Resim kaynağı: Sınırsız Yapay Zeka tarafından oluşturulmuştur
Birkaç yıl önce bir endüstri uzmanıyla röportaj yaptım ve o, yüksek teknolojinin endüstriye uygulanmasında büyük bir kafa karışıklığından bahsetti: iki katman deri.
Özellikle harika teknik sonuçlardan bazıları, bir deri tabakası olan makalelerde yayınlandı. Şirketin teknik personeli bu sonuçları ticarileştirirken, derinin bir başka katmanı olan mühendislik nedenleriyle bazı basitleştirmeler yapabilir.
Derinin iki katmanı arasında bir boşluk vardır, tıpkı satıcının gösterisi ile alıcının gösterisi gibi, bunlar bütünleşik ve tutarlı değildir.
Çoğu zaman, teknik yeteneği, Ar-Ge kapasitesi ve dönüşüm isteği olan şirketler ilk önce "iki katman deri" sorunuyla karşılaşacak ve bu da teknolojinin etkinliği konusunda şüphelere ve net olmayan yatırım getirisi oranlarına neden olacaktır.
Büyük model çılgınlığına kapılan çeşitli insanlar arasında, "iki kat derinin" zorluğuyla ilk karşılaşanlar finans kurumları olabilir.
Finans sektörünün her zaman yeni teknolojileri erken benimseyenlerden biri olduğunu ve yapay zekayı çok erken denemeye başladığını biliyoruz. Endüstriyel yapay zeka alanında "en iyi öğrenci" olduğu söylenebilir ve iyi bir bilişim ve dijital temele sahiptir. Finansal kuruluşların ön, orta ve arka ofislerindeki tüm senaryolarda, büyük modeller kullanılarak maliyetlerin düşürülmesi ve verimliliğin artırılması için yer vardır. Bu nedenle finansın da büyük modellerin uygulanmasında tercih edilen senaryo olduğu düşünülmektedir.
Büyük modellerin uygulanmasında öncü olarak, finans alanı "iki kat deri" sorununu çözemezse, büyük modellerin fiili uygulamasında satıcının gösterisi ile alıcının gösterisi arasında hala bir boşluk olduğu anlamına gelir.
Bu makale, finans ile büyük modeller arasındaki boşluğu hangi konuların açtığını açıklığa kavuşturmayı umuyor?
01 Soru 1: Asıl kişi kim?
Büyük ölçekli bir model olduğu için elbette teknoloji şirketleri ve OpenAI/BAT gibi teknoloji şirketleri tarafından yönetilecek ve bu da finans kurumlarının görmek istemediği bir şey.
Finans alanında uzman bir kişi, bu büyük modeller dalgasının popüler hale gelmesinden sonra finansal kurumların özellikle tedirgin olduklarını ve FOMO (Kaçırma Korkusu) duygusu yaşadıklarını söyledi.
Teknolojinin son dalgası ve akıllı telefonların ve mobil internetin yükselişi nedeniyle, geleneksel bankaların ve menkul kıymet firmalarının birçok işi internet finans şirketleri tarafından elinden alınmıştır. Sektördeki kişilere göre bu "destansı trajedi" asla tekrarlanmamalı.
Teknolojik kaygıdan etkilenen finans kurumları, büyük model trendine ayak uydurma konusunda oldukça aktif. Teknoloji üreticilerinin çok fazla piyasa eğitimi almasına çok az ihtiyaç var. Tüm endüstri, büyük modelleri kabul etme konusunda son derece iyi performans gösterdi.
Finansal kurumlar aynı zamanda büyük finansal modellerin "çekirdek çiplerini" kendi ellerinde tutmaya da büyük önem veriyor ve "öncelik bana" vurgusunu yapıyor. Bankacılık sektöründen bazı kişiler şunu belirtti: Yalnızca bankalara uygun büyük modeller, senaryolara ve iş süreçlerine gerçek anlamda derinlemesine uygulanabilir. **Özel olarak nasıl yapılır?
**Birinci kategori sert talaşlardır. **
Finansal kurumlar için veri güvenliği ve gizlilik uyumluluğu tavizsiz zorlu hedeflerdir ve çok katı gereklilikleri vardır. Bu aynı zamanda büyük ölçekli finansal modellerin yerelleştirilmiş inşaat ve özelleştirilmiş konuşlandırılması ve işletilmesine olan ihtiyacı da beraberinde getiriyor.
