多位院士點贊馬上消費天鏡大模型

“金融行業(yè)作為人工智能應用要求高、場景豐富，是大模型技術和算法突破的沃土。今天發(fā)布金融大模型，體現(xiàn)了你們在這方面的技術積累，我也十分期待你們在未來推動大模型應用在金融領域的探索和實踐，從而帶動和加速金融數(shù)字化和智能化的發(fā)展?！敝袊こ淘涸菏磕吖饽显?月28日金融大模型發(fā)展論壇暨馬上消費金融大模型發(fā)布會上如是表述。

【資料圖】

中國工程院院士倪光南在馬上消費大模型發(fā)布會上演講

本次論壇以“數(shù)智融合，渝見未來”為主題，云集了譚建榮、倪光南、孫茂松和楊新民四位院士及100多家金融機構，攜手馬上消費金融股份有限公司（下稱馬上消費），共同探討金融大模型的未來。

多位院士點贊馬上消費天鏡大模型

論壇上，馬上消費重磅發(fā)布了全國首個零售金融大模型——“天鏡”，寓意大模型是人類智慧的鏡像，推動金融機構高質(zhì)量發(fā)展?；诖?，中國信通院、重慶國家應用數(shù)學中心和馬上消費牽頭發(fā)起，阿里云、百行征信、北京火山引擎科技有限公司、中關村科金、畢馬威、復旦大學金融科技研究院、樸道征信、騰訊云、中國科學院自動化研究所等聯(lián)合倡議發(fā)起的“金融大模型可信安全驗證與聯(lián)合創(chuàng)新行動計劃”。

馬上消費發(fā)布首個零售金融大模型“天鏡”

譚建榮、孫茂松、楊新民等院士與馬上消費蔣寧共論金融大模型的可信、安全

“今年年初的ChatGPT非常直面，我們感覺到無所不能，但是坦誠講，在工業(yè)領域、金融領域，大模型還有四個關鍵的難題。”馬上消費首席信息官蔣寧開局就直面通用大模型和金融大模型的本質(zhì)區(qū)別。

他表示，大模型目前還面臨關鍵性任務和動態(tài)適應性、個性化要求和隱私保護、群體智能與安全可信和基礎設施的能力四大難題。他舉例表示生成大模型，最大的困難是滿腹經(jīng)綸，回答錯了他可以不承擔風險，比如自動駕駛，它的剎車、提速、轉(zhuǎn)彎、看燈，外界環(huán)境都在變化，對象車在變化，所以絕對不能出錯，1%的錯都會造成生命財產(chǎn)的損失，這就是金融大模型和傳統(tǒng)大模型最大的區(qū)別。生成式模型它不能做解釋，但是金融大模型最主要的模型叫做判別性，它需要做決策，交易決策。

拿馬上消費的風控來講，我們有將近2000個模型，20萬張表，每天都在變化，但環(huán)境不管如何發(fā)生變化，讓我們的模型錯一個，非常不容易，這就要做到可控、安全。這背后是因為馬上消費作為以科技驅(qū)動的頭部持牌消費金融機構，積累了1.79億的用戶，有超2000個模型，10萬+變量，近50PB的多模態(tài)、高質(zhì)量的數(shù)據(jù)等，通過在這些自身數(shù)據(jù)上做模型精調(diào)對齊訓練，同時再用推理加速技術實現(xiàn)模型可控，從而相比其他企業(yè)更懂金融。

馬上消費首席信息官蔣寧在金融大模型論壇上演講

這方面，也引發(fā)了與會院士和專家的共鳴。

關于安全的風險，中國工程院院士、浙江大學求是特聘教授譚建榮舉了個例子，北京老太太接到遠在美國孫子的視頻電話，圖像、聲音都是孫子的，結果卻被詐騙了，因此他說“人工智能時代，眼看的不一定是事實，大家要提高警惕?！倍R上消費能探索金融大模型，說明了是行業(yè)的領頭羊，有了數(shù)據(jù)和模型，才能從不確定的關系轉(zhuǎn)變?yōu)榇_定的關系，從變量中找出不變量。

中國工程院院士、浙江大學求是特聘教授譚建榮在馬上消費大模型發(fā)布會上演講

而應對AI風險方面，全國政協(xié)委員、國際系統(tǒng)與控制科學院院士、重慶國家應用數(shù)學中心主任楊新民院士表示，隨著大模型的開放開源，深度合成技術的非法使用存在加速積聚的風險。他特別提到了“與馬上消費率先在金融領域進行原創(chuàng)性探索”，包括加強深度防偽驗證系統(tǒng)，包括人臉識別及生物特征識別驗證系統(tǒng)的活體檢測、Deepfake偽造檢測、對抗攻擊與防御、深度學習可解釋性等。

全國政協(xié)委員、國際系統(tǒng)與控制科學院院士、重慶國家應用數(shù)學中心主任楊新民院士在馬上消費大模型發(fā)布會上發(fā)表演講

針對提升大模型應用的可信實踐，中國信息通信研究院副總工程師王愛華在致辭中表示“可信人工智能實踐的路徑逐步清晰。人工智能發(fā)揮作用越大，它對于安全可信的要求也是越高的。當從業(yè)者自身把安全和一些問題作為發(fā)展第一要務的時候，說明這個技術在整個領域會進行應用?！?/p>

