Конкуренція за внутрішні фінансові GPT: як велика модель переосмислює фінансові технології

Джерело: Бізнес Шоу

Джерело зображення: створено Unbounded AI‌

Масштабне модельне поле бою в Китаї після кількох місяців урагану та збирання, щоб продемонструвати свої «м’язи», розпочинає нову битву на охолодженні.

З березня цього року, коли генеративний ШІ, представлений ChatGPT, спровокував нову хвилю технологій, понад 20 вітчизняних інтернет-компаній запустили масштабні моделі.

До Всесвітньої конференції зі штучного інтелекту 2023 року 6 липня це можна було б описати як «битву сотень моделей» і навіть сформувати «війну тисяч моделей», порівнянну з «війною тисячі полків» у період розвитку Інтернету.

Ніхто не хоче залишитися позаду в цій хвилі мегамоделей ШІ. Але саме зараз розробка великих моделей зі стадії «загальної» вийшла на «вертикальну».

**Все більше і більше компаній розуміють, що лише декілька провідних гігантів у великих моделях загального призначення можуть використовувати «обчислювальну потужність, алгоритми, дані» або навіть людську силу та фінансові ресурси, щоб зробити все в комплексі, і зосередитися на додатках сцени, персоналізації і адаптація Малим і середнім підприємствам вигідніше інвестувати у велику вертикальну модель. **

Багато компаній просто навчають вертикальну модель, яка адаптується до сцени безпосередньо на основі «бази» великих вітчизняних і іноземних моделей, оскільки вони накопичили дані та інші переваги у своїх сферах, які культивувалися протягом багатьох років.

Наприклад, у фінансовій сфері з травня цього року група фінансових технологічних компаній, таких як Qifu Technology, Du Xiaoman, Lufax Holdings, Ant Group і Mashou Consumption, розгорнула великі моделі ШІ на основі власних сценаріїв і переваг даних.

Інсайдер з провідної фінансово-технологічної компанії розповів "Бізнес-шоу", що за останні два місяці всі фінансово-технологічні компанії та провідні фінансові установи, які мають можливості побудови широкомасштабних моделей у фінансовій галузі, починають зі стадії дослідження. Увійти в стадію посадки.

**Особа також заявила, що фінансові технологічні компанії або фінансові установи з власними бізнес-сценаріями надаватимуть пріоритет внутрішньому використанню та вдосконалюватимуть можливості великих моделей шляхом вдосконалення внутрішніх продуктів. Технологічні компанії, які не мають власних бізнес-додатків, більш схильні до загальних можливостей вирішення проблем фінансової індустрії. Деякі співпрацюватимуть з фінансовими установами для спільного створення великих моделей фінансової індустрії та сценаріїв. **

Почалася боротьба про велику фінансову модель ШІ.

Який вплив ця нова революція у сфері фінансових технологій, викликана моделлю AI, принесе на галузь? З якими можливостями та викликами зіткнеться фінансова індустрія після доступу до великої моделі через високий рівень даних і високу професійну складність? Як буде розвиватися фінансова модель у майбутньому?

Змагайтеся за внутрішній фінансовий GPT

Немає сумнівів, що у 2023 році розвиток штучного інтелекту почне нову еру.

У березні з’явився ChatGPT, запущений лабораторією штучного інтелекту OpenAI, що спричинило нову хвилю глобальних широкомасштабних моделей штучного інтелекту, відкривши нову еру AIGC, а суміжні галузі також започаткували переоцінку.

Незабаром гаряче повітря від моделі ШІ поширилося на фінансове коло. 30 числа того ж місяця Bloomberg запустив масштабну мовну модель для фінансової галузі – BloombergGPT. Це розглядається як подія, яка може мати значний, якщо не руйнівний, вплив на фінансовий сектор.

Через два місяці вітчизняна фінансова сфера також відкрила момент своєї моделі ШІ. У середині травня Qifu Technology вперше оголосила про запуск власно розробленої загальної моделі для фінансової індустрії — Qifu GPT, яка відома в галузі як «перша загальна модель для фінансової індустрії в Китаї».