Yerel dağıtım gerekliliğinin büyük model üreticileri için avantajları ve dezavantajları vardır. Bunun avantajı, doğrudan API arayüzlerini çağıran diğer sektörlerdeki MaaS modeliyle karşılaştırıldığında, yerel dağıtımın daha yüksek birim fiyatı, daha yüksek kâr ve daha yüksek ticari değere sahip olmasıdır. Dezavantajı ise özel dağıtımın bulut çözümleri, veri işleme, depolama, model eğitimi, hızlı mühendislik, işletme ve bakım hizmetleri vb. konularda eksiksiz bir çözüm seti gerektirmesidir. Rekabetin odak noktası yalnızca temel modelin kendisi değildir; bu da artan maliyetler ve Teknik servis sağlayıcılar için zorluklar.
**Diğer kategori ise yumuşak talaşlardır. **
Büyük finansal modellerin iyi performans göstermesi için özel verilere ince ayar yapılması, alan bilgisinin tanıtılması ve senaryoya dayalı geri bildirim gerekir. Bankacılık sektörünün kendisi de çok iyi bir dijital temele ve derin veri birikimine sahiptir ve bu da yumuşak bir pazarlık kozu haline gelir. elleri.
Üretken yapay zeka ürünleri geliştirirken Morgan Stanley, OpenAI'nin temel modeline ince ayar yapmak için 100.000'den fazla finansal raporu, dahili veriyi ve finansal literatürü birleştirdi. Raporlara göre ülkemin tarım bankacılığı sektörü de büyük modellerin eğitimi için 2,6 TB yüksek kaliteli eğitim verisi biriktirdi. Ayrıca, temel büyük model güçlü bir genel bilgiye sahip olmasına rağmen, "mesleki kurs" yeteneğinden yoksundur ve mesleki finansal bilgiden yoksundur. Ayrıca, finansal senaryo işi karmaşıktır. Yeni başlayan büyük model, yüksek kaliteli hizmet yetenekleri geliştirmeli ve bir şirket haline gelmelidir. mükemmel "Yapay Zeka yardımcısı". Araba kullanmak" kolay değil.
Bu, büyük model üreticilerinin ve teknoloji şirketlerinin alışılagelmiş "teknoloji merkezli" ve "Sizi güçlendirmek/yıkmak için buradayım" düşüncesini değiştirmesini, hizmet farkındalığını artırmasını ve finansal müşterilere odaklanarak finansal müşterilerle işbirliği yapmasını gerektirir.
Finans alanında büyük ölçekli modellerin uygulanması hiçbir şekilde "sektörün teknolojik aksamasından" başka bir şey değildir ve olamaz. İster genel bir büyük model üreticisi ister bir ISV hizmet sağlayıcı entegratörü olsun, "önce müşteri" temelinde hareket etmeleri gerekir.
02 Soru 2: Entegrasyon neden zordur?
Eğer finans kurumları başrolde olsaydı, teknoloji şirketleri sıkı çalışmanın karşılığında sadece küçük bir ücret alabilen ve teknolojik yeniliklerini ortaya koyamayan "büyük model inşaat ekipleri" haline gelmez miydi?
Büyük hayır özel hayır.
**Öncelikle finansal yapay zeka yeni bir şey değil. **
Finansal kurumlar yapay zeka konusunda herkesin düşündüğü kadar cahil değil. Aslında tüm sektörler arasında finans alanı, "Yapay Zeka içeriği" açısından kesinlikle en üst sıralarda yer alıyor. Birkaç yıl önce Çin'deki bir 985 üniversitesinin Yapay Zeka Okulu dekanıyla röportaj yapmıştım, açıkça yapay zeka alanındaki öğrencilerin mezun olduktan sonra BAT'a veya start-up şirketlere değil, bilgi merkezlerine gittiklerini söyledi. China Merchants Bank gibi finansal kurumların altındaki teknoloji merkezleri, finansal yapay zekayla ilgileniyor.
