Competir por la GPT financiera nacional: cómo el gran modelo redefine la tecnología financiera

Fuente: Feria de Negocios

Fuente de la imagen: Generada por Unbounded AI‌

El campo de batalla modelo a gran escala en China, después de varios meses de huracanes y reuniones para mostrar sus "músculos", está marcando el comienzo de una nueva batalla en el enfriamiento.

Desde marzo de este año, a medida que la IA generativa representada por ChatGPT ha desencadenado una nueva ola de tecnología, más de 20 empresas nacionales de Internet han lanzado modelos a gran escala.

Para la Conferencia Mundial de Inteligencia Artificial de 2023 el 6 de julio, se puede describir como una "batalla de cien modelos" e incluso formó una "guerra de mil modelos", comparable a la "guerra de mil regimientos" durante el período de desarrollo de Internet.

Nadie quiere quedarse atrás en esta ola de megamodelos de IA. Pero ahora mismo, el desarrollo de modelos grandes ha entrado en la etapa "vertical" desde la etapa "general".

**Cada vez más empresas se han dado cuenta racionalmente de que solo unos pocos gigantes en modelos grandes de propósito general pueden usar "poder de cómputo, algoritmos, datos" o incluso mano de obra y recursos financieros para hacer todo y enfocarse en aplicaciones de escena, personalización y adaptación Es más digno de las pequeñas y medianas empresas invertir en un gran modelo vertical. **

Muchas empresas simplemente entrenan un modelo vertical que se adapta a la escena directamente en base a la "base" de grandes modelos nacionales y extranjeros porque han acumulado datos y otras ventajas en sus campos que se han cultivado durante muchos años.

Por ejemplo, en el ámbito financiero, desde mayo de este año, un grupo de empresas de tecnología financiera como Qifu Technology, Du Xiaoman, Lufax Holdings, Ant Group y Mashou Consumption han desplegado grandes modelos de IA basados en sus propios escenarios y ventajas de datos.

Un miembro de una empresa líder en tecnología financiera le dijo a "Business Show" que en los últimos dos meses, todas las empresas de tecnología financiera y las instituciones financieras líderes que tienen capacidades de construcción de modelos a gran escala en la industria financiera están comenzando desde la etapa exploratoria. Ingrese a la etapa de aplicación de aterrizaje.

**La persona afirmó además que las empresas de tecnología financiera o las instituciones financieras con sus propios escenarios comerciales darán prioridad al uso interno y mejorarán las capacidades de los modelos grandes mediante el pulido de productos internos. Las empresas de tecnología que no tienen sus propias aplicaciones comerciales se inclinan más por las capacidades generales de resolución de problemas de la industria financiera.Algunas cooperarán con instituciones financieras para crear conjuntamente grandes modelos de la industria financiera y escenarios. **

Comenzó una lucha sobre el gran modelo financiero de IA.

¿Qué impacto traerá a la industria esta nueva revolución en el campo de la tecnología financiera desencadenada por el modelo de IA? Por su alto grado de dataización y alta complejidad profesional, ¿a qué oportunidades y retos se enfrentará la industria financiera tras acceder al gran modelo? ¿Cómo evolucionará el modelo financiero en el futuro?

Compite por el GPT financiero nacional

No hay duda de que en 2023, el desarrollo de la IA marcará el comienzo de una nueva era.

En marzo, nació ChatGPT, lanzado por el laboratorio de inteligencia artificial OpenAI, detonando una nueva ola de modelos globales de IA a gran escala, abriendo una nueva era de AIGC, y las industrias relacionadas también han dado paso a una revalorización.

No pasó mucho tiempo para que el aire caliente del modelo de IA soplara en el círculo financiero. El 30 del mismo mes, Bloomberg lanzó un modelo de lenguaje a gran escala para la industria financiera: BloombergGPT. Esto se ve como un evento que podría tener un impacto significativo, si no perturbador, en el sector financiero.

Después de dos meses, el campo financiero nacional también marcó el comienzo de su momento de modelo de IA. A mediados de mayo, Qifu Technology anunció por primera vez el lanzamiento de un modelo general de desarrollo propio para la industria financiera: Qifu GPT, conocido en la industria como "el primer modelo general para la industria financiera en China".

