ChatGPT から金融分野における人工知能の応用を見る

著者: 国家財政開発研究所副所長 楊濤

まとめ

ChatGPT が誕生して以来、この人工知能対話ロボットは世界で最もホットなトピックの 1 つとなっています。 ChatGPTの観点から金融分野における人工知能の適用状況を議論すると、客観的に見て人工知能は技術的・制度的要因により、組織運営、サービス能力、リスク管理における適用度が高いと言えます。他の経済的ニーズを解決するには十分ではありません。記事は、ChatGPTは人工知能の応用能力をさらに浮き彫りにしたものの、依然として金融業界にとって多くの課題に直面しており、長い間金融業界に大きな変化をもたらすことができないと指摘した。

米国の人工知能研究機関OpenAIが開発した対話ロボット「ChatGPT」が国内外の各層から注目を集め、一巡する人工知能ブームの火付け役となった。同時に、金融業界のデジタル変革は各国の一般的な傾向となっており、我が国の規制当局が推進する重要な改革の方向性でもあります。したがって、ChatGPT を起点として、金融分野における人工知能の応用の現状、機会、課題を詳細に分析することは、金融における科学技術の質の高い発展をより正確に実現するのに役立ちます。

01 人工知能開発の現状とChatGPTの状況

マクロの観点から見ると、「第 14 次 5 か年計画」やデジタル経済発展計画のトップレベルの設計であっても、金融政策の新バージョンであっても、人工知能はデジタル経済の中核的な原動力とみなされています。金融分野における技術開発計画とデジタル変革ガイダンス、主要産業とデジタル基盤。デジタル経済の急速な発展は、人工知能にとって良好な経済的および技術的環境を生み出しました;同時に、人工知能は重要な新しいインフラとして、我が国のデジタル経済の発展に新たな勢いももたらしました。全体として、最先端のオープンな共有インフラストラクチャ、集中して実装されたツールプロセス、多様で幅広いアプリケーションシナリオは、人工知能の精力的な開発に優れたアプリケーション環境と市場スペースを提供します。 **

技術開発トレンドの観点から見ると、超大規模な事前学習モデルは間違いなく現在の人工知能技術開発の焦点でありホットスポットです。過去 2 年間で大規模な爆発と「兵器」が発生しました。人種"。全体として、この大規模モデルは、マルチモダリティ、マルチテクノロジー、マルチ機能、マルチアプリケーションの開発傾向を示しており、理想的な実験室環境と垂直産業の実際の環境において良好な適用効果を示しています。クラウドとエッジが連携して開発するインテリジェントなシステム。

同時に、人工知能は既存の倫理規範や社会ガバナンスに大きな影響と課題をもたらしました。そのため、近年、人工知能の効果的なガバナンスをいかに実現するかが国内外の各界から注目を集めている。国内外の人工知能ガバナンスが画期的な進歩を遂げ、概念的なレベルからルールや規制を確立して実装する段階に入り、信頼できるAIの開発が中核的な内容になっていることがわかります。

人工知能は技術革新の最も重要な「触媒」となっていると言うべきであり、ChatGPT に関連する自然言語処理 (NLP) は人工知能の冠にある「真珠」であると考えられています。私たちは、人工知能の開発の歴史は、実際には、人間の専門家によるルールの作成から、少数のルールを作成する機械へ、そして大量のルールを作成する機械へ、そして最終的には転移学習に至るまで、モデル次元の継続的な改善の歴史であることを見てきました。大型モデル。この過程でChatGPTはテキスト学習手法を用いて分野を拡大しており、GPT-3は5,000億語、1,750億パラメータを持ち、最終的には膨大な情報の支援を受けて総合的な機能向上を達成したが、課題もある信頼できるコンテンツとデータ、安全性と高い着陸コストという課題。

02 金融需要の観点から人工知能の応用機会を見る

デジタル経済の徹底的な進歩とデジタル社会の構築に伴い、大量のデータが生成され、人工知能のモデリング、トレーニング、応用のための幅広い「土壌」が提供されています。特に、金融分野における大規模かつ高品質のデータの蓄積と、多次元かつ多様なアプリケーションシナリオは、人工知能アプリケーションの活発な開発に良い機会を提供します。人工知能と金融顧客サービス、製品イノベーション、運用管理、リスクの予防と制御、その他のビジネスシナリオの徹底的な統合を通じて、金融サービスのプロセス全体が再形成され、インテリジェントに強化され、金融商品のイノベーション、プロセスのリエンジニアリング、チャネル統合とサービスが促進され、金融サービスの幅と深さをアップグレードおよび拡大し、金融デジタル変革の重要な源泉および原動力となる。