Bu nedenle, finansal yapay zeka eğilimi aslında birkaç yıl önce önemli ölçüde gelişti. Bu nedenle büyük modellerin popülaritesi bu yıl yeni başladı. ICBC, Ping An, Çin Ziraat Bankası, China Merchants gibi çok sayıda yerli banka Bank ve CITIC Bank, GPT büyük modelleri için kendi özel araştırma ekibini hızla kurabilir. Bankanın zamanında harekete geçme yeteneği, son birkaç yılda yapay zekaya yapılan yatırım birikimine bağlı. Bu nedenle finansal kurumlara odaklanarak aynı zamanda iyi finansal modeller de oluşturuyoruz.
**İkincisi, büyük modeller yeni bir şeydir. **
Büyük model bu "geleneksel yapay zeka"dan nasıl daha iyidir ve ne yapabilir? Bu tamamen boş yeni bir soru.
Teorik olarak, büyük modeller tüm bankacılık sektörü zincirinin tüm bağlantılarında çalışabilir ve LLM uygulama senaryoları her iş kolunda ve her zekada bulunabilir. Ancak gerçekte, tüm bağlantılar tam olarak uygulandığında büyük modelin işletmeye nasıl entegre edileceği açık değildir, bu da birçok keşfin başarısız olacağı ve boşa gideceği anlamına gelir.
Keşifleri hızlandırmak, maliyetleri azaltmak ve riskleri azaltmak için finansal kurumlar ve teknoloji şirketleri birlikte çalışmalı; finansal uzmanların, algoritma bilimcilerin, mühendislerin, test uzmanlarının vb. bir arada oturmasına, birlikte yavaş yavaş keşfetmesine ve senaryolara ilişkin derinlemesine içgörüler kazanmasına olanak sağlamalıdır. ve "talep açısından özgünlüğü korurken yalanları ortadan kaldırın".
Bir finans kurumundan sorumlu kişi, günümüzün finans sektörünün çok zengin bir akıllı uygulama yelpazesine sahip olduğunu açıkça söyledi.Bir yapay zeka şirketinin finansal ürün tanıtım kılavuzunu açarsanız, yüzlerce bölümlenmiş yeteneği görebilirsiniz, ancak en fazlasını nasıl seçeceğinizi görebilirsiniz. kendi kurumunuza entegre olmaya uygun olanı İş dünyasında bu süreçte çok fazla deneme yanılma olacaktır.
**Şu anda sektör, senaryoların büyük finansal modeller için optimize edilmesi gerektiği konusunda temel olarak fikir birliğine varmıştır. Birkaç anahtar kelime var: **
**1. Yüksek frekans. **Bazı önemli senaryolarda ve önemli uygulamalarda, sorunları çözmek ve uygulama eşiğini düşürmek için büyük modeller mümkün olan en kısa sürede devreye alınabilir. Örneğin, akıllı müşteri hizmetleri ve akıllı yatırım danışmanlığı gibi başlangıçta emek yoğun olan pozisyonlar, hızlı bir şekilde önemli maliyet düşüşleri ve verimlilik artışı sonuçları sağlayabilir.
**2. Yüksek değer. **Sosyal ve ticari değeri olan alanları ilk keşfeden siz olun. Örneğin, kapsayıcı finans, şu anda hem hükümet hem de özel sektör tarafından değer verilen bir finansal hizmettir. Küçük, orta ve mikro işletmelerin finansal maliyetlerini kapsamlı bir şekilde azaltmak için hassas veri analizleri, daha düşük maliyet ve yüksek düzeyde erişilebilir hizmet yetenekleri gerektirir. tüccarlar. Bunlar arasında çok modlu ifade yetenekleri ve büyük modellerin güçlü anlama ve analiz yetenekleri çok iyi bir rol oynayabilir.
**3. Dağıtımı kolaydır. **Birçok finans uygulayıcısının büyük modelleri duyduğunda ilk tepkisi şu olur: Küçük modeller bunu yapabilir mi? Büyük modeller, donanım altyapısının bilgi işlem gücü ve istikrarı için daha yüksek gereksinimleri ortaya koyuyor. Finans kurumları, yerelleştirilmiş donanımın tanıtımını hızlandırıyor. Büyük modeller, her iş kolunda konuşlandırılıyor ve bu da performans baskısı, maliyet baskısı ve dağıtım baskısını beraberinde getiriyor. çok büyük. Bu nedenle, büyük model sıkıştırılıp optimize edildikten sonra veya aynı etkiye sahip küçük bir model, banka finansal ürünleri için öneriler üreten büyük model ve banka finansal ürünleri için araştırma asistanı görevi gören büyük model gibi iş senaryolarında uygulanabilir. Halihazırda kullanımda olan bu geleneksel yapay zeka için büyük model kullanılabilir. Modelin yükseltilmesi, aşırı bilgi işlem gücü maliyetlerini ve mühendislik iş yükünü artırmaz ve uygulanması daha kolay olan ilerici bir senaryodur.