Según Qifu Technology, se espera que las aplicaciones de nivel de producto que admite se lancen dentro de este año y estén abiertas para su uso por parte de las instituciones financieras.

Un miembro de Qifu Technology le dijo a "Business Show" que ya el año pasado, Qifu Technology comenzó a diseñar e intentar aplicar grandes modelos generativos en algunos escenarios internos. Y en marzo de este año, después de que el modelo a gran escala se hizo popular, Qifu Technology también estableció rápidamente un departamento de investigación de modelos a gran escala para acelerar la investigación y el desarrollo y promover la aplicación de escenarios.

El 9 de febrero de este año, Zhou Hongyi, fundador de 360 Group, y Zhang Chaoyang, fundador de Sohu, expusieron un punto de vista durante el diálogo sobre "Diálogo bajo las estrellas": **Si una empresa no puede captar el ChatGPT autobús, es probable que sea eliminado. **

Anteriormente, el CEO de Qifu Technology, Wu Haisheng, también dijo que actualmente se encuentra en la encrucijada de la revolución tecnológica, desde la computación en la nube hasta ChatGPT, que ahora es popular en todo el mundo, y se comprometerá a aplicar estas tecnologías al campo financiero para brindar socios y usuarios de instituciones financieras Servicios y soluciones tecnológicas más eficientes.

No es solo la tecnología Qifu la que está tomando la delantera en el diseño. A fines de mayo, Du Xiaoman también anunció el lanzamiento de "Xuanyuan", el primer modelo a gran escala de código abierto para la industria financiera vertical en China, y luego Lufax Holdings, Xinye Technology, etc. también anunciaron el diseño y la exploración de generadores aplicaciones de modelos a gran escala. El 21 de junio, Ant Group respondió que estaba desarrollando un lenguaje y un modelo multimodal llamado "Zhenyi"; el 28 del mismo mes, también se presentó LightGPT, un gran modelo de la industria financiera electrónica de Hang Seng.

En la Conferencia Mundial de Inteligencia Artificial de 2023 el 6 de julio, se dieron a conocer hasta 30 modelos a gran escala del país y del extranjero, y cómo la tecnología de modelos a gran escala se aplica a campos verticales como las finanzas también se ha convertido en un tema candente. Jiang Ning, CTO de Consumidores Inmediatos, señaló en una entrevista con los medios que el gran modelo de inteligencia artificial ha traído "un impulso" a la industria financiera. Al mismo tiempo, también reveló que Consumo Inmediato también lanzará un gran modelo financiero.

En solo cuatro meses, varias instituciones financieras y empresas de tecnología financiera se están preparando y compitiendo por su implementación, y GPT en el campo financiero nacional está a punto de emerger.

Consenso de modelo grande: de lo general a lo vertical

Mientras varias empresas compiten contra el tiempo para lanzar modelos financieros a gran escala, la industria ha llegado gradualmente a un consenso: los modelos a gran escala deben ingresar a la etapa vertical desde la etapa general.

En la Conferencia de Economía Digital Global 2023 el 2 de julio, Xu Dongliang, CTO de Du Xiaoman, también presentó un punto de vista similar: "En comparación con las capacidades de los modelos a gran escala de propósito general, la industria financiera tiene una gran necesidad de modelos a gran escala de la industria vertical".

Xu Dongliang analizó además que debido a los altos requisitos de la industria financiera en términos de seguridad y privacidad de datos, control de riesgos, precisión y rendimiento en tiempo real, el modelo grande de propósito general carece de los datos de capacitación necesarios en términos de capacidades financieras. Ni la exactitud ni la exactitud pueden cumplir con los requisitos mínimos de esta industria, por lo que se necesita un gran modelo de industria personalizado para las instituciones financieras para que sea efectivo.

La persona relevante a cargo de Qifu Technology también dijo que la mayor diferencia entre el modelo a gran escala de la industria financiera y otras industrias radica en la complejidad comercial de la industria financiera, los requisitos de las normas operativas de la industria y la protección de la seguridad y la privacidad. lo que hace que la industria financiera sea más especial que otras industrias, el negocio es más complejo, los requisitos para las normas operativas de la industria son más altos y los requisitos para la protección de la seguridad y la privacidad son más altos.