結局のところ、**人工知能の応用価値は、金融分野に存在する問題を解決することにあり、金融ニーズの観点から分析する必要があります。具体的には、金融業界の中宇宙レベルと小宇宙レベルの観点から見ると、直面している困難は戦略的課題です。 ** 経済金融情勢が複雑化する中、金融機関の戦略策定は金融機関の「トッププロジェクト」であるだけでなく、ビジョン、ロジック、戦略の効果的な組み合わせが特に重要となっています。経験だけでなく、タイムリーで効果的な動的管理、最適化も可能です。戦略策定における人工知能の応用は、知覚、推論、意思決定であり、金融機関の包括的または特殊な戦略策定と組み合わせて動的ランダム最適化を行うことも当然可能です。

** 2 つ目は構造的な問題です。 **我が国の金融業界の総合力は増加し続けているが、依然として不均衡で不十分な発展という構造的矛盾が多く存在しており、そのため人工知能には「欠点を補う」という要件も提示されている。例えば、資産管理の分野における人工知能の応用が家計の資産構造と金融資産の配置の不均衡に変化をもたらすことができるかどうかは、共通の繁栄を助けるという金融の主要な目標に直接影響を与えることになる。

** 第三は、生産要素の問題です。 **金融機関の持続可能な発展とデジタル変革には、経済性、規模、要素投入の効率を考慮する必要があり、その中核となるのはデータと人材です。一方で、データは生産の重要な要素となり、基本的な国家戦略資源となっています。金融業界がデータのライフサイクル活動全体「取得、保存、計算、管理、使用」をどのように改善し、データ要素のデータ資産への変換を促進できるかは、現在直面している緊急の課題であり、人工知能とビッグデータの組み合わせは、より多くの活力を刺激します。一方で、フィンテック人材は希少なリソースでもあります。

人工知能は従業員の能力を高める「スマート アシスタント」になることも、「デジタル ヒューマン」を構築することでチームの能力を補完することもできます。

** 4つ目は、組織と運営の問題です。 **金融業界のデジタル変革は、組織構造と業務能力の保証と切り離すことができません。このプロセスでは、人工知能を最大限に活用して、自動化されたインテリジェントな業務モデルを作成し、業務プロセスを継続的に最適化し、業務モデルを革新し、業務改善を行うことができます。運用サービスの品質を向上させ、運用コストを削減することで、包括的でインテリジェントな金融サービスをサポートします。

** 5つ目は、サービス能力の問題です。 **金融機関のサービス力は、商品の多様化、十分な市場分析力、マーケティング力やチャネル力、顧客維持力や付加価値サービス力などに反映されます。特に、カスタマイズされたスマート製品のデザイン、顧客のホログラフィック ポートレート サービスの正確なマーケティング、オンラインとオフラインのエクスペリエンスの一貫性に関して、実りある探求が行われてきました。

**第6は、リスク管理の問題です。 **現在、金融業界が直面するマクロおよびミクロのリスクはより複雑になっており、人工知能を効果的に活用できれば、ビッグデータの統合と分析に基づいたインテリジェントなリスク管理モデルを構築でき、有効な手段となるでしょう。リスクを特定、監視、制御するため。一方で、顧客、ビジネス、リスクのビューを構築してリスクの全体像を動的かつ包括的に反映し、他方でインテリジェントな信用リスク評価を最適化し、リスク管理の数値管理とインテリジェント管理への変革を実現します。

** 7つ目は、サービスの有効性の問題です。 ** 金融業界における人工知能の適用が効率的であるかどうかは、1 つは金融機関自体の観点から、もう 1 つはサービス事業体の観点からです。一方で、近年の金融業界の急速な発展の中で、情報技術は金融業界の全要素生産性の向上と変革に非常に大きな影響を与えてきました。人工知能の利用価値の現れの一つは、金融機関の業務効率をさらに向上させ、財務指標を最適化できるかどうかです。一方で、金融業界は依然として包括的、グリーン、テクノロジー、共通の繁栄を支援する多くの責任を負っており、その機能を向上させるための人工知能アプリケーションの価値も考慮する必要があります。

