本报记者 付乐 冉学东 北京报道
今年以来，以AIGC大模型为代表的人工智能技术创新非常活跃。作为数字化的先行者，金融业自然成为了大模型落地的最佳领域之一。
8月28日，消费金融行业大模型出炉，马上消费金融在金融大模型发展论坛中发布“天镜”大模型，这也是国内首个零售金融大模型。
“通用大模型和金融大模型有本质区别，金融大模型需要做决策，要做到不管外部如何变化，达到100%决策安全。金融大模型的核心是要可信、安全、合规。”马上消费金融首席信息官蒋宁在会上表示。
此外，欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松也提到，金融大模型，通用大模型对文本、语言比较重视，但对数字不敏感，如何建设好金融行业大模型，这里面有很多挑战。
金融大模型挑战重重
在行业看来，通用大模型对于专业领域的适用性不佳。在实际情况下，会发现由于通用大语言模型缺乏特定领域知识和知识推演能力，往往无法实际完成许多专业的金融类任务。
通用大模型和企业应用之间，存在着巨大的鸿沟。改造和优化现有的通用大模型，形成真正在金融领域专业的大模型，才能让大语言模型技术更好地服务于金融行业。
金融大模型是机构在业务场景中积累的金融数据训练而来。相较于通用大模型，金融大模型表现出明显的金融领域特征，通常涵盖金融研报、政策、基金、银行、保险等各个方向的专业知识。如果把各类金融大数据、宏观经济数据注入大模型，就能进行风险预警和预测。
目前，在金融领域，大模型主要应用在智能客服、智能运营等领域，后续或将延伸至资本管理、公司治理、风险管理等。
谈到通用大模型和金融大模型的区别，蒋宁举例到，生成式大模型最大的问题在于“满腹经纶”，“回答错了不承担风险”。比如自动驾驶，它的刹车、提速、转弯、看灯，外界环境都在变化，对象车在变化，所以绝对不能出错，1%的错都会造成生命财产的损失。
金融大模型与自动驾驶的案例一脉相承，生成式大模型不能做解释，但是金融大模型最主要的能力叫做判别性，它需要做交易决策，这也是工业大模型、金融大模型与传统大模型最大的区别。
孙茂松也表示，大模型的基本定位还是智力劳动者的助手，它不会把一个行业整体取代。生成式人工智能的特点是它一定会出错。因为通用大模型对文本语言比较重视，对数字其实不敏感，所以ChatGPT有时候经常乱说，而金融数据很多都是结构化知识图谱，所以大模型在金融领域有很多挑战。
蒋宁认为，ChatGPT让大家感觉到无所不能，但目前工业、金融领域大模型还面临着关键性任务和动态适应性、个性化要求和隐私保护、群体智能与安全可信和基础设施的能力四大难题待解决。通用大模型的核心是生态，而不是参数，只有生态才能让这个模型越用越聪明。
他表示，希望在任何情况下，金融大模型给客户的回答，给所有的员工的回答是合规的，并且在任何不可预期的情况下，它的结果是稳定的。
国内首个零售金融大模型
谈到安全风险，中国工程院院士、浙江大学求是特聘教授谭建荣举例到，北京老太太接到远在美国的孙子打来的视频电话，图像、声音都是孙子的，结果却被诈骗了。“人工智能时代，眼看的不一定是事实，大家要提高警惕”。他说。
“人工智能发挥作用越大，它对于安全可信的要求也是越高的。”中国信息通信研究院副总工程师王爱华表示，当从业者自身把安全和一些问题作为发展第一要务的时候，说明这个技术在整个领域会进行应用。
为进一步降低金融风险，马上消费金融于近日发布了国内首个零售金融大模型“天镜”。据了解，目前，天镜大模型已有汇集智慧、唤醒沉睡知识、众创数据价值、数字分身四大核心应用场景，可为零售金融企业数字化转型赋能。
蒋宁解释到，通过在自身数据上做模型精调对齐训练，同时再用推理加速技术实现模型可控，天镜大模型相对通用大模型更懂金融。
例如，将企业招股书、财报、经济预测数据等文件上传后，金融垂类大模型可以深入解析金融领域专业术语、同时拥有查询定位多个不同文档、洞悉金融图表隐含的信息和归纳总结能力。
在人工客服场景中，通过大模型提炼萃取一线优秀人工坐席客服经验，汇聚成群体智慧，从而拥有一对多服务客户的能力，也可作为人工坐席的辅助角色，帮助推荐、优化回答。
金融大模型是机构在业务场景中积累的金融数据训练而来。相较于通用大模型，金融大模型表现出明显的金融领域特征，通常涵盖金融研报、政策、基金、银行、保险等各个方向的专业知识。如果把各类金融大数据、宏观经济数据注入大模型，就能进行风险预警和预测，进一步降低金融风险。
目前，在金融领域，大模型主要应用在智能客服、智能运营等领域，后续或将延伸至资本管理、公司治理、风险管理等。
责任编辑：孟俊莲 主编：张志伟
