□记者 樊融杰

越来越多的人开始关注聊天机器人，尤其是在金融行业中的应用。许多人发现ChatGPT可以扮演多种角色：可以被设定为一个客服机器人，为客户提供24小时不间断的服务；也可以作为一个理财顾问机器人，为客户提供投资建议和风险评估；还可以作为一个交易机器人，自动执行客户下达的交易指令。

大语言模型重塑科技发展

在近期的一次公开活动中，中国工程院院士倪光南表示，随着语言大模型的兴起，生成式人工智能革命性地将人工智能推进到一个崭新阶段，对未来的人类生产生活方式都将产生深远影响。“数据是人工智能发展的关键要素，相应地，数据存储产业也将成为未来的基础性、战略性新兴产业，成为新的国际竞争高点。数据存储是数据的载体，与计算技术、网络技术共同构成数字产业发展的关键性基础设施，是现代科技强国的战略支撑。”倪光南说。

国际系统与控制科学院院士、重庆国家应用数学中心主任杨新民认为，大模型具有三种技术方向：第一，基于运筹学思维解决复杂决策的高效果性、经济性问题。通过参数调优的训练速度、多轮对话任务的计算成本科学问题，推动大模型的产业应用；第二，发展双系统，促进大模型的可控、可干预、可解释；第三，推进多模态的防伪技术，保证大模型的安全性。

金融大模型解决三方面难题

金融与科技共荣共生。金融是科技应用的重要场景，科技则驱动金融服务效率和服务模式的变革，从原来的纸质化、电子化、信息化到移动化、数字化，如今更迈向数智化。同时，金融与科技融合进化也将重塑金融业本身的生态和竞争格局。

伴随大模型的发展，金融大模型也在国内落地生根，包括度小满、马上消费等金融科技公司及金融机构，都在积极布局和研发金融大模型。

“金融大模型主要解决了三个方面的问题：一是预测问题，二是人机交互问题，三是帮助用户快速获取知识和决策。金融大模型能够代替人工对话，提供更高效的知识提取工作；同时，通过数据查询功能，帮助普通员工更好地利用数据和洞察力做出决策。此外，金融大模型还具备统一的语言接口，方便与其他模型进行指挥和调用。”马上消费人工智能研究院院长陆全在接受《中国银行保险报》记者采访时表示。

对于金融大模型未来是否会替代部分金融行业工种，陆全认为，金融大模型本质上是一个生成式模型，生成结果不可解释，因此需要人工干预才能得出最终结论；同时，金融大模型可以用于撰写报告、分析等任务，但不能完全代替人类完成所有工作。

“金融大模型还可以用于面向内部员工或外部客户的决策，如营销客服等。然而，尽管大模型在某些方面表现优异，但在金融领域的创新和发展上仍需更多的人才支持。”陆全认为。

应对风险与挑战

虽然金融大模型为金融业的发展带来新的机遇，但犹如其他金融科技一样，当金融机构使用技术提高业务和决策效率的同时，往往也会导致一些新的风险，进而造成损失。

当前大模型都是百万、千万、上亿的训练参数，难免会有一些杂质数据掺进去。陆全表示，数据本身质量参差不齐存在一定风险，大模型受限于这些数据，会因不能分辨真假，无法确定自身生产的内容，会带来事实性偏差“幻觉”。此外，金融大模型还无法解决一些关键数据的反向数据泄露防护问题，无法做到真正开源，行业数据没有形成真正意义上的竞合，这也是一大挑战。

杨新民认为，随着大模型的开放开源，深度合成技术的非法使用存在加速积聚的风险。

陆全认为，虽然大模型可以处理大量数据和复杂的情境，但它们仍然存在一定的局限性，如无法真正理解人类的思考和行为模式、缺乏情感共鸣等。因此，在实际应用中需要结合人类对话的特点进行优化，以提高用户体验。

同时，金融大模型带来的风险包括数据风险、合规监管风险和风险控制等。对此，金融业需要根据不同情况，加以调整。陆全表示，“首先，由于大模型的记忆能力强，但反应速度慢，所以在金融场景中需要加入一些辅助功能来应对风险。其次，不同机构的监管要求可能存在差异，因此金融模型的适应性也需要考虑。最后，虽然大模型可以处理大量数据和样本，但在处理某些特定问题时可能会出现不稳定或不一致的结果。”