Автор: Ян Тао, заступник директора Національної лабораторії фінансів і розвитку
Резюме
З моменту народження ChatGPT цей діалоговий робот зі штучним інтелектом став однією з найгарячіших тем у світі. Якщо ми обговорюємо статус застосування штучного інтелекту у фінансовій сфері з точки зору ChatGPT, об’єктивно кажучи, штучний інтелект має вищий ступінь застосування в організаційних операціях, можливостях обслуговування та управлінні ризиками. Через технічні та інституційні фактори він є недостатньо для вирішення інших фінансових потреб Недостатньо. У статті наголошується, що хоча ChatGPT додатково підкреслив можливості застосування штучного інтелекту, він все ще стикається з багатьма проблемами для фінансової індустрії, через що вона не зможе внести серйозні зміни у фінансову індустрію протягом тривалого часу.
ChatGPT, діалоговий робот, розроблений OpenAI, американською дослідницькою лабораторією штучного інтелекту, привернув широку увагу з усіх верств суспільства в країні та за кордоном і став причиною буму штучного інтелекту. Водночас цифрова трансформація фінансової галузі стала загальною тенденцією для всіх країн, а також важливим напрямом реформ, який просувають регуляторні органи в моїй країні. Тому починаючи з ChatGPT і глибокий аналіз стану, можливостей і викликів застосування штучного інтелекту у фінансовій сфері допоможе точніше реалізувати якісний розвиток науки і технологій у фінансах.
01Статус-кво розвитку штучного інтелекту та статус ChatGPT
З точки зору макроекономіки, штучний інтелект вважається основною рушійною силою цифрової економіки, незалежно від того, чи йдеться про розробку верхнього рівня «14-го п’ятирічного плану» та план розвитку цифрової економіки чи про нову версію фінансової економіки. план розвитку технологій і керівництво з цифрової трансформації у фінансовому секторі Ключові галузі та цифрові п’єдестали. Швидкий розвиток цифрової економіки створив сприятливе економічне та технологічне середовище для штучного інтелекту; водночас штучний інтелект, як ключова нова інфраструктура, також дав новий імпульс для розвитку цифрової економіки моєї країни. Загалом, найсучасніша відкрита та спільна інфраструктура, цілеспрямовані та реалізовані інструментальні процеси, а також різноманітні та широкі сценарії застосування забезпечують хороше прикладне середовище та ринковий простір для енергійного розвитку штучного інтелекту. **
З точки зору тенденцій технологічного розвитку, надвеликомасштабна модель попереднього навчання, безсумнівно, є центром і гарячою точкою поточного розвитку технології штучного інтелекту. За останні два роки відбувся великий вибух і "зброя гонка". Загалом, велика модель демонструє тенденцію розвитку мультимодальності, мультитехнологій, багатьох можливостей і багатозастосунків.Вона продемонструвала хороші результати застосування в ідеальному лабораторному середовищі та в реальному середовищі вертикальних галузей.У майбутньому великі Будуть створені невеликі моделі Інтелектуальна система, яка розвивається спільно між хмарою та периферією.
У той же час штучний інтелект також приніс величезний вплив і викликав існуючі етичні норми та соціальне управління. Тому останніми роками питання про те, як реалізувати ефективне управління штучним інтелектом, привернуло увагу всіх верств населення в країні та за кордоном. Можна побачити, що управління штучним інтелектом у країні та за кордоном досягло проривного прогресу та вийшло на стадію встановлення правил і норм та впровадження їх на концептуальному рівні, а розробка надійного ШІ стала основним змістом.
Слід сказати, що штучний інтелект став найважливішим «каталізатором» технологічних інновацій, а обробка природної мови (NLP), пов’язана з ChatGPT, вважається «перлиною» в короні штучного інтелекту. Ми бачили, що історія розвитку штучного інтелекту насправді є історією безперервного вдосконалення розмірів моделі, від людей-експертів, які пишуть правила, до машин, які пишуть невелику кількість правил, до машин, які пишуть велику кількість правил, і, нарешті, до передачі знань великі моделі. У цьому процесі ChatGPT використовує методи вивчення тексту, щоб розширити поле. GPT-3 має 500 мільярдів слів і 175 мільярдів параметрів. Нарешті, завдяки підтримці масивної інформації він отримав комплексне вдосконалення функцій, але є також проблеми з достовірний вміст і дані Проблеми безпеки та високі витрати на посадку.
