推進(jìn)AI大模型在金融行業(yè)應(yīng)用的五項(xiàng)建議
時(shí)間：2024-05-17
作者：肖鋼
生成式AI大模型在金融行業(yè)擁有巨大的應(yīng)用潛力
“智能金融”指人工智能（AI）和金融行業(yè)的深度融合，這一概念最早于2017年國務(wù)院經(jīng)黨中央批準(zhǔn)發(fā)布的我國首個(gè)AI規(guī)劃——《新一代人工智能發(fā)展規(guī)劃》中提出。
自2019年起，我在CF40每年組織專家團(tuán)隊(duì)撰寫《CF40中國智能金融發(fā)展報(bào)告》，回顧和探討AI與金融行業(yè)融合發(fā)展的相關(guān)情況和政策舉措。自那以后到現(xiàn)在，我們所說的智能金融應(yīng)當(dāng)說主要仍指傳統(tǒng)的判別式AI模型，即小模型，與今天討論的生成式AI大語言模型不同。
大模型的出現(xiàn)標(biāo)志著AI與金融的結(jié)合面臨新的轉(zhuǎn)折點(diǎn)。當(dāng)前，我國從大型銀行與股份制銀行到證券保險(xiǎn)公司的各類金融機(jī)構(gòu)都在進(jìn)行積極準(zhǔn)備，研究應(yīng)用大語言模型的發(fā)展，并將其引進(jìn)作為內(nèi)部生產(chǎn)力工具，但大模型目前仍沒有真正面向客戶服務(wù)的應(yīng)用場景。
麥肯錫在2023年發(fā)布的一份研究報(bào)告中分析了生成式AI大模型為金融行業(yè)、尤其是全球銀行業(yè)帶來的經(jīng)濟(jì)價(jià)值。據(jù)其估算，應(yīng)用生成式AI大模型每年為企業(yè)端（即2B）帶來的經(jīng)濟(jì)價(jià)值為2.6-4.4萬億美元；其中，全球銀行業(yè)使用大模型可使其每年?duì)I業(yè)收入提高2.8-4.7%，這一比例高于全球制造業(yè)、零售業(yè)、旅游業(yè)、運(yùn)輸業(yè)和物流業(yè)等所有其他行業(yè)?？梢?，大模型在金融行業(yè)有著巨大的應(yīng)用潛力。
推進(jìn)AI大模型在金融行業(yè)應(yīng)用的五項(xiàng)建議
為積極、穩(wěn)妥促進(jìn)大模型在金融行業(yè)的應(yīng)用，我提出五項(xiàng)建議。
第一，積極擁抱新技術(shù)，加快數(shù)字化轉(zhuǎn)型。
智能金融是數(shù)字金融的高級形態(tài)，這兩者之間是相互促進(jìn)的關(guān)系。數(shù)字化轉(zhuǎn)型是智能化的前提和基礎(chǔ)，而大模型的應(yīng)用是加快數(shù)字化轉(zhuǎn)型的“核動(dòng)力”。不同于原先的小模型，大模型的應(yīng)用將為數(shù)字金融帶來新業(yè)態(tài)、新模式。
金融機(jī)構(gòu)應(yīng)全面認(rèn)識AI大模型應(yīng)用的緊迫性和重要性，一方面，在找到可落地的、面向客戶的應(yīng)用場景前，不能高估大模型在當(dāng)前的作用；另一方面，絕不能低估其未來的潛力，須緊跟發(fā)展趨勢，提前布局、做好準(zhǔn)備。
需要指出，中小金融機(jī)構(gòu)在數(shù)字化轉(zhuǎn)型中面臨諸多困難。有觀點(diǎn)認(rèn)為，大模型的問世或極大加劇中小金融機(jī)構(gòu)與大型機(jī)構(gòu)之間的差距，即所謂的“馬太效應(yīng)”；但也有分析指出，大模型為處于頭部的中小金融機(jī)構(gòu)實(shí)現(xiàn)“彎道超車”帶來了機(jī)遇。
如何充分認(rèn)識大模型為中小金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型帶來的機(jī)遇和挑戰(zhàn)？如何立足其自身資源稟賦、幫助一批有條件的中小金融機(jī)構(gòu)實(shí)現(xiàn)跨越式發(fā)展？這些問題應(yīng)該提上日程。
第二，緊緊圍繞價(jià)值創(chuàng)造，先內(nèi)后外、逐步推進(jìn)。