8番目は協力の生態学的問題です。 **オープン バンキングからオープン ファイナンスまで、世界的なイノベーションの主流となっており、金融機関はデータ、アルゴリズム、トランザクション、プロセス、その他のビジネス機能をビジネス エコシステムと共有して、エコシステムの顧客、従業員、サードパーティ開発者、財務サービスを提供する必要があります。テクノロジー企業、サプライヤー、その他のパートナーは、「インテリジェンス、オープン性、共有、俊敏性、統合」を特徴とするデジタル金融エコシステムを構築するためのサービスを提供します。人工知能とビッグデータの恩恵により、金融機関の外部エコロジーをさらに改善するのに役立つ可能性があります。

客観的に言えば、人工知能は組織運営、サービス能力、リスク管理においてより広く使用されていますが、技術的および制度的要因により、その他の財務ニーズを解決するにはまだ不十分です。

03 金融業界における人工知能の応用における課題

ChatGPT** は人工知能の応用能力をさらに強調していますが、金融業界にとっては依然として多くの課題に直面しており、金融業界に大きな変化をもたらすことは長期的には不可能です。 **

** 1 つ目はデータ ガバナンスです。 **金融業界のデジタルトランスフォーメーションの出発点は、データガバナンスをしっかりと行うことであり、データガバナンス体制を真に改善し、データ管理能力を強化し、データ品質管理を強化し、データ活用能力を向上させる必要があります。人工知能の応用も高品質の大量データと切り離せないものですが、金融機関のデータガバナンスは一般に初期段階にあり、低品質のデータ、データアイランド、散在するデータが一般的であり、十分なデータを提供することが困難です。人工知能のデータ要素のサポート。

** 2 つ目は、シーンの標準化です。 **人工知能の金融応用は、パーソナライゼーションと「何千人、何千の顔」の特徴を体現していますが、長期的には、金融とテクノロジーの統合の過程で、本当の活力は標準化された汎用性です。一方、従来のアウトソーシング モデルに基づいていない差別化された協力も、既存の人工知能金融アプリケーションの制約の 1 つです。

** 3 つ目は、テクノロジーとソリューションのコストの閾値が高いことです。 **金融活動における人工知能の技術的応用とソリューション設定は通常、導入コストが高くつくため、中小規模の金融機関のニーズを満たすことが困難です。 Guosheng Securities の調査によると、GPT-3 トレーニングのコストは約 140 万米ドルで、一部の大規模な LLM (Large Language Model) の場合、トレーニングコストは 200 万米ドルから 1,200 万米ドルの間です。

** 4 つ目は、透明性と説明不可能性です。 **いわゆる解釈可能性とは、意思決定を助けるために、行動の認知または意思決定の過程において、十分かつ理解可能な情報を取得する必要性を指します。機械学習では、通常、入力データと出力された答えの間に「ブラック ボックス」と呼ばれる観察できない空間が存在します。解釈可能で信頼できる AI 金融アプリケーションを開発することによってのみ、ユーザーの信頼性、モデルの監査可能性、リスク軽減を実現できます。

** 5つ目は、組織内の調整です。 **金融機関が人工知能やその他の最先端技術を適用する限り、内部の利害関係者が技術革新の価値を最大限の効率で反映するための合意に達することを促進するための効果的な「インセンティブ互換性」メカニズムを形成することは通常困難です。この点で、技術的ソリューション自体の反復を最適化しながら、ルール設計を通じて組織と調整モデルをどのように最適化するかは、人工知能にとって避けられない課題でもあります。

** 6つ目は責任の共有です。 **金融機関の商品設計や業務運営には特殊性があり、様々な複雑なリスクも存在します。したがって、リスク管理と金融消費者保護の論理に基づいて、あらゆる金融活動には明確な責任共有メカニズムが必要です。人工知能の導入後、金融機関の本来の業務プロセスにおける権利と責任のバランスにより、新たな曖昧さが生じる可能性があり、制度上のルール、商習慣、テクノロジーとビジネス、および金融機関の側面から早急にさらに検討する必要があります。モデルと人の関係。

**7番目はコンプライアンスと倫理です。 **金融テクノロジーの急速な発展に伴い、各国の監督は時代とともに進歩しており、規制原則やモデルのダイナミックな進化に直面して、人工知能の金融応用にはコンプライアンス圧力がより顕著になっています。同時に、アルゴリズム差別、ビッグデータ殺害、情報漏洩など金融テクノロジーの倫理的課題も人工知能の応用に「影」をもたらしており、「責任ある」技術革新の活用方法を模索する必要が依然としてある。 「温かい」金融サービスを創造する。

つまり、金融業界の人工知能主導のデジタル変革の見通しは始まっていますが、順風満帆ではなく、依然として多くの大きな課題があり、緊急に自己最適化と継続的な「ブレークスルー」が必要です。