال

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI‌

إن ساحة المعركة النموذجية واسعة النطاق في الصين ، بعد عدة أشهر من الإعصار والتجمع لاظهار "عضلاتها" ، تستهل معركة جديدة في الهدوء.

منذ مارس من هذا العام ، حيث أطلق الذكاء الاصطناعي التوليدي الذي يمثله ChatGPT موجة جديدة من التكنولوجيا ، أطلقت أكثر من 20 شركة إنترنت محلية نماذج واسعة النطاق.

بحلول المؤتمر العالمي للذكاء الاصطناعي لعام 2023 في 6 يوليو ، يمكن وصفها بأنها "معركة مائة نموذج" ، بل إنها شكلت "حرب نموذج الألف" ، مماثلة لـ "حرب الألف فوج" خلال فترة تطوير الإنترنت.

لا أحد يريد أن يتخلف عن الركب في هذه الموجة من النماذج الضخمة للذكاء الاصطناعي. لكن في الوقت الحالي ، دخل تطوير النماذج الكبيرة في المرحلة "الرأسية" من المرحلة "العامة".

** أدرك المزيد والمزيد من الشركات بشكل منطقي أن عددًا قليلاً فقط من الشركات العملاقة في النماذج الكبيرة للأغراض العامة يمكنهم استخدام "قوة الحوسبة ، والخوارزميات ، والبيانات" أو حتى القوى العاملة والموارد المالية للقيام بالأشياء كلها ، والتركيز على تطبيقات المشهد ، والتخصيص والتكيف من الأفضل أن تستثمر الشركات الصغيرة والمتوسطة الحجم في نموذج رأسي كبير. **

تقوم العديد من الشركات ببساطة بتدريب نموذج رأسي يتكيف مع المشهد بشكل مباشر على أساس "قاعدة" النماذج المحلية والأجنبية الكبيرة لأنها جمعت بيانات ومزايا أخرى في مجالاتها تم تطويرها لسنوات عديدة.

على سبيل المثال ، في المجال المالي ، منذ شهر مايو من هذا العام ، قامت مجموعة من شركات التكنولوجيا المالية مثل Qifu Technology و Du Xiaoman و Lufax Holdings و Ant Group و Mashou Consumption بنشر نماذج كبيرة من الذكاء الاصطناعي بناءً على سيناريوهاتهم الخاصة ومزايا البيانات الخاصة بهم.

أخبر أحد المطلعين من شركة رائدة في مجال التكنولوجيا المالية ** "Business Show" ** أنه في الشهرين الماضيين ، بدأت جميع شركات التكنولوجيا المالية والمؤسسات المالية الرائدة التي لديها قدرات بناء نماذج واسعة النطاق في الصناعة المالية من المرحلة الاستكشافية أدخل مرحلة تطبيق الهبوط.

** ذكر الشخص كذلك أن شركات التكنولوجيا المالية أو المؤسسات المالية التي لديها سيناريوهات أعمال خاصة بها ستعطي الأولوية للاستخدام الداخلي ، وستعمل على تحسين قدرات النماذج الكبيرة من خلال تلميع المنتجات الداخلية. تميل شركات التكنولوجيا التي ليس لديها تطبيقات أعمال خاصة بها أكثر إلى قدرات حل المشكلات العامة في الصناعة المالية ، وسوف يتعاون بعضها مع المؤسسات المالية لإنشاء نماذج كبيرة من الصناعة المالية والسيناريوهات بشكل مشترك. **

بدأت المصارعة حول النموذج المالي الكبير للذكاء الاصطناعي.

ما هو الأثر الذي ستجلبه هذه الثورة الجديدة في مجال التكنولوجيا المالية التي أطلقها نموذج الذكاء الاصطناعي على الصناعة؟ نظرًا لدرجة عالية من البيانات والتعقيد المهني العالي ، ما هي الفرص والتحديات التي ستواجهها الصناعة المالية بعد الوصول إلى النموذج الكبير؟ كيف سيتطور النموذج المالي في المستقبل؟

** تنافس على GPT المالية المحلية **

ليس هناك شك في أن تطوير الذكاء الاصطناعي في عام 2023 سيفتح حقبة جديدة.

في مارس ، ولدت ChatGPT ، التي أطلقها مختبر الذكاء الاصطناعي OpenAI ، مما أدى إلى تفجير موجة جديدة من النماذج العالمية للذكاء الاصطناعي على نطاق واسع ، وفتح حقبة جديدة من AIGC ، ودخلت الصناعات ذات الصلة أيضًا في إعادة التقييم.

