ChatGPT+金融：哪些场景能落地？| 系列研讨
ChatGPT，你玩儿过了吗？
ChatGPT是由人工智能研究实验室OpenAI 在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。同时也引起无数网友沉迷与ChatGPT聊天，成为大家讨论的火爆话题。
最近大家看到的一系列科技圈大事件，都与此有关：微软一边是大裁员，一边投资OpenAI100亿美元。美国媒体 Buzzfeed 宣布裁员，同时利用 ChatGPT 来代替员工来写稿，股价两天就翻了三倍。谷歌百度现在也是紧跟入场。
ChatGPT，究竟会如何落地，对行业会有哪些影响？本篇先底层抛开技术原理，以金融领域的落地为例展开探讨。
Part 1
秀肌肉与白话说局限
ChatGPT 究竟能干什么，有哪些功能，先来看看官网上自己公布的49种功能，这些组合尝试着玩儿，能有不少创意，但本质上，49种功能只是一个壳，本身是通用型语言模型的内核在 flexing muscles 秀肌肉。
比如文本生成方向，当前用 ChatGPT写出来的研报水平如下，框架和内容填充上很有亮点：
玩儿久了，对于一些开放式问题，如复杂逻辑推理、预测趋势等，ChatGPT往往给出“逻辑正确的空话”，尤其是涉及到领域内的知识，相当多都是胡诌，根本就不会。
ChatGPT的局限也很明显。
- 在知识层面， ChatGPT缺少知识驱动，难以突破常识问题理解瓶颈。本质上，ChatGPT是一个高级的纯数据驱动的统计模型。OpenAI对于知识的态度一向是：模型参数即知识。大白话解释就是，ChatGPT 其实真的不懂。
- 在数据层面， ChatGPT是一个从文本输入到文本输出的模型，这意味着它只能对文本进行建模，不能处理其他数据形式（如图像、音频等）。因此，ChatGPT无法在多模态动态应用场景中使用。大白话解释就是，ChatGPT只处理文本。
- 在可信性层面， ChatGPT仍然是一个黑盒模型，不仅计算过程不可解释，产出也不可信。ChatGPT具有初步的逻辑分析和规划能力，但是模型仍然缺乏可解释和溯源能力，无法支持复杂决策任务的可信计算。大白话解释就是，ChatGPT的结果，无法证明，也无法证伪，你不一定敢信。
- 在学习成本层面， 大模型的稳定训练并实现优异性能需要极高的计算成本和工程实现能力。初代GPT-3的学习耗费1200万美元，除OpenAI和DeepMind，几乎没有完整掌握技术栈的机构。大白话解释就是，ChatGPT太烧钱。
作为一个强大的工具，也要为自己规划一下发展路径，比如：
Part 2
金融领域落地：功能与场景
了解了功能和局限，我们再来看，ChatGPT 如何在场景中真正落地，以金融领域为例。两个方向的价值，降本增效，原本的流程，用机器可以自动化了，人力节省出来了；赋能营销，原先无法处理的数据以及难以触达的场景，机器可以做到。
ChatGPT当前较难直接落地应用，经过训练以及设计，能产生价值的部分，总结下来有以下几个点：
- 营销自动化， 尤其体现在内容创作的赋能，营销话术、广告投放等运营内容，以及简单运营流程的自动化。以后你看到的营销广告，可能都是机器人来主笔了。
- 数据处理与挖掘， 提高对底层数据的治理能力，体现在对非结构化数据的治理以及数据间关系的挖掘能力。企业内部的数据处理有了更好方式，这类脏活累活也可以交给机器。
- 文本生成， 可结合模板，快速生成特定文档，如投研报告，基金合同，财经资讯等。基础的可以靠模板来做的文档生成工作，交给机器吧。
- 辅助编程， 可将简单重复的代码交给ChatGPT，也可以作为业务人员上手初级编程的小助手 。
点击蓝字 关注我们