與其他科技應(yīng)用一樣，AI大模型在金融領(lǐng)域的應(yīng)用也須堅(jiān)持以客戶需求為主導(dǎo)，以業(yè)務(wù)價(jià)值創(chuàng)造為核心。金融行業(yè)應(yīng)著力構(gòu)建合適的場景，引入AI大模型，根據(jù)自身數(shù)據(jù)對其微調(diào)、訓(xùn)練，然后基于試點(diǎn)項(xiàng)目進(jìn)行使用。
這個(gè)過程中，應(yīng)著眼于業(yè)務(wù)中的痛點(diǎn)和難點(diǎn)問題，不能為了應(yīng)用而應(yīng)用，而是要通過應(yīng)用大模型創(chuàng)造服務(wù)新模式，從而大力降低成本、提升效益，并改善客戶體驗(yàn)。目前，各金融機(jī)構(gòu)對應(yīng)用AI大模型的步驟掌握得比較好，采用了先內(nèi)部使用、再根據(jù)條件延伸至客戶服務(wù)的做法。
在企業(yè)內(nèi)部應(yīng)用大模型作為生產(chǎn)力工具時(shí)，應(yīng)引入價(jià)值觀評測機(jī)制。已有一些企業(yè)進(jìn)行了成功的嘗試，充分利用AI代理軟件作為管家、助手，對于內(nèi)部員工是否調(diào)用大模型、并采納其得出的結(jié)論加以控制。這方面也還需進(jìn)一步改善。
第三，著力推動(dòng)大小模型交互應(yīng)用，降低成本、提升效率。
AI大模型具有“大而強(qiáng)”的特點(diǎn)，優(yōu)勢在于基礎(chǔ)性和通用性，但對數(shù)據(jù)算力要求高，運(yùn)行維護(hù)成本大，專業(yè)性也不足。相比而言，小模型的特點(diǎn)是“小而美”，體量小、成本低，易于訓(xùn)練和維護(hù)，雖然性能遠(yuǎn)不及大模型，但在適合的垂直專業(yè)領(lǐng)域應(yīng)用更具優(yōu)勢，銀行在風(fēng)控和客戶服務(wù)上使用的大部分都是傳統(tǒng)模型。
因此，金融機(jī)構(gòu)需建立大小模型協(xié)同發(fā)展的框架。這樣不僅有利于未來大模型的落地應(yīng)用，也可以進(jìn)一步促進(jìn)小模型的發(fā)展。小模型能以較低的成本實(shí)現(xiàn)大模型的部分功能，我們可以增強(qiáng)小模型的性能，以滿足具體專業(yè)的應(yīng)用需求，同時(shí)提升智能金融服務(wù)整體水平。
此外，大小模型交互使用、共生共融還有利于模型依靠反饋進(jìn)行強(qiáng)化學(xué)習(xí)，促進(jìn)模型迭代升級。金融機(jī)構(gòu)需研究大模型的技術(shù)棧和傳統(tǒng)AI模型的技術(shù)棧如何融合發(fā)展，開發(fā)相關(guān)技術(shù)平臺與框架。未來，大小模型的交互使用將是長期趨勢。
第四，高度重視數(shù)據(jù)和算力，確保模型質(zhì)量。
當(dāng)前，AI大模型訓(xùn)練主要依賴于互聯(lián)網(wǎng)公開的文本數(shù)據(jù)，其中，中文語料目前占比依然較低，訓(xùn)練模型所使用的大部分中文語料來自海外、并不準(zhǔn)確。我國對此非常重視，權(quán)威部門已在著手建設(shè)中文語料庫，但仍需時(shí)間。
因此，金融機(jī)構(gòu)在訓(xùn)練、部署大模型時(shí)，須對數(shù)據(jù)來源進(jìn)行嚴(yán)格的合規(guī)管理，以確保數(shù)據(jù)質(zhì)量；要積極采用數(shù)據(jù)編織技術(shù)，運(yùn)用分布式數(shù)據(jù)管理架構(gòu)，集成不同來源的數(shù)據(jù)，提供值得信賴的數(shù)據(jù)基礎(chǔ)，從而提高生成式AI模型的準(zhǔn)確性。
未來，當(dāng)人類自印刷機(jī)問世以來所出版的文本、書籍等各類數(shù)據(jù)都已經(jīng)被使用時(shí)，模型訓(xùn)練就會開始面臨數(shù)據(jù)短缺的瓶頸。因此，自主可控的合成數(shù)據(jù)，即計(jì)算機(jī)模擬數(shù)據(jù)，將擁有廣闊的發(fā)展空間。合成數(shù)據(jù)可以解決數(shù)據(jù)短缺的問題；同時(shí)，模擬數(shù)據(jù)不涉及隱私保護(hù)和數(shù)據(jù)安全風(fēng)險(xiǎn)；此外，發(fā)展自主可控的合成數(shù)據(jù)產(chǎn)業(yè)還將有利于解決數(shù)據(jù)可能帶來的偏見以及算法歧視等問題。