Büyük model bir deri katmanı olduğundan ve asıl uygulama başka bir deri katmanı olduğundan, iki deri katmanının nasıl entegre edileceği ve hangi senaryolara öncelik verilmesi gerektiği, gidilmemiş bir yoldur. Ne finansal kurumlar ne de teknoloji şirketleri tek başına çalışamaz, ancak yakın işbirliği içinde çalışarak finansal senaryolar ve büyük modeller arasındaki en iyi entegrasyon yolunu bulabiliriz.
03 Soru 3: Neden bu kadar çok pranga var?
Büyük finansal modellerin hızla ilerleyebilmesi için bir senaryo bulmak, onu fethetmeye odaklanmak ve daha sonra onu büyük ölçekte kopyalamak mümkün mü?
Finansal kurumların “daha fazla insana, daha fazla paraya ve daha fazla teknolojiye” sahip olduğunu söylüyoruz ama bu sadece diğer sektörlerle göreceli bir durum. Gerçekte finans kurumlarının sınırsız bütçe ayırması, sınırsız insan gücü yatırımı yapması, büyük modellerin diledikleri gibi yeteneklerini gösterebilecekleri sınırsız senaryolar açmaları imkansızdır. Üstelik finansal alanda hâlâ çok sayıda küçük ve orta ölçekli banka ve menkul kıymet firması mevcut olup, bunların karşılayabileceği teknolojik yenilik maliyeti de sınırlıdır.
Bir banka uygulayıcısı AIGC'den bahsetti ve şunları söyledi: Rekabet yoğunlaşıyor, personel sınırlı, yetenekler eksik ve maliyetler kısıtlı.
**Finansın ve büyük modellerin "iki katmanlı derisinin", "satıcının şovu ve alıcının şovu"nun temel nedeninin prangalarla dans olduğu söylenebilir. **
**Örneğin bilgi işlem gücü sorunu. **Yerelleştirme ikamesi sürecinde, büyük finansal modellerin pahalı eğitim ve yüksek bilgi işlem gücü maliyetlerinin zincirlerini kırması gerekir; bu da model üreticilerinin donanım temeli, kendi kendine araştırma yetenekleri, ekolojik uyumluluk yetenekleri ve işbirliğine dayalı yazılımlar için kapsamlı bir test oluşturur. optimizasyon.
Şu anda Baidu'nun Kunlun'u, Alibaba'nın Yitian'ı, Huawei'nin Shengteng'i gibi önde gelen bulut sağlayıcıları kendi geliştirdikleri donanımların yanı sıra destekleyici yazılım ve ekosistemi geliştirmek için büyük çaba harcıyor.Bunlar olmadan büyük finansal modeli gerçekten kazanmak zor.
**Teknolojinin kendi sınırlamaları da vardır. **Açık konuşmak gerekirse, büyük model teknolojinin kendisinde, özellikle de finansal alanda uygulandığında hala birçok sorun var. Yanılsama sorununun çözülmesi gerekiyor. Titiz finansal işler için saçmalık kabul edilemez. Modelin kara kutu yapısı, yapay zekanın akıllı karar verme sürecini güvenilmez ve güvenilmez hale getirerek finansal yatırım danışmanlığı ve piyasa analizi kararlarında gerçek anlamda kullanılmasını imkansız hale getirecek.
**Ayrıca finansal kuruluşlar yatırım getirisi girdi-çıktı oranını da ölçecek. **Ancak finansal ortamda akıllı müşteri hizmetleri gibi büyük miktarda geleneksel yapay zeka biriktiğinden, herkes robotlardan ürün satış çağrıları ve fatura tahsilat çağrıları almış olabilir.
Bu nedenle büyük modellerin kullanıma sunulmasının ardından müşterilere ne kadar fayda getirebileceği, getiri/çıktı oranı yatırım getirisinin nasıl değerlendirileceği, büyük modellerin getirdiği iyileştirmelerin neler olduğu konusunda şu anda net bir ölçüm standardı bulunmuyor.