Відповідно до Qifu Technology, очікується, що додатки на рівні продукту, які він підтримує, будуть запущені протягом цього року та відкриті для використання фінансовими установами.

Інсайдер Qifu Technology розповів "Business Show", що ще в минулому році Qifu Technology почала прокладати і намагатися застосовувати генеративні великі моделі в деяких внутрішніх сценаріях. А в березні цього року, після того як широкомасштабна модель стала популярною, Qifu Technology також швидко створила відділ дослідження великомасштабних моделей для прискорення досліджень і розробок і сприяння застосуванню сценаріїв.

9 лютого цього року Чжоу Хуні, засновник 360 Group, і Чжан Чаоян, засновник Sohu, висунули точку зору під час діалогу «Діалог під зірками»: **Якщо компанія не може зловити ChatGPT автобус, ймовірно, буде ліквідований. **

Раніше генеральний директор Qifu Technology Ву Хайшен також сказав, що зараз він перебуває на роздоріжжі технологічної революції, від хмарних обчислень до ChatGPT, який зараз популярний у всьому світі, і буде відданий застосуванню цих технологій у фінансовій сфері, щоб забезпечити партнери та користувачі фінансових установ Більш ефективні технологічні послуги та рішення.

Не тільки технологія Qifu бере на себе лідерство в макеті. Наприкінці травня Ду Сяоман також оголосив про запуск "Xuanyuan", першої широкомасштабної моделі з відкритим кодом для вертикальної фінансової індустрії в Китаї, а потім Lufax Holdings, Xinye Technology тощо також оголосили про планування та дослідження генеративного застосування великомасштабних моделей. 21 червня Ant Group відповіла, що розробляє мовну та мультимодальну модель під назвою «Zhenyi»; 28 числа того ж місяця також було представлено LightGPT, велику модель електронної фінансової індустрії Hang Seng.

На Всесвітній конференції зі штучного інтелекту 2023 року 6 липня було представлено близько 30 великомасштабних моделей з країни та з-за кордону, і те, як технології великомасштабних моделей застосовуються у вертикальних сферах, таких як фінанси, також стало гарячою темою. Цзян Нін, технічний директор Immediate Consumers, зазначив в інтерв’ю ЗМІ, що велика модель штучного інтелекту принесла «поштовх» у фінансову індустрію. У той же час він також повідомив, що Imediate Consumption також запустить велику фінансову модель.

Всього за чотири місяці різні фінансові установи та фінансові технологічні компанії готуються та змагаються за розгортання, і GPT у вітчизняній фінансовій сфері ось-ось з’явиться.

Консенсус великої моделі: від загального до вертикального

У той час як різні компанії змагаються з часом, щоб запустити масштабні фінансові моделі, індустрія поступово дійшла консенсусу: великомасштабні моделі мають вийти на вертикальну стадію із загальної сцени.

На Конференції глобальної цифрової економіки 2023 року 2 липня Сюй Дунлян, технічний директор Du Xiaoman, також висунув подібну точку зору: «Порівняно з можливостями широкомасштабних моделей загального призначення, фінансова індустрія дуже потребує вертикальні промислові великомасштабні моделі».

Сюй Дунлян також проаналізував, що через високі вимоги фінансової індустрії щодо безпеки та конфіденційності даних, контролю ризиків, точності та продуктивності в режимі реального часу велика модель загального призначення не має необхідних даних для навчання з точки зору фінансових можливостей. ні точність, ні точність не можуть задовольнити мінімальні вимоги цієї галузі, тому для ефективності потрібна велика галузева модель, адаптована для фінансових установ.

Відповідна особа, відповідальна за Qifu Technology, також сказала, що найбільша різниця між великомасштабною моделлю фінансової індустрії та іншими галузями полягає в складності бізнесу фінансової індустрії, вимогах галузевих операційних правил, а також у безпеці та захисті конфіденційності, що робить фінансову галузь більш особливою, ніж інші галузі, бізнес є більш складним, вимоги до галузевих операційних норм вищі, а вимоги до безпеки та захисту конфіденційності вищі.