此外，考慮到金融機(jī)構(gòu)當(dāng)前算力不足，或可考慮建立算力資源池，探索多種圖形處理器（GPU）的統(tǒng)一調(diào)度，從而在一定程度上對沖國外高性能GPU芯片的斷供風(fēng)險(xiǎn)；同時(shí)，開發(fā)算法共享機(jī)制，規(guī)范算力外包，促進(jìn)數(shù)據(jù)協(xié)同，加強(qiáng)基礎(chǔ)設(shè)施服務(wù)，尤其是要賦能中小金融機(jī)構(gòu)。讓所有中小金融機(jī)構(gòu)都去建設(shè)算力、研究算法是不太現(xiàn)實(shí)的，因此相關(guān)基礎(chǔ)設(shè)施服務(wù)的問題有待研究。
第五，切實(shí)加強(qiáng)安全風(fēng)險(xiǎn)管理，保障AI大模型有序發(fā)展。
未來，AI技術(shù)惡意使用將成為趨勢，也將以更快的速度增長，不僅會放大現(xiàn)有風(fēng)險(xiǎn)，還會引入新的風(fēng)險(xiǎn)。已有金融機(jī)構(gòu)受到AI惡意使用的威脅。
為應(yīng)對這一挑戰(zhàn)，金融監(jiān)管部門應(yīng)制定AI大模型在金融行業(yè)應(yīng)用的準(zhǔn)入標(biāo)準(zhǔn)，并實(shí)施備案管理。網(wǎng)信辦對進(jìn)入意識形態(tài)領(lǐng)域的模型已要求進(jìn)行事先風(fēng)險(xiǎn)評估。目前，國內(nèi)廠商已推出了以“八大模型”[1]為代表的不少AI大模型，鑒于金融行業(yè)的重要性，上述模型如果要進(jìn)入金融業(yè)，也應(yīng)對其進(jìn)行事先風(fēng)險(xiǎn)評估。
此外，金融機(jī)構(gòu)應(yīng)將AI相關(guān)風(fēng)險(xiǎn)納入整體風(fēng)險(xiǎn)管理和合規(guī)管理框架中，目前這方面做得還不夠。據(jù)我了解，國外有的大型銀行已將AI模型風(fēng)險(xiǎn)納入整體風(fēng)險(xiǎn)管理框架，并成立了AI模型管理委員會，建立了專門的管理平臺、流程和規(guī)范。我國金融機(jī)構(gòu)也應(yīng)對AI大模型相關(guān)風(fēng)險(xiǎn)實(shí)行分級分類管理，對模型數(shù)據(jù)參數(shù)進(jìn)行定期評估和交叉驗(yàn)證，并使用壓力測試，在各種情景下進(jìn)行模擬校驗(yàn)，及時(shí)披露模型決策機(jī)理、運(yùn)行邏輯和潛在風(fēng)險(xiǎn)，防范算法歧視，提升算法的可解釋性、透明性與公平性。
目前，我國金融機(jī)構(gòu)在防范欺詐上還在“單打獨(dú)斗”。不少金融機(jī)構(gòu)都遇到過遭遇AI欺詐的數(shù)據(jù)，但僅掌握自身數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠。因此，應(yīng)建設(shè)覆蓋全金融系統(tǒng)的、快速共享的反欺詐數(shù)據(jù)交換平臺，開發(fā)用于欺詐檢測的AI模型，所謂“道高一尺、魔高一丈”，我們要用AI來對抗AI欺詐。中小金融機(jī)構(gòu)也可從這樣的公共數(shù)據(jù)服務(wù)平臺中獲益，而無需自行開發(fā)提升反欺詐模型能力。
附注：
[1] 即百度的文心一言、抖音的云雀大模型、智譜 AI的GLM 大模型、中科院的紫東太初大模型、百川智能的百川大模型、商湯的日日新大模型、MiniMax的ABAB 大模型以及上海人工智能實(shí)驗(yàn)室的書生通用大模型。
作者肖鋼系CF40資深研究員、中國證監(jiān)會原主席，本文為作者在2024·金融四十人年會暨閉門研討會“邁向金融強(qiáng)國之路”專場二“人工智能與數(shù)字金融強(qiáng)國建設(shè)”上所做的主題交流。文章僅代表作者個(gè)人觀點(diǎn)，不代表CF40及作者所在機(jī)構(gòu)立場，未經(jīng)許可不得轉(zhuǎn)載。
未收藏