Büyük modellerin işe katkısının niceliksel olarak ölçülememesi, büyük model üreticileri arasında düzensiz rekabete veya müşteri ilişkileri rekabetine yol açacaktır.Bu aynı zamanda büyük finansal modellerin etkisizliğine ilişkin gizli bir endişe haline gelmiştir.
Endüstri ile büyük modeller arasındaki boşluğun ortadan kaldırılması, gelecekte büyük model parkurunda standart bir hareket olacaktır.
Bu süreçte "iki katmanlı deri" sorunuyla karşılaşan ilk büyük ölçekli finansal modeller, pek çok faydalı referans ve uygulama sağlayabilir ve finans kurumları, altın madenlerini keşfeden ilk büyük ölçekli altın arayıcıları grubu haline gelecektir. daha erken.
View Original
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.
Finans ve büyük modeller arasındaki "iki kabuk" sorunu
Kaynak: "Brain Extreme Body" (ID: birlik007), yazar: Zanghu
Birkaç yıl önce bir endüstri uzmanıyla röportaj yaptım ve o, yüksek teknolojinin endüstriye uygulanmasında büyük bir kafa karışıklığından bahsetti: iki katman deri.
Özellikle harika teknik sonuçlardan bazıları, bir deri tabakası olan makalelerde yayınlandı. Şirketin teknik personeli bu sonuçları ticarileştirirken, derinin bir başka katmanı olan mühendislik nedenleriyle bazı basitleştirmeler yapabilir.
Derinin iki katmanı arasında bir boşluk vardır, tıpkı satıcının gösterisi ile alıcının gösterisi gibi, bunlar bütünleşik ve tutarlı değildir.
Çoğu zaman, teknik yeteneği, Ar-Ge kapasitesi ve dönüşüm isteği olan şirketler ilk önce "iki katman deri" sorunuyla karşılaşacak ve bu da teknolojinin etkinliği konusunda şüphelere ve net olmayan yatırım getirisi oranlarına neden olacaktır.
Büyük model çılgınlığına kapılan çeşitli insanlar arasında, "iki kat derinin" zorluğuyla ilk karşılaşanlar finans kurumları olabilir.
Finans sektörünün her zaman yeni teknolojileri erken benimseyenlerden biri olduğunu ve yapay zekayı çok erken denemeye başladığını biliyoruz. Endüstriyel yapay zeka alanında "en iyi öğrenci" olduğu söylenebilir ve iyi bir bilişim ve dijital temele sahiptir. Finansal kuruluşların ön, orta ve arka ofislerindeki tüm senaryolarda, büyük modeller kullanılarak maliyetlerin düşürülmesi ve verimliliğin artırılması için yer vardır. Bu nedenle finansın da büyük modellerin uygulanmasında tercih edilen senaryo olduğu düşünülmektedir.
Büyük modellerin uygulanmasında öncü olarak, finans alanı "iki kat deri" sorununu çözemezse, büyük modellerin fiili uygulamasında satıcının gösterisi ile alıcının gösterisi arasında hala bir boşluk olduğu anlamına gelir.
Bu makale, finans ile büyük modeller arasındaki boşluğu hangi konuların açtığını açıklığa kavuşturmayı umuyor?
01 Soru 1: Asıl kişi kim?
Büyük ölçekli bir model olduğu için elbette teknoloji şirketleri ve OpenAI/BAT gibi teknoloji şirketleri tarafından yönetilecek ve bu da finans kurumlarının görmek istemediği bir şey.
Finans alanında uzman bir kişi, bu büyük modeller dalgasının popüler hale gelmesinden sonra finansal kurumların özellikle tedirgin olduklarını ve FOMO (Kaçırma Korkusu) duygusu yaşadıklarını söyledi.
Teknolojinin son dalgası ve akıllı telefonların ve mobil internetin yükselişi nedeniyle, geleneksel bankaların ve menkul kıymet firmalarının birçok işi internet finans şirketleri tarafından elinden alınmıştır. Sektördeki kişilere göre bu "destansı trajedi" asla tekrarlanmamalı.
Teknolojik kaygıdan etkilenen finans kurumları, büyük model trendine ayak uydurma konusunda oldukça aktif. Teknoloji üreticilerinin çok fazla piyasa eğitimi almasına çok az ihtiyaç var. Tüm endüstri, büyük modelleri kabul etme konusunda son derece iyi performans gösterdi.