لم يستغرق الأمر وقتًا طويلاً حتى ينفجر الهواء الساخن لنموذج الذكاء الاصطناعي في الدائرة المالية. في الثلاثين من الشهر نفسه ، أطلقت Bloomberg نموذجًا لغويًا واسع النطاق للصناعة المالية - BloombergGPT. يُنظر إلى هذا على أنه حدث يمكن أن يكون له تأثير كبير ، إن لم يكن مدمرًا ، على القطاع المالي.

بعد شهرين ، استهل المجال المالي المحلي أيضًا لحظة نموذج الذكاء الاصطناعي. في منتصف شهر مايو ، أعلنت شركة Qifu Technology لأول مرة عن إطلاق نموذج عام مطور ذاتيًا للصناعة المالية - Qifu GPT ، والذي يُعرف في الصناعة باسم "النموذج العام الأول للصناعة المالية في الصين".

وفقًا لـ Qifu Technology ، من المتوقع إطلاق التطبيقات على مستوى المنتج التي تدعمها خلال هذا العام وفتحها للاستخدام من قبل المؤسسات المالية.

قال أحد المطلعين على Qifu Technology لـ ** "Business Show" ** إنه في وقت مبكر من العام الماضي ، بدأت Qifu Technology في التخطيط ومحاولة تطبيق نماذج كبيرة مولدة في بعض السيناريوهات الداخلية. وفي مارس من هذا العام ، بعد أن أصبح النموذج واسع النطاق شائعًا ، أنشأت شركة Qifu Technology بسرعة قسم أبحاث نموذجي واسع النطاق لتسريع البحث والتطوير وتعزيز تطبيق السيناريوهات.

في 9 فبراير من هذا العام ، طرح Zhou Hongyi ، مؤسس 360 Group ، و Zhang Chaoyang ، مؤسس Sohu ، وجهة نظر خلال الحوار حول "Dialogue Under the Stars": ** إذا لم تتمكن الشركة من اللحاق بـ ChatGPT الحافلة ، فمن المرجح أن يتم القضاء عليها. **

في وقت سابق ، قال الرئيس التنفيذي لشركة Qifu Technology Wu Haisheng أيضًا إنه يقف حاليًا على مفترق طرق للثورة التكنولوجية ، من الحوسبة السحابية إلى ChatGPT ، التي تحظى بشعبية الآن في جميع أنحاء العالم ، وسوف تلتزم بتطبيق هذه التقنيات في المجال المالي لتوفير شركاء ومستخدمي المؤسسات المالية خدمات وحلول تقنية أكثر كفاءة.

ليس فقط Qifu Technology هي التي تأخذ زمام المبادرة في التخطيط. في أواخر مايو ، أعلن Du Xiaoman أيضًا عن إطلاق "Xuanyuan" ، وهو أول نموذج مفتوح المصدر واسع النطاق للصناعة المالية الرأسية في الصين ، ثم أعلنت Lufax Holdings و Xinye Technology وغيرها أيضًا عن تخطيط واستكشاف التوليد. تطبيقات النماذج واسعة النطاق. في 21 يونيو ، ردت مجموعة Ant بأنها تطور نموذجًا متعدد الوسائط ولغويًا يسمى "Zhenyi" ؛ وفي الثامن والعشرين من نفس الشهر ، تم الكشف أيضًا عن LightGPT ، وهو نموذج كبير للصناعة المالية الإلكترونية لشركة Hang Seng.

في المؤتمر العالمي للذكاء الاصطناعي 2023 في 6 يوليو ، تم الكشف عن ما يصل إلى 30 نموذجًا واسع النطاق من الداخل والخارج ، كما أصبحت كيفية تطبيق تقنية النماذج واسعة النطاق في المجالات الرأسية مثل التمويل موضوعًا ساخنًا أيضًا. أشار جيانغ نينغ ، كبير التكنولوجيا في قسم المستهلكين الفوريين ، في مقابلة مع وسائل الإعلام إلى أن نموذج الذكاء الاصطناعي الضخم قد جلب "دفعة" للصناعة المالية. في الوقت نفسه ، كشف أيضًا أن الاستهلاك الفوري سيطلق أيضًا نموذجًا ماليًا كبيرًا.

في غضون أربعة أشهر فقط ، تستعد العديد من المؤسسات المالية وشركات التكنولوجيا المالية وتتنافس على النشر ، وتوشك GPT في المجال المالي المحلي على الظهور.