中國信息通信研究院副總工程師王愛華在馬上消費大模型發(fā)布會上發(fā)表演講

三縱三橫 “天鏡”大模型四大核心應用場景亮相

在“天鏡”大模型發(fā)布會上，蔣寧表示，馬上消費已形成“三縱三橫”的大模型發(fā)展技術布局，并領航構建可信、合規(guī)、多模態(tài)、適配全域、泛化的金融大模型技術能力體系，聚焦行業(yè)領先的基礎語言特性能力、邏輯和推理能力、語義理解、生成與創(chuàng)作、金融領域能力、安全與合規(guī)能力等六大核心領域，進一步推動金融數(shù)字化轉(zhuǎn)型產(chǎn)生實質(zhì)性的飛躍。

所謂三縱，是指實時人機協(xié)作、多模態(tài)智能、數(shù)據(jù)決策智能，在數(shù)據(jù)領域?qū)崿F(xiàn)智能化，實現(xiàn)結構性數(shù)據(jù)判別式模型的綜合能力。三橫即是指持續(xù)學習、模型合規(guī)、組合式AI形成安全、合規(guī)、可信的魯棒性技術能力，確保讓模型越用越聰明，同時更穩(wěn)定、更安全可控。

他表示：“我們希望在任何情況下，它給客戶的回答，給所有的員工的回答是合規(guī)的，并且在任何不可預期的情況下它的結果是穩(wěn)定的，這來源于馬上今天幾千個模型，上萬個變量形成的模型?！?/p>

歐洲科學院外籍院士、清華大學人工智能研究院 常務副院長孫茂松非常認可蔣寧的人機協(xié)同觀點，他認為“大模型的基本定位還是智力勞動者的助手，它不會把一個行業(yè)整體取代。生成式人工智能的特點，它一定會出錯。因為通用大模型對文本語言比較重視，對數(shù)字其實不敏感，所以ChatGPT有時候經(jīng)常亂說，而金融數(shù)據(jù)很多都是結構化知識圖譜，所以大模型在金融領域有很多挑戰(zhàn)。馬上消費做了一個很好的示范作用，開了一個好頭?！?/p>

歐洲科學院外籍院士、清華大學人工智能研究院 常務副院長孫茂松在馬上消費大模型發(fā)布會上發(fā)表演講

基于三縱三橫，馬上消費人工智能研究院院長陸全圍繞引爆企業(yè)的數(shù)據(jù)潛能，打造全能數(shù)字員工這一核心，對天鏡大模型在匯集智慧、喚醒知識、眾創(chuàng)價值、數(shù)字分身四大應用場景進行了現(xiàn)場路演和解說：

匯集智慧方面，主要是應用在人工客服場景，通過大模型提煉萃取一線優(yōu)秀人工坐席客服經(jīng)驗，匯聚成群體智慧，從而擁有一對多服務客戶的能力，也可作為人工坐席的輔助角色，幫助推薦、優(yōu)化回答。據(jù)悉，該模型已運行近3個月，意圖理解準確率達91%，相較于傳統(tǒng)AI的68%有較大提升；客戶參與率61%，高于傳統(tǒng)模型43%的參與率，也高于人工坐席平均28%的水平；

馬上消費人工智能研究院院長陸全在金融大模型發(fā)展論壇介紹天鏡大模型

喚醒沉睡知識主要是高效解決了提取、利用非結構化文檔中的數(shù)據(jù)資料的痛點。例如，將企業(yè)招股書、財報、經(jīng)濟預測數(shù)據(jù)等文件上傳后，天鏡大模型可以深入解析金融領域?qū)I(yè)術語、同時查詢定位多個不同文檔、洞悉金融圖表隱含的信息和強大歸納總結能力；

眾創(chuàng)數(shù)據(jù)價值主要是為了降低使用數(shù)據(jù)的門檻。天鏡大模型SQL生成平臺不再需要代碼等專業(yè)指令，可直接向AI 說大白話，天鏡自動理解需求、展開檢索、生成答復，按照人的意思去完成數(shù)據(jù)挖掘的任務。當前，天鏡每日線上SQL生成數(shù)量650多次，線上SQL生成可執(zhí)行比例53.4%，SPIDER標準數(shù)據(jù)集EX得分75.2，線上使用者滿意反饋比例82.3%，表現(xiàn)領先行業(yè)。

數(shù)字人方面，陸全希望打造的“數(shù)字外表+智慧大腦+情感內(nèi)心”三合一數(shù)字人，擅理解，有溫度，懂心理的智能秘書，或不休不眠的智能“打工人”。他希望能讓每個員工都能輕松擁有自己的數(shù)字分身，上傳自己的資料并定制一些參數(shù)后，只需5分鐘的訓練數(shù)據(jù)就可以生成“另一個我”，隨時可以被喚起，成為人人都擁有的超級助手，代替員工完成大量工作。

論壇上，蔣寧表示馬上消費已經(jīng)在金融領域跑出了“馬上速度”，未來已來，馬上消費將持續(xù)拓展虛實共生，做可信開放的數(shù)字融合體。

據(jù)了解，本次論壇由重慶兩江新區(qū)管委會、重慶市科學技術局、重慶市經(jīng)濟和信息化委員會、重慶市人力資源和社會保障局、重慶市地方金融監(jiān)督管理局、重慶市大數(shù)據(jù)應用發(fā)展管理局、重慶市科學技術協(xié)會共同主辦，馬上消費、兩江產(chǎn)業(yè)集團承辦，北京中關村科金協(xié)辦。

本文源自：金融界資訊

關鍵詞：