02З точки зору фінансового попиту, щоб побачити можливості застосування штучного інтелекту
З поглибленим розвитком цифрової економіки та побудовою цифрового суспільства було згенеровано велику кількість даних, які створили широкий «ґрунт» для моделювання, навчання та застосування штучного інтелекту. Зокрема, накопичення великомасштабних і високоякісних даних у фінансовій сфері, а також багатовимірних і диверсифікованих сценаріїв застосування надає гарну можливість для активного розвитку програм штучного інтелекту. Завдяки поглибленій інтеграції штучного інтелекту та фінансового обслуговування клієнтів, інноваційних продуктів, управління операціями, запобігання та контролю ризиків та інших бізнес-сценаріїв, весь процес надання фінансових послуг буде змінено та розумно розширено, а інновації фінансових продуктів, реінжиніринг процесів, буде сприяти інтеграції каналів і сервісу Оновлення та розширення широти та глибини фінансових послуг, ставши важливим джерелом і рушійною силою фінансової цифрової трансформації.
Зрештою, прикладна цінність **штучного інтелекту полягає у вирішенні проблем, що існують у фінансовій сфері, які необхідно проаналізувати з точки зору фінансових потреб. Зокрема, з точки зору мезокосмічного та мікрокосмічного рівнів фінансової індустрії, труднощі, з якими стикається, є стратегічними питаннями. ** З огляду на дедалі складнішу економічну та фінансову ситуацію, формування стратегії для фінансових установ стало особливо важливим.Це не лише «проект найвищого рівня» установи, але також вимагає ефективного поєднання бачення, логіки та досвід, а також своєчасне та ефективне динамічне управління.оптимізація. Застосування штучного інтелекту у формулюванні стратегії – це сприйняття, міркування та прийняття рішень.Це, природно, можна поєднати з комплексним або спеціальним формулюванням стратегії фінансових установ та виконувати динамічну випадкову оптимізацію.
**Друга — це структурна проблема. **Хоча всеосяжна потужність фінансової індустрії моєї країни продовжує зростати, все ще існує багато структурних суперечностей незбалансованого та недостатнього розвитку, які також висувають вимоги до штучного інтелекту, щоб «компенсувати недоліки». Наприклад, чи може застосування штучного інтелекту в сфері управління багатством змінити дисбаланс структури активів домогосподарств і розміщення фінансових активів, це безпосередньо вплине на основну мету фінансів – сприяння загальному процвітанню.
** По-третє, це питання факторів виробництва. **Сталий розвиток і цифрова трансформація фінансових установ повинні враховувати економію, масштаб і ефективність факторів, основою яких є дані та люди. З одного боку, дані стали важливим фактором виробництва та основним національним стратегічним ресурсом. Як фінансова індустрія може покращити діяльність повного життєвого циклу даних «отримання, зберігання, обчислення, управління та використання» та сприяти перетворенню елементів даних в активи даних є актуальною проблемою, яка зараз стоїть, і поєднання штучного інтелекту та великих даних буде стимулювати більше життєвих сил. З іншого боку, таланти у фінтех також є дефіцитним ресурсом.
Штучний інтелект може стати «розумним помічником» для підвищення можливостей співробітників або доповнювати можливості команди, створюючи «цифрових людей».
** Четверте – питання організації та діяльності. **Цифрова трансформація фінансової індустрії невіддільна від гарантії організаційної структури та операційних можливостей. У цьому процесі штучний інтелект може бути повністю використаний для створення автоматизованої та інтелектуальної операційної моделі, постійної оптимізації операційних процесів, інноваційних операційних моделей, покращення якість операційного обслуговування та зниження операційних витрат, таким чином підтримуючи комплексні та інтелектуальні фінансові послуги.
** П’яте – це питання потужності обслуговування. **Можливості надання послуг фінансовими установами відображені в різноманітних продуктах, достатніх можливостях аналізу ринку, можливостях маркетингу та каналів, обслуговуванні клієнтів і можливостях надання додаткових послуг тощо. Особливо з точки зору індивідуального інтелектуального дизайну продукту, точного маркетингу послуг із створення голографічних портретів клієнтів і узгодженості онлайн-і офлайн-досвіду, були зроблені плідні дослідження.
