和 CTO 们聊一聊，ChatGPT 真的能在金融圈「抢活」吗？
过去一周，ChatGPT 已然成为国内外横扫社交媒体的「顶流」。
作为史上用户增长最快的消费应用，ChatGPT 在问世之后的短短两个多月里书写了很多传奇故事——通过谷歌 L3 工程师入职测试、帮以色列总统写演讲稿、一面推动相关概念股暴涨，一面又使得数千家期刊宣布对其发布「禁令」……
值得注意的是，就在一个月前，《麻省理工科技评论》中国研究团队联合北大光华度小满金融科技实验室发布的《2023 年金融科技趋势展望》报告中，就曾「预言」了相关技术可能在 2023 年给行业带来的影响。
其中提到，生成式人工智能将成为新一代生产力工具，大模型更将成为数字经济时代智能信息处理的基础设施，而这些恰恰也是 ChatGPT 令全球科技巨头为之瞩目的原因。
眼下，ChatGPT 给全球用户带了最直观的感受和震撼式冲击，而在金融领域，它也给人们留下了更大的想象空间。但在天花乱坠表象之下，从金融行业实践的视角出发，在短期之内，它可以在哪些方面给客户带来直观的体验优化？而在长远来看，它又能否给金融业带来颠覆性的变革呢？
为此，我们和最关心技术发展并且与业务离得最近的人聊了聊。
作为 AI 领域长期的深耕者，度小满 CTO 许冬亮认为，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。
一、从「小模型」到「大模型」
在分析应用的可能性之前，我们还是有必要了解一下 ChatGPT 到底是什么？
ChatGPT 是由一家人工智能创业公司 Open AI 开发的自然语言处理工具。其中，GPT 是 Generative Pre-trained Transformer（生成型预训练变换模型）的缩写，可用于生成文章、代码、机器翻译、问答等各类内容。
要理解 ChatGPT 的「神通广大」，就要看到其背后庞大的训练参数量，以及市场对「大模型」开发的现实需求。
相比于此前应用更广泛的「小模型」，「大模型」的一个核心特征在于参数量呈指数级增长。
一个可以参考的数据是，2018 年 6 月 GPT-1 发布时，其参数量为不到 1.2 亿个，但在短短 8 个月后，2.0 版本的参数量已经攀升至 15 亿；到 2020 年 5 月 GPT-3 发布时，该指标已经达到 1750 亿，较二代训练参数增长超过 100 倍，是传统深度学习小模型参数量的至少一万倍以上。
正是在 GPT 系列语言大模型的加持以及增强人类反馈的奖励机制下，ChatGPT 的回答才更接近人类的思维，这表明自然语言处理技术在应用层面取得了很大的突破——不断向「认知智能」的阶段迈进，这也是当下人工智能发展最具挑战性的领域之一。
落脚到金融行业，海量的知识吸纳、更接近自然语言的交互能力以及人类无可比拟的学习能力显然极具吸引力。
许冬亮提到，大模型将变革在线对话交互的服务模式，颠覆现有的智能客服概念：现在 App 是用户使用产品的入口，未来互动交互则可能成为入口；根据意图生成文稿、图像、视频等也将够大幅降低机构的内容生产成本，提升营销效率。
确实，虽然眼下「人工智能客服」在金融行业取得了广泛应用，但客户的满意度依然亟待提升。《2021 年中国智能客服满意度调查报告》中显示，仅有 9.6% 的用户认为，智能客服问题解决能力高于人工客服。回答千篇一律 (59.1%)、重复循环操作 (50.6%)、答非所问 (47.3%) 等是用户智能客服使用中遇到的主要问题。
另一家金融科技公司相关负责人也提到，在去年底关注到 ChatGPT 推出之后，他们通过接入底层能力，开始为用户提供客服「助手」类服务，希望能够实现精准营销与智能服务的并行。
「随着对数据的解读能力的提升，新技术可以帮助我们发现原来发现不了的风险，提升金融风控效率；更长远来看，生成数据也将弥补金融数据稀缺问题」，许冬亮提到。
清华大学人工智能研究院常务副院长孙茂松则在前述报告中提出了更大胆的预测，「如果把各类金融大数据注进大模型去做经济形势的预测，与现有的主流经典分析方法论将会有质的区别，国际上如果因此出了一个诺贝尔经济学奖（将人工智能用于金融研究或预测），我一点都不感到惊奇，甚至是可期待的。」
二、大厂的「新基建」与新挑战
有些技术革新是一阵风，吹过就散，但显然 ChatGPT 是一阵浪，将持续推动产业革新。
安信证券指出，ChatGPT 正在掀起新一轮的产业浪潮，其在代码生成、纠正语法生成文本等方面表现出极强的能力，并凭借「对话式」搜索的强交互模式对现有的搜索引擎造成了较强的冲击，影响了现有战略布局。
短短几天内，谷歌内部拉响了红色警报，微软将 ChatGPT 整合入 Bing 搜索，拟重塑现有业务体系，而国内包括百度等在内的互联网巨头已经预告将推出相关产品。
新一轮的大厂「军备竞赛」已然正式开启。许冬亮认为，「未来，和云一样，它正在成为大厂的底层设施，在基础设施上必然会有很多垂直应用生长出来。」
在当下——许冬亮认为，大模型在通用型人工智能上表现出色，但在垂直场景的适配度仍然不足。
例如，当用户问「我的信用卡逾期了该怎么办」，ChatGPT 可以给出通用型的话术，但很难给出具体解决方案。这也是 ChatGPT 在最初的惊艳过后，被许多用户吐槽的一点。
另外一方面，金融行业是一个高度重视风险、把安全性放在第一位的行业。
事实上，在最近谷歌举行的发布会上，其所展示的聊天机器人 Bard 刚一亮相，就犯了错误——它在回答一个关于天文科普问题时，提供了错误的答案，以至于公司不得不快速撤下了相关演示的 YouTube 视频。
这在金融行业是绝对不被允许发生的致命失误，也暴露了 ChatGPT 以及相关技术服务所存在的短板和风险问题。
「ChatGPT 创作自由度高，但是它的自由度太大了，当解决真实场景中的任务时，会造成可控性不足」，许冬亮表示，「随着技术的突破，科技伦理治理上也要及时跟上才能规范技术的发展。」