Finansal kurumlar aynı zamanda büyük finansal modellerin "çekirdek çiplerini" kendi ellerinde tutmaya da büyük önem veriyor ve "öncelik bana" vurgusunu yapıyor. Bankacılık sektöründen bazı kişiler şunu belirtti: Yalnızca bankalara uygun büyük modeller, senaryolara ve iş süreçlerine gerçek anlamda derinlemesine uygulanabilir. **Özel olarak nasıl yapılır?
**Birinci kategori sert talaşlardır. **
Finansal kurumlar için veri güvenliği ve gizlilik uyumluluğu tavizsiz zorlu hedeflerdir ve çok katı gereklilikleri vardır. Bu aynı zamanda büyük ölçekli finansal modellerin yerelleştirilmiş inşaat ve özelleştirilmiş konuşlandırılması ve işletilmesine olan ihtiyacı da beraberinde getiriyor.
Yerel dağıtım gerekliliğinin büyük model üreticileri için avantajları ve dezavantajları vardır. Bunun avantajı, doğrudan API arayüzlerini çağıran diğer sektörlerdeki MaaS modeliyle karşılaştırıldığında, yerel dağıtımın daha yüksek birim fiyatı, daha yüksek kâr ve daha yüksek ticari değere sahip olmasıdır. Dezavantajı ise özel dağıtımın bulut çözümleri, veri işleme, depolama, model eğitimi, hızlı mühendislik, işletme ve bakım hizmetleri vb. konularda eksiksiz bir çözüm seti gerektirmesidir. Rekabetin odak noktası yalnızca temel modelin kendisi değildir; bu da artan maliyetler ve Teknik servis sağlayıcılar için zorluklar.
**Diğer kategori ise yumuşak talaşlardır. **
Büyük finansal modellerin iyi performans göstermesi için özel verilere ince ayar yapılması, alan bilgisinin tanıtılması ve senaryoya dayalı geri bildirim gerekir. Bankacılık sektörünün kendisi de çok iyi bir dijital temele ve derin veri birikimine sahiptir ve bu da yumuşak bir pazarlık kozu haline gelir. elleri.
Bu, büyük model üreticilerinin ve teknoloji şirketlerinin alışılagelmiş "teknoloji merkezli" ve "Sizi güçlendirmek/yıkmak için buradayım" düşüncesini değiştirmesini, hizmet farkındalığını artırmasını ve finansal müşterilere odaklanarak finansal müşterilerle işbirliği yapmasını gerektirir.
Finans alanında büyük ölçekli modellerin uygulanması hiçbir şekilde "sektörün teknolojik aksamasından" başka bir şey değildir ve olamaz. İster genel bir büyük model üreticisi ister bir ISV hizmet sağlayıcı entegratörü olsun, "önce müşteri" temelinde hareket etmeleri gerekir.
02 Soru 2: Entegrasyon neden zordur?
Eğer finans kurumları başrolde olsaydı, teknoloji şirketleri sıkı çalışmanın karşılığında sadece küçük bir ücret alabilen ve teknolojik yeniliklerini ortaya koyamayan "büyük model inşaat ekipleri" haline gelmez miydi?
Büyük hayır özel hayır.
**Öncelikle finansal yapay zeka yeni bir şey değil. **
Finansal kurumlar yapay zeka konusunda herkesin düşündüğü kadar cahil değil. Aslında tüm sektörler arasında finans alanı, "Yapay Zeka içeriği" açısından kesinlikle en üst sıralarda yer alıyor. Birkaç yıl önce Çin'deki bir 985 üniversitesinin Yapay Zeka Okulu dekanıyla röportaj yapmıştım, açıkça yapay zeka alanındaki öğrencilerin mezun olduktan sonra BAT'a veya start-up şirketlere değil, bilgi merkezlerine gittiklerini söyledi. China Merchants Bank gibi finansal kurumların altındaki teknoloji merkezleri, finansal yapay zekayla ilgileniyor.
Bu nedenle, finansal yapay zeka eğilimi aslında birkaç yıl önce önemli ölçüde gelişti. Bu nedenle büyük modellerin popülaritesi bu yıl yeni başladı. ICBC, Ping An, Çin Ziraat Bankası, China Merchants gibi çok sayıda yerli banka Bank ve CITIC Bank, GPT büyük modelleri için kendi özel araştırma ekibini hızla kurabilir. Bankanın zamanında harekete geçme yeteneği, son birkaç yılda yapay zekaya yapılan yatırım birikimine bağlı. Bu nedenle finansal kurumlara odaklanarak aynı zamanda iyi finansal modeller de oluşturuyoruz.