**Шосте – питання управління ризиками. **Наразі макро- та мікроризики, з якими стикається фінансова індустрія, є більш складними. Якщо штучний інтелект можна ефективно використовувати, інтелектуальну модель контролю ризиків можна створити на основі інтеграції та аналізу великих даних, що стане ефективним способом для визначення, моніторингу та контролю ризиків. З одного боку, він створює уявлення про клієнта, бізнес і ризики, щоб динамічно та комплексно відображати загальну картину ризиків; з іншого боку, він оптимізує інтелектуальну оцінку кредитного ризику та реалізує трансформацію контролю ризиків у числове та інтелектуальне керування.
** Сьоме – питання ефективності обслуговування. ** Чи ефективне застосування штучного інтелекту у фінансовій галузі, одне залежить з точки зору самих фінансових установ, а інше – з точки зору обслуговуючих організацій. З одного боку, під час стрімкого розвитку фінансової індустрії в останні роки інформаційні технології мали дуже глибокий вплив на покращення та трансформацію загальної факторної продуктивності фінансової індустрії. Одним із проявів споживчої цінності штучного інтелекту є те, чи зможе він додатково підвищити ефективність роботи фінансових установ та оптимізувати фінансові показники. З іншого боку, фінансова індустрія все ще несе багато обов’язків у сприянні інклюзивним, екологічним технологіям і загальному процвітанню.Також слід враховувати цінність програм штучного інтелекту для вдосконалення їх функцій.
Восьме – екологічне питання співпраці. **Від відкритого банківського обслуговування до відкритого фінансування стало основним потоком глобальних інновацій, і фінансовим установам необхідно обмінюватися даними, алгоритмами, транзакціями, процесами та іншими бізнес-функціями з бізнес-екосистемою, щоб надавати клієнтам екосистеми, співробітникам, стороннім розробникам, фінансовим установ Технологічні компанії, постачальники та інші партнери надають послуги для створення цифрової фінансової екосистеми, що характеризується «інтелектом, відкритістю, обміном, гнучкістю та інтеграцією». Завдяки штучному інтелекту та великим даним це може допомогти ще більше покращити зовнішню екологію фінансових установ.
Об’єктивно кажучи, штучний інтелект ширше використовується в організаційних операціях, сервісних можливостях та управлінні ризиками, але через технічні та інституційні чинники його все ще недостатньо для вирішення інших фінансових потреб.
03Проблеми застосування штучного інтелекту у фінансовій галузі
ChatGPT** додатково підкреслює прикладні можливості штучного інтелекту, але для фінансової індустрії він все ще стикається з багатьма проблемами, що унеможливлює серйозні зміни у фінансовій індустрії протягом тривалого часу. **
** По-перше, це управління даними. **Відправною точкою цифрової трансформації фінансової індустрії є ефективне управління даними. Необхідно справді покращити систему керування даними, розширити можливості керування даними, посилити контроль якості даних і покращити можливості застосування даних. Застосування штучного інтелекту також невіддільне від високоякісних масивних даних, але управління даними фінансових установ, як правило, знаходиться в зародковому стані, і дані низької якості, острови даних і розрізнені дані є поширеними, і важко забезпечити достатню кількість даних. підтримка елементів даних для штучного інтелекту.
**Друге — стандартизація сцени. **Хоча фінансове застосування штучного інтелекту втілює в собі характеристики персоналізації та «тисячі людей і тисячі облич», у довгостроковій перспективі, у процесі інтеграції фінансів і технологій, справжньою життєвою силою є стандартизований і універсальний інноваційної сфери фінансових технологій, тоді як диференційована співпраця, яка не базується на традиційній моделі аутсорсингу, також є одним із обмежень існуючих фінансових програм штучного інтелекту.
** По-третє, високий поріг вартості технологій і рішень. **Технічні програми та налаштування рішень штучного інтелекту у фінансовій діяльності зазвичай мають високі витрати на розгортання, що ускладнює задоволення потреб малих і середніх фінансових установ. Згідно з оцінками дослідження Guosheng Securities, вартість навчання GPT-3 становить близько 1,4 мільйона доларів США, а для деяких більших LLM (Large Language Model) вартість навчання становить від 2 мільйонів доларів США до 12 мільйонів доларів США.
** Четвертий – прозорість і незрозумілість. **Так звана інтерпретабельність стосується необхідності отримати достатню та зрозумілу інформацію в процесі пізнання або прийняття рішення щодо дії, щоб допомогти прийняти рішення. У машинному навчанні між вхідними даними та вихідною відповіддю зазвичай є невидимий простір, який називається «чорним ящиком». Лише шляхом розробки зручних для інтерпретації та надійних фінансових додатків AI можна досягти довіри користувачів, можливості аудиту моделі та зниження ризику.