На Всесвітній конференції зі штучного інтелекту 2023 року технічний директор із безпосереднього споживання Цзян Нін зазначив, що через особливості фінансової індустрії, такі як «інтенсивність даних і технологія», ця галузь завжди сподівалася капіталізувати дані, але в той же час вона також стикається з такими проблемами, як офлайн-банківські відділення.Такі питання, як ефективність надання цінності та досвід користувачів, вимагають від організацій продовжувати інновації.

**Тобто, з точки зору логіки великої моделі, існуючі великі моделі не можуть охоплювати всі галузі. На основі загальних великих моделей підприємствам необхідно точно налаштувати навчання та налаштувати великі моделі для вертикальних полів. **

Відповідна особа, відповідальна за технологію Qifu, сказала, що для оптимізації та адаптації до конкретних вимог додатків, особливо для високоорієнтованої на дані та професійно складної фінансової сфери, їй потрібно покладатися на більш професійний досвід і знання галузі.

** З точки зору потреб розвитку галузі, фінансова галузь також увійшла в стадію фондової конкуренції з інкрементального ринку, і вся галузь стикається з такими труднощами, як труднощі з утриманням клієнтів і загострення конкуренції. У цей час ще більш необхідно використовувати технології для підвищення ефективності роботи та досвіду користувачів. **

З огляду на фактичне впровадження технологічного досвіду користувача, традиційні фінансові послуги все ще стикаються з проблемою «важкого відкриття, важкого досвіду та складного обслуговування» в процесі покращення користувальницького досвіду. Поява великих моделей ШІ може значною мірою допомогти фінансовій індустрії вирішити ці проблеми, щоб краще обслуговувати користувачів.

Але зараз все ще існує величезний розрив між великою моделлю загального призначення та застосуванням фінансових сценаріїв. Таким чином, тільки шляхом постійної оптимізації існуючої широкомасштабної моделі загального призначення та формування вертикально професійної великомасштабної моделі у фінансовій сфері, широкомасштабна мовна модель може краще служити підприємствам і користувачам.

Однак, порівняно з іншими галузями, фінанси висувають вищі вимоги до експертних даних, контролю ризиків, відповідності та безпеки, що також створює багато проблем для фінансових установ і підприємств у дослідженні великих моделей у вертикальних областях.

Перевизначення Fintech

Озираючись на три хвилі розвитку штучного інтелекту, розвиток технології штучного інтелекту керується трьома основними елементами: алгоритмами, обчислювальною потужністю та даними — алгоритми визначають, чи достатньо розумний розроблений «мозок», і лише високопродуктивні обчислення power can train Велика мережа також повинна мати підтримку великих даних.

Лише за півроку, із зростанням AIGC в особі ChatGPT, настає ера великих моделей штучного інтелекту. Коли модель штучного інтелекту зустрінеться з фінансами, технологічні зміни та бізнес-простір будуть ще більше відкриті, а вартість усіх галузей призведе до переоцінки. За даними iResearch, розмір основного ринку штучного інтелекту та фінансів досягне 29,6 мільярдів юанів у 2021 році, що призведе до збільшення суміжних галузей до 67,7 мільярдів юанів.

Можна сказати, що поява великих моделей ШІ значною мірою переосмислила фінансові технології. Наприклад, широкомасштабні моделі штучного інтелекту допомагають компаніям зменшувати витрати та підвищувати ефективність, створювати віртуальні онлайн-взаємодії з обслуговуванням клієнтів і надавати користувачам більш гуманні послуги. Фінансовий GPT може реалізовувати автоматичне генерування текстів фінансової інформації та контенту представлення продукту, а також покращувати ефективність роботи контенту фінансових установ.

Візьмемо, наприклад, Qifu GPT, велику модель технології Qifu, яка застосовувалася для ділових зв’язків, таких як залучення клієнтів, робота, контроль ризиків і обслуговування після позики. На маркетинговому рівні побудуйте діалоговий фінансовий бізнес-сценарій за допомогою великої моделі, навчіть існуючу систему діалогу телемаркетингу, допоможіть роботам телемаркетингу точно зрозуміти реальні потреби користувачів і покращте точність відповіді та професіоналізм послуги.