Büyük model bu "geleneksel yapay zeka"dan nasıl daha iyidir ve ne yapabilir? Bu tamamen boş yeni bir soru.
Teorik olarak, büyük modeller tüm bankacılık sektörü zincirinin tüm bağlantılarında çalışabilir ve LLM uygulama senaryoları her iş kolunda ve her zekada bulunabilir. Ancak gerçekte, tüm bağlantılar tam olarak uygulandığında büyük modelin işletmeye nasıl entegre edileceği açık değildir, bu da birçok keşfin başarısız olacağı ve boşa gideceği anlamına gelir.
Keşifleri hızlandırmak, maliyetleri azaltmak ve riskleri azaltmak için finansal kurumlar ve teknoloji şirketleri birlikte çalışmalı; finansal uzmanların, algoritma bilimcilerin, mühendislerin, test uzmanlarının vb. bir arada oturmasına, birlikte yavaş yavaş keşfetmesine ve senaryolara ilişkin derinlemesine içgörüler kazanmasına olanak sağlamalıdır. ve "talep açısından özgünlüğü korurken yalanları ortadan kaldırın".
Bir finans kurumundan sorumlu kişi, günümüzün finans sektörünün çok zengin bir akıllı uygulama yelpazesine sahip olduğunu açıkça söyledi.Bir yapay zeka şirketinin finansal ürün tanıtım kılavuzunu açarsanız, yüzlerce bölümlenmiş yeteneği görebilirsiniz, ancak en fazlasını nasıl seçeceğinizi görebilirsiniz. kendi kurumunuza entegre olmaya uygun olanı İş dünyasında bu süreçte çok fazla deneme yanılma olacaktır.
**Şu anda sektör, senaryoların büyük finansal modeller için optimize edilmesi gerektiği konusunda temel olarak fikir birliğine varmıştır. Birkaç anahtar kelime var: **
**2. Yüksek değer. **Sosyal ve ticari değeri olan alanları ilk keşfeden siz olun. Örneğin, kapsayıcı finans, şu anda hem hükümet hem de özel sektör tarafından değer verilen bir finansal hizmettir. Küçük, orta ve mikro işletmelerin finansal maliyetlerini kapsamlı bir şekilde azaltmak için hassas veri analizleri, daha düşük maliyet ve yüksek düzeyde erişilebilir hizmet yetenekleri gerektirir. tüccarlar. Bunlar arasında çok modlu ifade yetenekleri ve büyük modellerin güçlü anlama ve analiz yetenekleri çok iyi bir rol oynayabilir.
**3. Dağıtımı kolaydır. **Birçok finans uygulayıcısının büyük modelleri duyduğunda ilk tepkisi şu olur: Küçük modeller bunu yapabilir mi? Büyük modeller, donanım altyapısının bilgi işlem gücü ve istikrarı için daha yüksek gereksinimleri ortaya koyuyor. Finans kurumları, yerelleştirilmiş donanımın tanıtımını hızlandırıyor. Büyük modeller, her iş kolunda konuşlandırılıyor ve bu da performans baskısı, maliyet baskısı ve dağıtım baskısını beraberinde getiriyor. çok büyük. Bu nedenle, büyük model sıkıştırılıp optimize edildikten sonra veya aynı etkiye sahip küçük bir model, banka finansal ürünleri için öneriler üreten büyük model ve banka finansal ürünleri için araştırma asistanı görevi gören büyük model gibi iş senaryolarında uygulanabilir. Halihazırda kullanımda olan bu geleneksel yapay zeka için büyük model kullanılabilir. Modelin yükseltilmesi, aşırı bilgi işlem gücü maliyetlerini ve mühendislik iş yükünü artırmaz ve uygulanması daha kolay olan ilerici bir senaryodur.
Büyük model bir deri katmanı olduğundan ve asıl uygulama başka bir deri katmanı olduğundan, iki deri katmanının nasıl entegre edileceği ve hangi senaryolara öncelik verilmesi gerektiği, gidilmemiş bir yoldur. Ne finansal kurumlar ne de teknoloji şirketleri tek başına çalışamaz, ancak yakın işbirliği içinde çalışarak finansal senaryolar ve büyük modeller arasındaki en iyi entegrasyon yolunu bulabiliriz.