** П’яте – внутрішня координація всередині організації. **Що стосується фінансових установ, які застосовують штучний інтелект та інші передові технології, зазвичай важко сформувати ефективний механізм «сумісності стимулів», щоб сприяти досягненню внутрішніми зацікавленими сторонами консенсусу щодо відображення цінності технологічних інновацій з максимальною ефективністю. У зв’язку з цим, як оптимізувати модель організації та координації за допомогою розробки правил, одночасно оптимізуючи ітерацію самого технічного рішення, також є неминучою проблемою для штучного інтелекту.
** Шосте – розподіл відповідальності. **Розробка продукту та діяльність фінансових установ мають певні особливості, а також різноманітні комплексні ризики. Тому, виходячи з логіки контролю ризиків і захисту фінансових споживачів, будь-яка фінансова діяльність потребує чіткого механізму розподілу відповідальності. Після впровадження штучного інтелекту можуть виникнути деякі нові неоднозначності в балансі прав і обов’язків у початкових бізнес-процесах фінансових установ, які терміново потребують подальшого вивчення з точки зору інституційних правил, ділової практики, технологій і бізнесу, і відносини між моделями та людьми.
**Сьоме — відповідність і етика. **Зі стрімким розвитком фінансових технологій нагляд у різних країнах йде в ногу з часом. Зіткнувшись із динамічною еволюцією регуляторних принципів і моделей, фінансове застосування штучного інтелекту має більш значний тиск на відповідність. Водночас етичні виклики фінансових технологій, такі як дискримінація алгоритмів, знищення великих даних та витік інформації, також принесли «тінь» у застосування штучного інтелекту. Все ще необхідно досліджувати, як використовувати «відповідальні» технологічні інновації створити «теплі» фінансові послуги.
Коротше кажучи, перспектива цифрової трансформації фінансової індустрії, керована штучним інтелектом, почалася, але це не було гладко, і існує ще багато серйозних викликів, які терміново потребують самооптимізації та постійного «прориву».
Переглянути оригінал
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Дивіться застосування штучного інтелекту у фінансовій сфері від ChatGPT
Автор: Ян Тао, заступник директора Національної лабораторії фінансів і розвитку
Резюме
З моменту народження ChatGPT цей діалоговий робот зі штучним інтелектом став однією з найгарячіших тем у світі. Якщо ми обговорюємо статус застосування штучного інтелекту у фінансовій сфері з точки зору ChatGPT, об’єктивно кажучи, штучний інтелект має вищий ступінь застосування в організаційних операціях, можливостях обслуговування та управлінні ризиками. Через технічні та інституційні фактори він є недостатньо для вирішення інших фінансових потреб Недостатньо. У статті наголошується, що хоча ChatGPT додатково підкреслив можливості застосування штучного інтелекту, він все ще стикається з багатьма проблемами для фінансової індустрії, через що вона не зможе внести серйозні зміни у фінансову індустрію протягом тривалого часу.
ChatGPT, діалоговий робот, розроблений OpenAI, американською дослідницькою лабораторією штучного інтелекту, привернув широку увагу з усіх верств суспільства в країні та за кордоном і став причиною буму штучного інтелекту. Водночас цифрова трансформація фінансової галузі стала загальною тенденцією для всіх країн, а також важливим напрямом реформ, який просувають регуляторні органи в моїй країні. Тому починаючи з ChatGPT і глибокий аналіз стану, можливостей і викликів застосування штучного інтелекту у фінансовій сфері допоможе точніше реалізувати якісний розвиток науки і технологій у фінансах.