** توافق نموذج كبير: من العام إلى الرأسي **

بينما تتسابق العديد من الشركات مع الوقت لإطلاق نماذج مالية واسعة النطاق ، توصلت الصناعة تدريجيًا إلى توافق في الآراء: يجب أن تدخل النماذج واسعة النطاق المرحلة الرأسية من المرحلة العامة.

في مؤتمر الاقتصاد الرقمي العالمي لعام 2023 في 2 يوليو ، طرح شو دونجليانج ، كبير التكنولوجيا في Du Xiaoman ، أيضًا وجهة نظر مماثلة - "مقارنة بقدرات النماذج واسعة النطاق للأغراض العامة ، فإن الصناعة المالية في حاجة ماسة إلى نماذج الصناعة العمودية واسعة النطاق. "

حلل Xu Dongliang كذلك أنه نظرًا للمتطلبات العالية للصناعة المالية من حيث أمان البيانات والخصوصية ، والتحكم في المخاطر ، والدقة ، والأداء في الوقت الفعلي ، فإن النموذج الكبير للأغراض العامة يفتقر إلى بيانات التدريب اللازمة من حيث القدرات المالية. يمكن أن تفي الدقة أو الدقة بالحد الأدنى من متطلبات هذه الصناعة ، لذلك يلزم وجود نموذج صناعي كبير مخصص للمؤسسات المالية ليكون فعالاً.

قال الشخص المعني المسؤول عن Qifu Technology أيضًا أن الاختلاف الأكبر بين النموذج الواسع النطاق للصناعة المالية والصناعات الأخرى يكمن في تعقيد الأعمال في الصناعة المالية ، ومتطلبات لوائح تشغيل الصناعة ، والأمن وحماية الخصوصية ، مما يجعل الصناعة المالية أكثر خصوصية من الصناعات الأخرى ، والأعمال التجارية أكثر تعقيدًا ، ومتطلبات معايير التشغيل الصناعية أعلى ، ومتطلبات الأمان وحماية الخصوصية أعلى.

أشار الرئيس التنفيذي المباشر للمستهلكين جيانغ نينغ في المؤتمر العالمي للذكاء الاصطناعي لعام 2023 إلى أنه نظرًا لخصائص الصناعة المالية ، مثل "كثيفة البيانات وكثافة التكنولوجيا" ، كانت هذه الصناعة تأمل دائمًا في الاستفادة من البيانات ، ولكن في نفس الوقت كما أنه يواجه تحديات مثل منافذ البنوك غير المتصلة بالإنترنت ، حيث تتطلب مشكلات مثل كفاءة تقديم القيمة وتجربة المستخدم من المؤسسات مواصلة الابتكار.

** بمعنى أنه من منظور منطق النموذج الكبير ، لا يمكن أن تغطي النماذج الكبيرة الحالية جميع الصناعات. وعلى أساس النماذج الكبيرة العامة ، تحتاج الشركات إلى ضبط التدريب وتخصيص النماذج الكبيرة للحقول الرأسية. **

قال الشخص المعني المسؤول عن Qifu Technology إنه على وجه الخصوص بالنسبة للمجال المالي شديد التوجّه نحو البيانات والمعقد مهنيًا ، فإنه يحتاج إلى الاعتماد على خلفية أكثر احترافًا ورؤية صناعية لتحسين والتكيف مع متطلبات التطبيق المحددة.

** من منظور احتياجات تطوير الصناعة ، دخلت الصناعة المالية أيضًا مرحلة منافسة الأسهم من سوق متزايد ، وتواجه الصناعة بأكملها صعوبات مثل صعوبة الاحتفاظ بالعملاء والمنافسة الشديدة. في هذا الوقت ، من الضروري استخدام التكنولوجيا لتحسين الكفاءة التشغيلية وتجربة المستخدم. **

بالنظر إلى التنفيذ الفعلي لتجربة المستخدم الممكّنة من التكنولوجيا ، لا تزال الخدمات المالية التقليدية تواجه عمومًا مشكلة "الاكتشاف الصعب ، والتجربة الصعبة ، والخدمة الصعبة" في عملية تحسين تجربة المستخدم. يمكن أن يساعد ظهور نماذج كبيرة للذكاء الاصطناعي الصناعة المالية في حل هذه المشكلات إلى حد كبير ، وذلك لخدمة المستخدمين بشكل أفضل.