03 Soru 3: Neden bu kadar çok pranga var?
Büyük finansal modellerin hızla ilerleyebilmesi için bir senaryo bulmak, onu fethetmeye odaklanmak ve daha sonra onu büyük ölçekte kopyalamak mümkün mü?
Finansal kurumların “daha fazla insana, daha fazla paraya ve daha fazla teknolojiye” sahip olduğunu söylüyoruz ama bu sadece diğer sektörlerle göreceli bir durum. Gerçekte finans kurumlarının sınırsız bütçe ayırması, sınırsız insan gücü yatırımı yapması, büyük modellerin diledikleri gibi yeteneklerini gösterebilecekleri sınırsız senaryolar açmaları imkansızdır. Üstelik finansal alanda hâlâ çok sayıda küçük ve orta ölçekli banka ve menkul kıymet firması mevcut olup, bunların karşılayabileceği teknolojik yenilik maliyeti de sınırlıdır.
Bir banka uygulayıcısı AIGC'den bahsetti ve şunları söyledi: Rekabet yoğunlaşıyor, personel sınırlı, yetenekler eksik ve maliyetler kısıtlı.
**Finansın ve büyük modellerin "iki katmanlı derisinin", "satıcının şovu ve alıcının şovu"nun temel nedeninin prangalarla dans olduğu söylenebilir. **
**Örneğin bilgi işlem gücü sorunu. **Yerelleştirme ikamesi sürecinde, büyük finansal modellerin pahalı eğitim ve yüksek bilgi işlem gücü maliyetlerinin zincirlerini kırması gerekir; bu da model üreticilerinin donanım temeli, kendi kendine araştırma yetenekleri, ekolojik uyumluluk yetenekleri ve işbirliğine dayalı yazılımlar için kapsamlı bir test oluşturur. optimizasyon.
Şu anda Baidu'nun Kunlun'u, Alibaba'nın Yitian'ı, Huawei'nin Shengteng'i gibi önde gelen bulut sağlayıcıları kendi geliştirdikleri donanımların yanı sıra destekleyici yazılım ve ekosistemi geliştirmek için büyük çaba harcıyor.Bunlar olmadan büyük finansal modeli gerçekten kazanmak zor.
**Teknolojinin kendi sınırlamaları da vardır. **Açık konuşmak gerekirse, büyük model teknolojinin kendisinde, özellikle de finansal alanda uygulandığında hala birçok sorun var. Yanılsama sorununun çözülmesi gerekiyor. Titiz finansal işler için saçmalık kabul edilemez. Modelin kara kutu yapısı, yapay zekanın akıllı karar verme sürecini güvenilmez ve güvenilmez hale getirerek finansal yatırım danışmanlığı ve piyasa analizi kararlarında gerçek anlamda kullanılmasını imkansız hale getirecek.
**Ayrıca finansal kuruluşlar yatırım getirisi girdi-çıktı oranını da ölçecek. **Ancak finansal ortamda akıllı müşteri hizmetleri gibi büyük miktarda geleneksel yapay zeka biriktiğinden, herkes robotlardan ürün satış çağrıları ve fatura tahsilat çağrıları almış olabilir.
Bu nedenle büyük modellerin kullanıma sunulmasının ardından müşterilere ne kadar fayda getirebileceği, getiri/çıktı oranı yatırım getirisinin nasıl değerlendirileceği, büyük modellerin getirdiği iyileştirmelerin neler olduğu konusunda şu anda net bir ölçüm standardı bulunmuyor.
Büyük modellerin işe katkısının niceliksel olarak ölçülememesi, büyük model üreticileri arasında düzensiz rekabete veya müşteri ilişkileri rekabetine yol açacaktır.Bu aynı zamanda büyük finansal modellerin etkisizliğine ilişkin gizli bir endişe haline gelmiştir.
Bu süreçte "iki katmanlı deri" sorunuyla karşılaşan ilk büyük ölçekli finansal modeller, pek çok faydalı referans ve uygulama sağlayabilir ve finans kurumları, altın madenlerini keşfeden ilk büyük ölçekli altın arayıcıları grubu haline gelecektir. daha erken.