金融大模型应具备三大关键核心能力

“近期，我们将正式发布自主大模型，与社会各界共享、共创更多有价值的探索。”在第六届世界人工智能大会上，马上消费金融股份有限公司（以下简称“马上消费”）副总经理兼首席技术官（CTO）蒋宁说。

　　蒋宁表示，金融行业是数据、技术密集型行业，具有数据规模大、数据类型多等特点，与大模型训练所需要的底层数据基础要求十分契合。“大模型在金融领域有广泛的应用前景，帮助推动构建用户个性化服务体验。在数字中国的建设背景下，大模型将有效提升金融领域营销、运营等价值链效率，进一步拓展数据决策在风控领域的创新应用效果，助力金融行业数字化转型产生实质性的飞跃。”

　　当前，人工智能大模型的发展在全球都还处在初期阶段，在金融领域的探索也刚刚起步，面对的困难和挑战依旧不少。蒋宁表示，金融领域探索大模型的困难和挑战主要体现在关键性任务和动态适应性、个性化要求和隐私保护、安全可控需求提升、大数据和基础设施能力挑战四个方面。

　　一是由于金融各项业务是动态且变化的，面对不可预期的外界环境和突发意外情况，当前的大模型并不能做到每一个决策都稳定、精确，这是金融机构在运用大模型等人工智能技术时存在的一个非常大的挑战。

　　二是金融行业希望利用人工智实现极致的用户体验，包括推出个性化、定制化的用户产品和服务，但这需要个人隐私数据和大模型相融合，涉及到合规和安全问题，需要行业不断探索破解之道。

　　三是金融行业一直存在的“数据孤岛”问题，跨行业、跨组织、跨机构的数据共享没有形成，数据共享体系建设需要持续探索。大模型要不断发展成熟，就必须构建一个巨大的增强学习或者强化学习的网络平台，金融机构在这个平台上持续贡献数据并实时反馈，促进平台不断升级和进化。

　　四是金融行业大模型应用对底层设备、基础架构等软硬件设施提出了更高的要求。现在的网络、服务器、芯片等软硬件设施需要不断迭代升级，以满足后摩尔时代高速增长的数据和算力要求。

　　如何迎接上述挑战？蒋宁认为，金融大模型有三个关键能力值得关注：强化学习和持续学习技术、鲁棒性决策、组合式AI系统技术。

　　首先，大模型具备强化学习和持续学习技术。OpenAI的核心能力不仅是表面的ChatGPT巨量模型参数，更在于其幕后的强化学习机制和各种生态能力的建设，通过不断使用让系统越用越聪明、越用越人性化。目前，国内的各种大模型还未完成自适的生态体系建设，学习能力仍需进一步强化。

　　其次，鲁棒性决策也是大模型在关键决策领域落地的核心能力，如何帮助排除噪音以及干扰性问题，在突发和不可预期情况下实现关键决策的持续稳定和合规可信尤其重要。

　　再次，大模型另一个关键能力是组合式AI系统技术。组合式AI系统技术可以有效结合各种垂直领域判别式模型的可用性和专业性，具备生成式大模型的迁移学习和泛化能力强的特点，可以在真正发挥大模型的泛化能力优势。

　　“得益于与客户广泛的交流和互动，我们已经为利用大模型技术训练人机协作、人机对话等建立了庞大的数据要素，为金融大模型实践奠定了基础。”蒋宁说，金融大模型落地要做到安全可控、个性化决策和体验、持续学习。据了解，目前，马上消费公司已经研发了实时人机决策模型、多模态大模型、数据智能模型等，并在内部上线测试。