ولكن الآن ، لا تزال هناك فجوة كبيرة بين النموذج الكبير للأغراض العامة وتطبيق السيناريوهات المالية. لذلك ، فقط من خلال التحسين المستمر للنموذج واسع النطاق الحالي للأغراض العامة وتشكيل نموذج احترافي واسع النطاق عموديًا في المجال المالي ، يمكن لنموذج اللغة واسع النطاق أن يخدم المؤسسات والمستخدمين بشكل أفضل.

ومع ذلك ، بالمقارنة مع المجالات الأخرى ، فإن التمويل لديه متطلبات أعلى لخبرة البيانات ، ومراقبة المخاطر ، والامتثال ، والأمن ، مما يجلب أيضًا العديد من التحديات للمؤسسات والشركات المالية في استكشاف النماذج الكبيرة في المجالات الرأسية.

** إعادة تعريف التكنولوجيا المالية **

بالنظر إلى الموجات الثلاث لتطوير الذكاء الاصطناعي ، فإن تطوير تقنية الذكاء الاصطناعي مدفوع بثلاثة عناصر رئيسية: الخوارزميات ، وقوة الحوسبة ، والبيانات - تحدد الخوارزميات ما إذا كان "الدماغ" المصمم ذكيًا بدرجة كافية ، والحوسبة عالية الأداء فقط يمكن للقوة أن تتدرب. يجب أن تحصل الشبكة الكبيرة أيضًا على دعم البيانات الضخمة.

في غضون نصف عام فقط ، مع ظهور AIGC الذي يمثله ChatGPT ، يقترب عصر نماذج الذكاء الاصطناعي الكبيرة. عندما يلتقي نموذج الذكاء الاصطناعي مع التمويل ، سيتم فتح التغييرات التكنولوجية ومساحة الأعمال بشكل أكبر ، وستؤدي قيمة جميع الصناعات إلى إعادة التقييم. وفقًا لـ iResearch ، سيصل حجم السوق الأساسي لتمويل AI + إلى 29.6 مليار يوان في عام 2021 ، مما يدفع الصناعات ذات الصلة إلى 67.7 مليار يوان.

يمكن القول أن ظهور نماذج كبيرة للذكاء الاصطناعي أعاد تعريف التكنولوجيا المالية إلى حد كبير. على سبيل المثال ، تساعد نماذج الذكاء الاصطناعي واسعة النطاق الشركات على تقليل التكاليف وزيادة الكفاءة ، وبناء تفاعلات افتراضية مع خدمة العملاء عبر الإنترنت ، وتزويد المستخدمين بخدمات أكثر إنسانية. يمكن لـ GPT المالية أن تدرك الإنشاء التلقائي لنصوص المعلومات المالية ومحتوى تقديم المنتج ، وتحسين كفاءة تشغيل المحتوى للمؤسسات المالية.

خذ Qifu GPT ، نموذج كبير من Qifu Technology ، كمثال ، تم تطبيقه على روابط الأعمال مثل اكتساب العملاء والتشغيل والتحكم في المخاطر وخدمة ما بعد القرض. على مستوى التسويق ، قم ببناء سيناريو عمل مالي للحوار من خلال نموذج كبير ، وقم بتدريب نظام حوار التسويق عبر الهاتف الحالي ، وساعد روبوتات التسويق عبر الهاتف على فهم احتياجات المستخدم الحقيقية بدقة ، وتحسين دقة الاستجابة واحترافية الخدمة.

قال الشخص المختص المسؤول عن Qifu Technology ، "بمساعدة الروبوت المتسابق على نطاق واسع ، زاد وقت الاتصال بنظام التسويق عبر الهاتف بنسبة 15.1٪. من حيث التحكم في المخاطر في رابط العمل الأساسي في مجال الائتمان ، فإن تفسير المعلومات الائتمانية الذكية المستمدة من النموذج واسع النطاق باعتباره الأساس ، يمكن أن يساعد المؤسسات المالية على فهم المستخدمين والحكم عليهم بشكل أكثر شمولاً وكفاءة. "

من المفهوم أنه في الوقت الحالي ، يجمع فريق Qifu Technology بين الصناعة المالية وبيانات الملكية الداخلية للقيام بالتدريب المسبق الإضافي وضبط النماذج الكبيرة ، والاعتماد على الأعمال الداخلية لتنفيذ التطبيق العملي في بعض السيناريوهات الصغيرة والمتوسطة.