El CTO del Consumidor Inmediato, Jiang Ning, señaló en la Conferencia Mundial de Inteligencia Artificial de 2023 que debido a las características de la industria financiera, como "intensiva en datos y tecnología", esta industria siempre ha esperado capitalizar datos, pero al mismo tiempo también se enfrenta a desafíos como los puntos de venta fuera de línea y problemas como la eficiencia en la entrega de valor y la experiencia del usuario requieren que las organizaciones continúen innovando.

** Es decir, desde la perspectiva de la lógica de modelos grandes, los modelos grandes existentes no pueden cubrir todas las industrias. Sobre la base de modelos grandes generales, las empresas necesitan afinar la capacitación y personalizar modelos grandes para campos verticales. **

La persona relevante a cargo de Qifu Technology dijo que, especialmente para el campo financiero profesionalmente complejo y altamente orientado a los datos, necesita confiar en una mayor experiencia profesional y conocimientos de la industria para optimizar y adaptarse a los requisitos específicos de la aplicación.

** Desde la perspectiva de las necesidades de desarrollo de la industria, la industria financiera también ha entrado en la etapa de competencia bursátil de un mercado incremental, y toda la industria enfrenta dificultades como la retención de clientes y la competencia intensificada. En este momento, es aún más necesario utilizar la tecnología para mejorar la eficiencia operativa y la experiencia del usuario. **

Teniendo en cuenta la implementación real de la experiencia del usuario habilitada por la tecnología, los servicios financieros tradicionales generalmente aún enfrentan el problema de "descubrimiento difícil, experiencia difícil y servicio difícil" en el proceso de mejora de la experiencia del usuario. La aparición de grandes modelos de IA puede ayudar a la industria financiera a resolver estos problemas en gran medida, para servir mejor a los usuarios.

Pero ahora, todavía hay una gran brecha entre el modelo grande de propósito general y la aplicación de escenarios financieros. Por lo tanto, solo mediante la optimización continua del modelo a gran escala de propósito general existente y la formación de un modelo a gran escala verticalmente profesional en el campo financiero, el modelo de lenguaje a gran escala puede servir mejor a las empresas y los usuarios.

Sin embargo, en comparación con otros campos, las finanzas tienen mayores requisitos de experiencia en datos, control de riesgos, cumplimiento y seguridad, lo que también presenta muchos desafíos para las instituciones financieras y las empresas en la exploración de grandes modelos en campos verticales.

Redefiniendo Fintech

Mirando hacia atrás en las tres oleadas de desarrollo de inteligencia artificial, el desarrollo de la tecnología de inteligencia artificial está impulsado por tres elementos principales: algoritmos, poder de cómputo y datos: los algoritmos determinan si el "cerebro" diseñado es lo suficientemente inteligente y solo la computación de alto rendimiento el poder puede entrenar Una gran red también debe contar con el apoyo de big data.

En solo medio año, con el auge de AIGC representado por ChatGPT, se acerca la era de los grandes modelos de inteligencia artificial. Cuando el modelo de inteligencia artificial se encuentre con las finanzas, los cambios tecnológicos y el espacio comercial se abrirán aún más, y el valor de todas las industrias marcará el comienzo de una revaluación. Según iResearch, el tamaño del mercado central de AI+finance alcanzará los 29.600 millones de yuanes en 2021, lo que impulsará las industrias relacionadas a 67.700 millones de yuanes.

Se puede decir que la aparición de grandes modelos de IA ha redefinido en gran medida la tecnología financiera. Por ejemplo, los modelos a gran escala de IA ayudan a las empresas a reducir costos y aumentar la eficiencia, crear interacciones en línea de servicio al cliente virtual y brindar a los usuarios servicios más humanos. Financial GPT puede realizar la generación automática de textos de información financiera y contenido de introducción de productos, y mejorar la eficiencia de la operación de contenido de las instituciones financieras.

Tomemos como ejemplo Qifu GPT, un gran modelo de tecnología Qifu, que se ha aplicado a vínculos comerciales como la adquisición de clientes, la operación, el control de riesgos y el servicio posterior al préstamo. A nivel de marketing, construya un escenario comercial financiero de diálogo a través de un modelo grande, entrene el sistema de diálogo de telemercadeo existente, ayude a los robots de telemercadeo a comprender con precisión las necesidades reales de los usuarios y mejore la fidelidad de la respuesta y la profesionalidad del servicio.

