数字技术浪潮下的金融科技：大模型技术加速金融行业的智能化进程
近日，以ChatGPT为代表的生成式AI掀起一阵席卷全球的热潮。作为当下科技界最受关注的话题，ChatGPT、AI等前沿技术在引发公众广泛关注的同时，也引起了科技领域的全国人大代表、政协委员们的讨论。
“踢足球都是盘带、射门，但是要做到梅西那么好也不容易。”中国科技部部长王志刚5日在今年全国两会的首场“部长通道”上以踢足球为喻回应ChatGPT话题。他指出，ChatGPT之所以引起关注，在于它作为一个大模型，有效结合了大数据、大算力、强算法。它的计算方法有进步。同样一种原理，在于做得好不好。比如发动机，大家都能做出发动机，但质量是有不同的。
全国政协委员、中国科学院自动化研究所研究员赵晓光指出，我国此前没有大力发展通用大模型的研究，是因为目前还没找到很适合的应用场景。
“人工智能技术本身就要跟场景密切结合，这项技术给我们带来的启发就是未来如何跟场景更好地落地结合，如何培养更大的市场、挖掘更多的需求，通过满足用户的需求产生新应用，带来更多效益。”赵晓光称。
随着ChatGPT在海内外市场的“出圈”，其背后的大模型技术也逐渐走入人们的视野，各行各业纷纷对这一赛道进行布局。其中，金融科技也在以ChatGPT掀起的数字技术浪潮之下展开对大模型技术的积极探索。
依托理解式大模型技术 降低小微企业信贷风险
度小满CEO朱光认为，比ChatGPT更值得关注的是它背后的技术和技术趋势。他指出，类似GPT这样的大模型技术，是下一代AI技术较量的核心课题，有人干脆把它称为AI 2.0。它的出现，意味着所有围绕移动互联网、AI 1.0的竞争和竞争优势正在告一段落。大模型技术将重塑多个行业的工作方式和格局，其中最明显的，也许就是金融业。换言之，大模型技术正在重新定义金融科技（Fintech）。
金融行业是数字化、智能化的先行者，也是大模型技术落地的最佳领域。如果将大模型的能力放在金融行业中去处理原有的任务，会对很多工作产生颠覆性的影响。
朱光介绍，大模型可以分为理解式大模型和生成式大模型。理解式大模型优势在于数据洞察理解能力，可以用在智能推荐、风险管理、智能经营上，帮助金融机构大幅提升经营效率和风险管理决策能力。生成式人工智能可以自主地生成新的数据、图像、语音、文本等信息，成为理财师、保险经纪人等金融从业人员的得力助手，大幅提升服务效率和服务体验。
近期，百度基于文心大模型技术推出的生成式对话产品“文心一言”（ERNIE Bot）开放生态合作，深耕AI领域多年的度小满成为首家接入的金融科技公司。
据了解，度小满已经开展了一系列基于大模型的应用。以风险管理为例，度小满已经将大型语言模型LLM应用在互联网文本数据、征信报告的解读上，通过用文本数据构造的预训练模型以及AI算法，能够将征信报告解读出40万维的风险变量，更好地识别小微企业主的信贷风险。随着模型的迭代，大模型在智能风控上的潜力将进一步释放。
依托于百度人工智能技术，度小满已经将大型语言模型LLM应用于海量互联网文本数据、行为数据、征信报告的解读，将小微企业主的信贷风险降低了20%。
朱光指出，基于大模型技术，金融机构可以更好地理解和响应用户需求，让产品和用户需求更精准地匹配。在大模型的通用能力基础上，融合金融行业的知识和数据用于风险评估，有助于金融机构的风险决策，大幅提升风险稳定性；如果把各类金融大数据、不同行业的数据、宏观经济数据注入大模型，则可以进行有效的风险预警和预测，降低整个社会的金融风险。
生成式大模型将降低人工成本 重塑客户体验
“ChatGPT所依托的大模型的基底是语言生成模型和语义理解模型，它的语义生成空间非常大, 如果将它的能力放在金融行业中去处理原有的任务，性能和效果将会有显著的提升。”度小满CTO许冬亮称。
区别于理解式大模型，生成式大模型不仅能自主生成创造性的内容，如新的文本、语音、图像、数据等，同时基于人类反馈的强化学习，不断迭代和提升生成内容的质量。金融业是以客户为中心的服务行业，与生成式大模型结合，有着广阔的应用场景。