** ومع ذلك ، قال المطلعون على شركات التكنولوجيا المالية الرائدة المذكورة أعلاه لـ "Business Show" أن النماذج المالية المحلية الكبيرة الحالية تُستخدم بشكل أساسي في المناطق الصغيرة والمتوسطة الحجم في بعض سيناريوهات الأعمال المستقلة ، ثم يلاحظون تأثير النماذج الكبيرة حول نمو الأعمال والتحكم في المخاطر. لم تكن قدرات التحسين من حيث تحسين الكفاءة البشرية وتحسين الكفاءة البشرية إيذانا ببدء مرحلة التسويق التجاري على نطاق واسع. **

في الوقت الحالي ، لا يزال النموذج المالي المحلي الواسع النطاق يواجه العديد من التحديات ، وسيستغرق تطبيقه على نطاق واسع وقتًا طويلاً.

يعتقد جيانغ نينغ ، كبير التكنولوجيا في قسم المستهلكين الفوريين ، أنه لا تزال هناك أربعة تحديات رئيسية في النموذج الحالي واسع النطاق للصناعة المالية:

أولاً ، في مواجهة المهام الرئيسية والتغيرات الخارجية غير المتوقعة في الصناعة المالية ، لا يمكن للنماذج الكبيرة ضمان استقرار ودقة كل قرار ؛ ثانيًا ، تأمل الصناعة المالية في استخدام الذكاء الاصطناعي لتحقيق تجربة مستخدم مخصصة ، ولكنها تتطلب تكامل البيانات الخاصة والنماذج الكبيرة لا يزال يعاني من مشاكل الامتثال والأمن ؛ ثالثًا ، لطالما واجهت الصناعة المالية مشكلة "جزر البيانات". تتطلب النماذج الكبيرة إنشاء منصة شبكية لتعزيز التعلم والمساهمة المستمرة للبيانات والتعليقات. ومع ذلك ، فإن السوق الحالية رابعًا ، يطرح تطبيق النماذج واسعة النطاق في الصناعة المالية متطلبات أعلى لمرافق الأجهزة والبرامج مثل المعدات الأساسية والبنية التحتية.

قال الشخص المسؤول عن Qifu Technology أيضًا أن أحد التحديات الرئيسية التي تواجه تطوير النماذج المالية العامة هو تعقيد معالجة البيانات.بالإضافة إلى ذلك ، يجب أيضًا مراعاة حماية خصوصية البيانات وأمن المعلومات. أشار الشخص المسؤول أيضًا إلى أن صعوبة النموذج المالي للأغراض العامة تكمن أساسًا في دقة النموذج ومرونة التطبيق العملي. يجب حجز الواجهات الواسعة للاتصال المجاني في الممارسة العملية للتكيف مع التوسع المستمر سيناريوهات التطبيق. "

بالنظر إلى تاريخ تطور التكنولوجيا المالية على مدار العقد الماضي ، فهي صناعة كبيرة ومتنامية. في مجال الذكاء الاصطناعي ، ظلت الصناعة المالية تستكشف باستمرار على مر السنين ، وما يمكننا رؤيته هو أن الذكاء الاصطناعي ظهر في مجالات مثل الدفع والاستثمار والقروض والإدارة المالية الشخصية ومكافحة الاحتيال المصرفي والتأمين.

** ومع ذلك ، لا يمكن تجاهل أن جوهر التمويل لا يزال هو إدارة المخاطر ، ومراقبة المخاطر هي جوهر جميع الأعمال المالية. مع دخول عصر النماذج الكبيرة للذكاء الاصطناعي ، الدور الذي تلعبه نماذج الذكاء الاصطناعي الكبيرة ، بالإضافة إلى تحسين خدمات الأعمال المالية وتجربة المستخدم ، لا يزال جوهرها هو المساعدة في تقليل المخاطر. **

بالطبع ، بالإضافة إلى النظر في التحكم في المخاطر وتكامل التكنولوجيا والسيناريوهات ، لا يمكن تجاهل المشاركة البشرية. في عملية التعلم الآلي ، فإن المشاركة البشرية في التدريب مطلوبة في الذكاء الاصطناعي التوليدي.في مجال النماذج المالية الكبيرة ، تعد المشاركة البشرية في جميع الجوانب مهمة بنفس القدر.

في موجة التكنولوجيا التي أطلقها نموذج الذكاء الاصطناعي هذا ، بدأت ثورة تقنية مالية جديدة بهدوء. يجب ألا تفوت كل مؤسسة وحتى الجميع.