7月2日，微眾媒體學院系列活動在北京舉行，本期活動以“大模型時代AI前沿與金融應(yīng)用”為主題，邀請瀾舟科技合伙人、聯(lián)席CEO李京梅，微眾銀行首席人工智能官楊強，微眾銀行人工智能首席科學家范力欣等多位行業(yè)專家學者與媒體記者分享趨勢洞察，探討AI技術(shù)前沿與金融落地實踐。

大模型和生成式人工智能的發(fā)展進入快車道

近年來，以大模型為代表的AI技術(shù)進入發(fā)展快車道，成為當下最受大眾矚目的熱點話題。伴隨大模型技術(shù)的飛速發(fā)展，全球人工智能技術(shù)發(fā)展和應(yīng)用迭代速度都得到了極大提升，大模型技術(shù)也被認為是通用人工智能技術(shù)的核心引擎。

工信部發(fā)布的數(shù)據(jù)顯示，截至2023年6月，我國人工智能核心產(chǎn)業(yè)規(guī)模已經(jīng)達到5000億，人工智能企業(yè)數(shù)量超過4400家。

瀾舟科技合伙人、聯(lián)席CEO李京梅表示，“近年來人工智能逐步演進，從只能做單個任務(wù)的專用模型的AI 1.0時代，到一個通用模型做廣泛任務(wù)的AI 2.0時代，最終走向通用人工智能（AGI）。人工智能也從感知智能走向認知智能，再到生成智能及決策智能。”她指出，隨著AI能力越來越強，其開發(fā)和使用越來越簡單，結(jié)果也越來越可控。同時，AI產(chǎn)業(yè)具備廣闊潛力，大模型的產(chǎn)業(yè)落地應(yīng)用才剛剛開始，隨著各個領(lǐng)域的產(chǎn)業(yè)升級對人工智能的需求不斷增強，未來的滲透率還將進一步增加。

李京梅在微眾媒體學院發(fā)表演講

在業(yè)內(nèi)專家看來，大模型技術(shù)在發(fā)展應(yīng)用中顯現(xiàn)三大挑戰(zhàn)：一是從算力角度，大模型的訓(xùn)練過程中需要龐大的硬件算力資源支撐，大模型參數(shù)規(guī)模呈持續(xù)擴張趨勢，對算力提出了更高要求；二是從算法角度，大模型生成內(nèi)容可能存在安全風險，同時廣泛存在隱形偏見的可能性；三從數(shù)據(jù)角度，近年來各項法律法規(guī)對私域數(shù)據(jù)的使用有“數(shù)據(jù)可用不可見”的要求，在醫(yī)療、金融等行業(yè)都存在海量自治的高質(zhì)量數(shù)據(jù)，但受限于隱私無法共享利用。

微眾銀行積極探索AI技術(shù)的金融落地應(yīng)用

在大模型的實踐應(yīng)用中，金融行業(yè)由于具備數(shù)字化程度高、商業(yè)化應(yīng)用場景潛在價值高等優(yōu)勢，成為了AI大模型落地應(yīng)用的最佳場景之一。作為一家全球領(lǐng)先的數(shù)字銀行，微眾銀行積極探索將大模型等人工智能前沿技術(shù)應(yīng)用于金融領(lǐng)域的多樣化可能性，同時堅持“審慎發(fā)展”的原則，關(guān)注數(shù)據(jù)安全與隱私保護。以業(yè)界領(lǐng)先的隱私計算聯(lián)邦學習技術(shù)為特色，微眾銀行構(gòu)建起能夠支撐和服務(wù)金融業(yè)務(wù)的場景化生成式AI Agent Store（人工智能業(yè)務(wù)助理矩陣）。

微眾銀行首席人工智能官楊強在分享時表示，大模型的應(yīng)用落地涉及數(shù)據(jù)管理、算法優(yōu)化、系統(tǒng)設(shè)計和成本控制等多方面的綜合挑戰(zhàn)，需要持續(xù)的技術(shù)創(chuàng)新和策略調(diào)整，以推動AI技術(shù)更加成熟、高效地服務(wù)于社會各個領(lǐng)域。他進一步指出，“AI Agent（人工智能業(yè)務(wù)助理）是大模型面向應(yīng)用端發(fā)展的下一階段，其基于大模型的通用能力，并結(jié)合相關(guān)領(lǐng)域知識適應(yīng)不同場景需求。”

楊強在微眾媒體學院發(fā)表演講

據(jù)了解，在業(yè)務(wù)實踐中，微眾銀行自研的生成式AI技術(shù)能夠有效解決大模型幻覺（大模型在生成內(nèi)容時產(chǎn)生錯誤或誤導(dǎo)性結(jié)果）等技術(shù)難點，滿足監(jiān)管合規(guī)要求，已深度應(yīng)用于客服、營銷、質(zhì)檢、反欺詐、科技金融等核心業(yè)務(wù)場景，覆蓋金融服務(wù)“前-中-后臺”各個環(huán)節(jié)，提升金融服務(wù)的質(zhì)效。

具體而言，在客戶服務(wù)環(huán)節(jié)，微眾銀行通過客服Agent輔助坐席，不斷提升24小時線上客服的分析和理解能力，讓多輪對話更流暢自然；在營銷環(huán)節(jié)，通過生成式大模型快速生成“千人千面”的海量營銷素材，并通過聯(lián)邦學習等技術(shù)更精準地找到需要金融服務(wù)的個人和小微企業(yè)群體；在風控環(huán)節(jié)，微眾銀行將人臉識別、聲紋識別等AI技術(shù)應(yīng)用在開戶、授信、放款等金融服務(wù)多個環(huán)節(jié)，有效甄別欺詐行為，提升銀行風控能力；在知識產(chǎn)權(quán)保護與創(chuàng)新方面，基于生成式AI與專利大模型打造的專利系統(tǒng)，幫助降低專利撰寫難度，提高專利申請效率。

談及聯(lián)邦大模型與前沿探索時，微眾銀行人工智能首席科學家范力欣提出，聯(lián)邦學習作為一種先進的分布式機器學習范式，允許參與方在不直接共享原始數(shù)據(jù)的情況下協(xié)作訓(xùn)練模型，為解決大模型應(yīng)用落地的技術(shù)難題提供了創(chuàng)新路徑。聯(lián)邦大模型技術(shù)路線通過其獨特的設(shè)計，不僅解決了數(shù)據(jù)時效性、模型幻覺、專業(yè)知識融合及算力資源消耗等挑戰(zhàn)，而且在保護數(shù)據(jù)隱私和促進AI技術(shù)公平性方面邁出了重要一步，為大模型在各領(lǐng)域的廣泛應(yīng)用開辟了新的可能。

范力欣在微眾媒體學院發(fā)表演講

目前，微眾銀行已經(jīng)在聯(lián)邦大模型領(lǐng)域進行了諸多研究與探索，將最新研究成果陸續(xù)開源發(fā)布于聯(lián)邦大模型開源框架FATE-LLM，推動前沿技術(shù)落地應(yīng)用與普惠，并在多個國際頂級學術(shù)會議中發(fā)布了相關(guān)論文，促進前沿學術(shù)研究與交流。