01 Статус-кво розвитку штучного інтелекту та статус ChatGPT
З точки зору макроекономіки, штучний інтелект вважається основною рушійною силою цифрової економіки, незалежно від того, чи йдеться про розробку верхнього рівня «14-го п’ятирічного плану» та план розвитку цифрової економіки чи про нову версію фінансової економіки. план розвитку технологій і керівництво з цифрової трансформації у фінансовому секторі Ключові галузі та цифрові п’єдестали. Швидкий розвиток цифрової економіки створив сприятливе економічне та технологічне середовище для штучного інтелекту; водночас штучний інтелект, як ключова нова інфраструктура, також дав новий імпульс для розвитку цифрової економіки моєї країни. Загалом, найсучасніша відкрита та спільна інфраструктура, цілеспрямовані та реалізовані інструментальні процеси, а також різноманітні та широкі сценарії застосування забезпечують хороше прикладне середовище та ринковий простір для енергійного розвитку штучного інтелекту. **
З точки зору тенденцій технологічного розвитку, надвеликомасштабна модель попереднього навчання, безсумнівно, є центром і гарячою точкою поточного розвитку технології штучного інтелекту. За останні два роки відбувся великий вибух і "зброя гонка". Загалом, велика модель демонструє тенденцію розвитку мультимодальності, мультитехнологій, багатьох можливостей і багатозастосунків.Вона продемонструвала хороші результати застосування в ідеальному лабораторному середовищі та в реальному середовищі вертикальних галузей.У майбутньому великі Будуть створені невеликі моделі Інтелектуальна система, яка розвивається спільно між хмарою та периферією.
У той же час штучний інтелект також приніс величезний вплив і викликав існуючі етичні норми та соціальне управління. Тому останніми роками питання про те, як реалізувати ефективне управління штучним інтелектом, привернуло увагу всіх верств населення в країні та за кордоном. Можна побачити, що управління штучним інтелектом у країні та за кордоном досягло проривного прогресу та вийшло на стадію встановлення правил і норм та впровадження їх на концептуальному рівні, а розробка надійного ШІ стала основним змістом.
Слід сказати, що штучний інтелект став найважливішим «каталізатором» технологічних інновацій, а обробка природної мови (NLP), пов’язана з ChatGPT, вважається «перлиною» в короні штучного інтелекту. Ми бачили, що історія розвитку штучного інтелекту насправді є історією безперервного вдосконалення розмірів моделі, від людей-експертів, які пишуть правила, до машин, які пишуть невелику кількість правил, до машин, які пишуть велику кількість правил, і, нарешті, до передачі знань великі моделі. У цьому процесі ChatGPT використовує методи вивчення тексту, щоб розширити поле. GPT-3 має 500 мільярдів слів і 175 мільярдів параметрів. Нарешті, завдяки підтримці масивної інформації він отримав комплексне вдосконалення функцій, але є також проблеми з достовірний вміст і дані Проблеми безпеки та високі витрати на посадку.
02 З точки зору фінансового попиту, щоб побачити можливості застосування штучного інтелекту
З поглибленим розвитком цифрової економіки та побудовою цифрового суспільства було згенеровано велику кількість даних, які створили широкий «ґрунт» для моделювання, навчання та застосування штучного інтелекту. Зокрема, накопичення великомасштабних і високоякісних даних у фінансовій сфері, а також багатовимірних і диверсифікованих сценаріїв застосування надає гарну можливість для активного розвитку програм штучного інтелекту. Завдяки поглибленій інтеграції штучного інтелекту та фінансового обслуговування клієнтів, інноваційних продуктів, управління операціями, запобігання та контролю ризиків та інших бізнес-сценаріїв, весь процес надання фінансових послуг буде змінено та розумно розширено, а інновації фінансових продуктів, реінжиніринг процесів, буде сприяти інтеграції каналів і сервісу Оновлення та розширення широти та глибини фінансових послуг, ставши важливим джерелом і рушійною силою фінансової цифрової трансформації.
Зрештою, прикладна цінність **штучного інтелекту полягає у вирішенні проблем, що існують у фінансовій сфері, які необхідно проаналізувати з точки зору фінансових потреб. Зокрема, з точки зору мезокосмічного та мікрокосмічного рівнів фінансової індустрії, труднощі, з якими стикається, є стратегічними питаннями. ** З огляду на дедалі складнішу економічну та фінансову ситуацію, формування стратегії для фінансових установ стало особливо важливим.Це не лише «проект найвищого рівня» установи, але також вимагає ефективного поєднання бачення, логіки та досвід, а також своєчасне та ефективне динамічне управління.оптимізація. Застосування штучного інтелекту у формулюванні стратегії – це сприйняття, міркування та прийняття рішень.Це, природно, можна поєднати з комплексним або спеціальним формулюванням стратегії фінансових установ та виконувати динамічну випадкову оптимізацію.