Відповідна особа, відповідальна за Qifu Technology, сказала: «За допомогою великомасштабної моделі спаринг-робота час дзвінка системи телемаркетингу збільшився на 15,1%. З точки зору контролю ризиків у основній бізнес-ланці в сфері кредитування , інтерпретація інтелектуальної кредитної інформації, отриманої з великомасштабної моделі як ядра, може допомогти фінансовим установам більш повно та ефективно розуміти та оцінювати користувачів».

Зрозуміло, що наразі команда Qifu Technology об’єднує дані фінансової індустрії та внутрішні приватні дані для поступового попереднього навчання та налаштування великих моделей і покладається на внутрішній бізнес для практичного застосування в деяких малих і середніх сценаріях.

**Однак інсайдери згаданих вище провідних фінансових технологічних компаній повідомили «Бізнес Шоу», що поточні вітчизняні фінансові великі моделі в основному використовуються в малих і середніх регіонах у деяких незалежних бізнес-сценаріях, а потім спостерігають за впливом великих моделей на зростання бізнесу та контроль ризиків.Можливості оптимізації з точки зору підвищення ефективності персоналу та підвищення ефективності роботи персоналу ще не започаткували стадію широкомасштабної комерціалізації. **

Наразі вітчизняна фінансова широкомасштабна модель все ще стикається з багатьма проблемами, і потрібен час для реалізації широкомасштабного застосування.

Цзян Нін, технічний директор Immediate Consumers, вважає, що в поточній великомасштабній моделі фінансової індустрії все ще існують чотири основні проблеми:

По-перше, перед обличчям ключових завдань і непередбачуваних зовнішніх змін у фінансовій індустрії великі моделі не можуть гарантувати стабільність і точність кожного рішення; по-друге, фінансова індустрія сподівається використовувати штучний інтелект для досягнення персоналізованого досвіду користувача, але для цього потрібні персональні інтеграція приватних даних і великих моделей все ще має проблеми з відповідністю та безпекою; по-третє, фінансова індустрія завжди мала проблему "острівців даних". Великі моделі вимагають побудови мережевої платформи для покращеного навчання та постійного внесення даних і зворотного зв'язку. Однак поточний ринок, по-четверте, застосування великомасштабних моделей у фінансовій індустрії висуває більш високі вимоги до апаратних і програмних засобів, таких як базове обладнання та інфраструктура.

Відповідна особа, відповідальна за Qifu Technology, також сказала, що однією з головних проблем, з якими стикається розробка загальних фінансових моделей, є складність обробки даних.Крім того, необхідно також враховувати захист конфіденційності даних та інформаційну безпеку. Відповідальна особа також зазначив, що складність фінансової моделі загального призначення полягає в основному в точності моделі та гнучкості практичного застосування. Широкі інтерфейси повинні бути зарезервовані для вільного підключення на практиці, щоб адаптуватися до постійного розширення сценарії застосування».

Дивлячись на історію розвитку фінансових технологій за останнє десятиліття, можна сказати, що це велика індустрія, що розвивається. У сфері штучного інтелекту фінансова індустрія безперервно досліджує протягом багатьох років. Ми бачимо, що штучний інтелект з’явився в таких сферах, як оплата, інвестиції, позики, управління особистими фінансами, боротьба з шахрайством у банківській справі та страхуванні.

**Однак не можна ігнорувати, що суть фінансів все ще полягає в управлінні ризиками, а контроль ризиків є ядром усіх фінансових підприємств. Вступаючи в еру великих моделей штучного інтелекту, роль яких відіграють великі моделі штучного інтелекту, окрім покращення фінансових бізнес-послуг і покращення взаємодії з користувачами, її основою все ще є мінімізація ризиків. **

Звичайно, крім контролю ризиків та інтеграції технологій і сценаріїв, не можна ігнорувати участь людини. У процесі машинного навчання у генеративному штучному інтелекті необхідна участь людини в навчанні.У сфері великих фінансових моделей участь людини в усіх аспектах однаково важлива.

На хвилі технологій, викликаній цією моделлю штучного інтелекту, тихо почалася нова революція фінансових технологій. Кожне підприємство і навіть кожен не повинен його пропустити.