以客户和金融从业者为例，朱光列举了这类生成式大模型在两个不同应用场景下的职能。
对客户，生成式大模型可以是“永远在线的超级金融顾问”。超级金融顾问不代表某一家公司的产品和立场，非常中立地根据客户的需求、收入情况、身体情况等推荐适合的产品，不管是信贷产品，理财产品，还是保险产品，它都可以依托海量专业知识库，为客户提供24小时不间断的在线服务，和贴心的解决方案。更重要的是，它“永远在学习”，不断增进对客户的洞察理解，这种进化能力超越很多金融的从业者。
对从业者，生成式大模型可以是“全能业务助理”。基于大模型的业务助理不仅了解国内外的宏观政策、行业信息、产品信息，而且可以自动生成文章、报告，提供专业建议和方案辅助交流。通过这样的“全能助理”，理财师能更好地满足客户的个性化需求，大幅提升服务半径和服务质量。
生成式大模型还展现了一键生成文稿、图像、视频等广告创意内容的能力，应用于广告和营销领域，将大幅提升营销效率。当人们习惯了以上交互体验，金融行业的智能化进程将大大加快，AI 交互界面将成为行业的新入口，当前客户服务流程和客户体验会被重塑。
而ChatGPT所展现的语义理解能力，也是度小满在自然语言处理（NLP）领域重点投入的方向。2021年，在微软举办的MS MARCO 比赛中的文档排序任务中，度小满NLP团队排名第一并刷新纪录；团队研发的轩辕 (XuanYuan) 预训练模型也在CLUE分类任务中排名第一。
据了解，度小满自研的语音机器人可实现多轮复杂对话，无感率达到99%，即99%的用户不知道跟自己通话的其实是机器人，已经可以替代信贷业务中六成以上重复性工作，在很多金融机构的营销、催收工作中广泛应用，大幅度降低了人工成本，也具备一定的情绪识别能力。
积极布局大模型技术在金融领域的应用
今年的政府工作报告指出，要大力发展数字经济，加快传统产业和中小企业数字化转型，着力提升高端化、智能化、绿色化水平，提升常态化监管水平，支持平台经济发展。
“通用型认知智能技术突破很可能成为人工智能技术发展上最大的一次技术跃迁，显著加大人工智能对各行各业的赋能作用。”全国人大代表、科大讯飞董事长刘庆峰建议，国家要重视认知智能大模型研发，形成以领军企业为主体产学研合作的创新体系，加速跟进和追赶国际前沿水平。
朱光亦认为，大模型技术作为移动互联网之后最大的技术革新，从挑战性和影响力而言，堪比人工智能领域的“登月计划”，将影响未来至少二十年的发展效率和发展质量。
移动互联网时代，中国金融科技公司在移动支付、数字信贷等领域，取得了很多创新成果，大幅提升了金融数字化、智能化水平，在金融科技的全球竞争中占据领先地位。“能不能发展好大模型技术，决定了我们能否在下一代人工智能竞争中继续引领发展。”朱光称。
在金融行业，具有通用能力的大模型成为基础设施，中小银行应用人工智能技术的门槛将大幅降低，在数字化、智能化进程中有了“换道超车”的机会。由于在数字资源、科技能力、业务场景等方面的天然差距，中小银行与大银行相比，在数字化转型方面相对落后，且面临差距越拉越大的风险。在大模型时代，所有银行都可以便捷地用最先进的人工智能技术来解决各自的业务问题，不同规模的银行重新站在同一起跑线上，将大幅加快中小银行数字化、智能化进程。
在探索大模型技术在金融行业应用方面，度小满已经积极布局。基于文心一言的大模型技术基座，结合度小满业务场景积累的金融行业知识和数据进行交互式训练，我们希望能在金融行业发挥ChatGPT类人工智能技术的作用和价值，打造全新的智能客服、智能风控、智能交互服务。这些垂直应用不仅具备生成式人工智能（AI）、多模态语义理解等能力，而且适配金融行业高度重视风险、把安全性放在第一位的行业特点，做到高度稳定、自主可控。
朱光表示，金融科技是技术驱动的金融创新。大模型将对金融行业的智能化水平和数字化程度产生深刻影响，金融科技公司要抓住这次技术变革的机遇窗口，积极探索大模型技术的应用和发展，审慎应对其风险和挑战，助力金融业实现从数字化到智能化的跃升，夯实我国金融科技全球领先地位。
文/王雨晨
校对 柳宝庆