**Друга — це структурна проблема. **Хоча всеосяжна потужність фінансової індустрії моєї країни продовжує зростати, все ще існує багато структурних суперечностей незбалансованого та недостатнього розвитку, які також висувають вимоги до штучного інтелекту, щоб «компенсувати недоліки». Наприклад, чи може застосування штучного інтелекту в сфері управління багатством змінити дисбаланс структури активів домогосподарств і розміщення фінансових активів, це безпосередньо вплине на основну мету фінансів – сприяння загальному процвітанню.
** По-третє, це питання факторів виробництва. **Сталий розвиток і цифрова трансформація фінансових установ повинні враховувати економію, масштаб і ефективність факторів, основою яких є дані та люди. З одного боку, дані стали важливим фактором виробництва та основним національним стратегічним ресурсом. Як фінансова індустрія може покращити діяльність повного життєвого циклу даних «отримання, зберігання, обчислення, управління та використання» та сприяти перетворенню елементів даних в активи даних є актуальною проблемою, яка зараз стоїть, і поєднання штучного інтелекту та великих даних буде стимулювати більше життєвих сил. З іншого боку, таланти у фінтех також є дефіцитним ресурсом.
Штучний інтелект може стати «розумним помічником» для підвищення можливостей співробітників або доповнювати можливості команди, створюючи «цифрових людей».
** Четверте – питання організації та діяльності. **Цифрова трансформація фінансової індустрії невіддільна від гарантії організаційної структури та операційних можливостей. У цьому процесі штучний інтелект може бути повністю використаний для створення автоматизованої та інтелектуальної операційної моделі, постійної оптимізації операційних процесів, інноваційних операційних моделей, покращення якість операційного обслуговування та зниження операційних витрат, таким чином підтримуючи комплексні та інтелектуальні фінансові послуги.
** П’яте – це питання потужності обслуговування. **Можливості надання послуг фінансовими установами відображені в різноманітних продуктах, достатніх можливостях аналізу ринку, можливостях маркетингу та каналів, обслуговуванні клієнтів і можливостях надання додаткових послуг тощо. Особливо з точки зору індивідуального інтелектуального дизайну продукту, точного маркетингу послуг із створення голографічних портретів клієнтів і узгодженості онлайн-і офлайн-досвіду, були зроблені плідні дослідження.
**Шосте – питання управління ризиками. **Наразі макро- та мікроризики, з якими стикається фінансова індустрія, є більш складними. Якщо штучний інтелект можна ефективно використовувати, інтелектуальну модель контролю ризиків можна створити на основі інтеграції та аналізу великих даних, що стане ефективним способом для визначення, моніторингу та контролю ризиків. З одного боку, він створює уявлення про клієнта, бізнес і ризики, щоб динамічно та комплексно відображати загальну картину ризиків; з іншого боку, він оптимізує інтелектуальну оцінку кредитного ризику та реалізує трансформацію контролю ризиків у числове та інтелектуальне керування.
** Сьоме – питання ефективності обслуговування. ** Чи ефективне застосування штучного інтелекту у фінансовій галузі, одне залежить з точки зору самих фінансових установ, а інше – з точки зору обслуговуючих організацій. З одного боку, під час стрімкого розвитку фінансової індустрії в останні роки інформаційні технології мали дуже глибокий вплив на покращення та трансформацію загальної факторної продуктивності фінансової індустрії. Одним із проявів споживчої цінності штучного інтелекту є те, чи зможе він додатково підвищити ефективність роботи фінансових установ та оптимізувати фінансові показники. З іншого боку, фінансова індустрія все ще несе багато обов’язків у сприянні інклюзивним, екологічним технологіям і загальному процвітанню.Також слід враховувати цінність програм штучного інтелекту для вдосконалення їх функцій.
Восьме – екологічне питання співпраці. **Від відкритого банківського обслуговування до відкритого фінансування стало основним потоком глобальних інновацій, і фінансовим установам необхідно обмінюватися даними, алгоритмами, транзакціями, процесами та іншими бізнес-функціями з бізнес-екосистемою, щоб надавати клієнтам екосистеми, співробітникам, стороннім розробникам, фінансовим установ Технологічні компанії, постачальники та інші партнери надають послуги для створення цифрової фінансової екосистеми, що характеризується «інтелектом, відкритістю, обміном, гнучкістю та інтеграцією». Завдяки штучному інтелекту та великим даним це може допомогти ще більше покращити зовнішню екологію фінансових установ.
Об’єктивно кажучи, штучний інтелект ширше використовується в організаційних операціях, сервісних можливостях та управлінні ризиками, але через технічні та інституційні чинники його все ще недостатньо для вирішення інших фінансових потреб.