La persona relevante a cargo de Qifu Technology dijo: "Con la ayuda del robot de combate de modelos a gran escala, el tiempo de llamada del sistema de telemercadeo ha aumentado en un 15,1 %. En términos de control de riesgos en el vínculo comercial principal en el campo crediticio. , la interpretación de la información crediticia inteligente derivada del modelo a gran escala como núcleo, puede ayudar a las instituciones financieras a comprender y juzgar a los usuarios de manera más integral y eficiente”.

Se entiende que, en la actualidad, el equipo de Qifu Technology está combinando la industria financiera y los datos patentados internos para realizar un preentrenamiento y ajuste incrementales de modelos grandes, y confía en el negocio interno para llevar a cabo aplicaciones prácticas en algunos escenarios pequeños y medianos.

**Sin embargo, los expertos de las principales empresas de tecnología financiera antes mencionadas dijeron a "Business Show" que los grandes modelos financieros nacionales actuales se utilizan principalmente en áreas pequeñas y medianas en algunos escenarios comerciales independientes, y luego observan el impacto de los modelos grandes. en el crecimiento del negocio y el control de riesgos Las capacidades de optimización en términos de mejora de la eficiencia humana y la mejora de la eficiencia humana aún no han dado paso a la etapa de comercialización a gran escala. **

En la actualidad, el modelo financiero nacional a gran escala todavía enfrenta muchos desafíos y llevará tiempo realizar una aplicación a gran escala.

Jiang Ning, CTO de Consumidores Inmediatos, cree que todavía existen cuatro desafíos principales en el modelo actual a gran escala de la industria financiera:

Primero, frente a tareas clave y cambios externos impredecibles en la industria financiera, los modelos grandes no pueden garantizar la estabilidad y precisión de cada decisión; segundo, la industria financiera espera usar inteligencia artificial para lograr una experiencia de usuario personalizada, pero requiere personal. la integración de datos privados y modelos grandes todavía tiene problemas de cumplimiento y seguridad; en tercer lugar, la industria financiera siempre ha tenido el problema de las "islas de datos". Los modelos grandes requieren la construcción de una plataforma en red para mejorar el aprendizaje y la contribución continua de datos y comentarios. Sin embargo, el mercado actual Cuarto, la aplicación de modelos a gran escala en la industria financiera presenta mayores requisitos para las instalaciones de hardware y software, como el equipo y la infraestructura subyacentes.

El responsable relevante de Qifu Technology también dijo que uno de los principales desafíos que enfrenta el desarrollo de modelos financieros generales es la complejidad del procesamiento de datos.Además, también se debe considerar la protección de la privacidad de los datos y la seguridad de la información. El responsable también señaló que la dificultad del modelo financiero de propósito general radica principalmente en la precisión del modelo y la flexibilidad de la aplicación práctica. Las interfaces extensas deben reservarse para la conexión libre en la práctica para adaptarse a la constante expansión. escenarios de aplicación”.

Mirando la historia del desarrollo de fintech durante la última década, es una industria grande y en crecimiento. En el campo de la inteligencia artificial, la industria financiera ha estado explorando continuamente a lo largo de los años. Lo que podemos ver es que la inteligencia artificial ha aparecido en campos como el pago, la inversión, el préstamo, la gestión financiera personal, la banca antifraude y los seguros.

**Sin embargo, no se puede ignorar que la esencia de las finanzas sigue siendo la gestión de riesgos, y el control de riesgos es el núcleo de todos los negocios financieros. Al ingresar a la era de los grandes modelos de IA, el papel que desempeñan los grandes modelos de inteligencia artificial, además de mejorar los servicios comerciales financieros y la experiencia del usuario, su núcleo sigue siendo ayudar a minimizar los riesgos. **

Por supuesto, además de considerar el control de riesgos y la integración de tecnología y escenarios, no se puede ignorar la participación humana. En el proceso de aprendizaje automático, se requiere la participación humana en el entrenamiento en inteligencia artificial generativa.En el campo de los grandes modelos financieros, la participación humana en todos los aspectos es igualmente importante.

En la ola de tecnología desencadenada por este modelo de IA, ha comenzado silenciosamente una nueva revolución tecnológica financiera. Todas las empresas e incluso todos no deberían perdérselo.