03 Проблеми застосування штучного інтелекту у фінансовій галузі
ChatGPT** додатково підкреслює прикладні можливості штучного інтелекту, але для фінансової індустрії він все ще стикається з багатьма проблемами, що унеможливлює серйозні зміни у фінансовій індустрії протягом тривалого часу. **
** По-перше, це управління даними. **Відправною точкою цифрової трансформації фінансової індустрії є ефективне управління даними. Необхідно справді покращити систему керування даними, розширити можливості керування даними, посилити контроль якості даних і покращити можливості застосування даних. Застосування штучного інтелекту також невіддільне від високоякісних масивних даних, але управління даними фінансових установ, як правило, знаходиться в зародковому стані, і дані низької якості, острови даних і розрізнені дані є поширеними, і важко забезпечити достатню кількість даних. підтримка елементів даних для штучного інтелекту.
**Друге — стандартизація сцени. **Хоча фінансове застосування штучного інтелекту втілює в собі характеристики персоналізації та «тисячі людей і тисячі облич», у довгостроковій перспективі, у процесі інтеграції фінансів і технологій, справжньою життєвою силою є стандартизований і універсальний інноваційної сфери фінансових технологій, тоді як диференційована співпраця, яка не базується на традиційній моделі аутсорсингу, також є одним із обмежень існуючих фінансових програм штучного інтелекту.
** По-третє, високий поріг вартості технологій і рішень. **Технічні програми та налаштування рішень штучного інтелекту у фінансовій діяльності зазвичай мають високі витрати на розгортання, що ускладнює задоволення потреб малих і середніх фінансових установ. Згідно з оцінками дослідження Guosheng Securities, вартість навчання GPT-3 становить близько 1,4 мільйона доларів США, а для деяких більших LLM (Large Language Model) вартість навчання становить від 2 мільйонів доларів США до 12 мільйонів доларів США.
** Четвертий – прозорість і незрозумілість. **Так звана інтерпретабельність стосується необхідності отримати достатню та зрозумілу інформацію в процесі пізнання або прийняття рішення щодо дії, щоб допомогти прийняти рішення. У машинному навчанні між вхідними даними та вихідною відповіддю зазвичай є невидимий простір, який називається «чорним ящиком». Лише шляхом розробки зручних для інтерпретації та надійних фінансових додатків AI можна досягти довіри користувачів, можливості аудиту моделі та зниження ризику.
** П’яте – внутрішня координація всередині організації. **Що стосується фінансових установ, які застосовують штучний інтелект та інші передові технології, зазвичай важко сформувати ефективний механізм «сумісності стимулів», щоб сприяти досягненню внутрішніми зацікавленими сторонами консенсусу щодо відображення цінності технологічних інновацій з максимальною ефективністю. У зв’язку з цим, як оптимізувати модель організації та координації за допомогою розробки правил, одночасно оптимізуючи ітерацію самого технічного рішення, також є неминучою проблемою для штучного інтелекту.
** Шосте – розподіл відповідальності. **Розробка продукту та діяльність фінансових установ мають певні особливості, а також різноманітні комплексні ризики. Тому, виходячи з логіки контролю ризиків і захисту фінансових споживачів, будь-яка фінансова діяльність потребує чіткого механізму розподілу відповідальності. Після впровадження штучного інтелекту можуть виникнути деякі нові неоднозначності в балансі прав і обов’язків у початкових бізнес-процесах фінансових установ, які терміново потребують подальшого вивчення з точки зору інституційних правил, ділової практики, технологій і бізнесу, і відносини між моделями та людьми.
**Сьоме — відповідність і етика. **Зі стрімким розвитком фінансових технологій нагляд у різних країнах йде в ногу з часом. Зіткнувшись із динамічною еволюцією регуляторних принципів і моделей, фінансове застосування штучного інтелекту має більш значний тиск на відповідність. Водночас етичні виклики фінансових технологій, такі як дискримінація алгоритмів, знищення великих даних та витік інформації, також принесли «тінь» у застосування штучного інтелекту. Все ще необхідно досліджувати, як використовувати «відповідальні» технологічні інновації створити «теплі» фінансові послуги.
Коротше кажучи, перспектива цифрової трансформації фінансової індустрії, керована штучним інтелектом, почалася, але це не було гладко, і існує ще багато серйозних викликів, які терміново потребують самооптимізації та постійного «прориву».