亚洲中文字乱码免费播放,精品国产日韩专区欧美第一页,亚洲中文有码字幕青青,亚洲综合另类专区在线

          首頁 > 新聞 > 金融

          分享到微信

          打開微信,點(diǎn)擊底部的“發(fā)現(xiàn)”,
          使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。

          AI大模型落地遇冷,金融機(jī)構(gòu)加速探索技術(shù)路徑

          第一財經(jīng) 2025-03-10 22:26:37 聽新聞

          作者:陳君君    責(zé)編:林潔琛

          金融機(jī)構(gòu)競相接入大模型,但其應(yīng)用效果在金融領(lǐng)域并不理想,面臨效率瓶頸、技術(shù)局限和“幻覺”問題等挑戰(zhàn)。

          年初以來,隨著DeepSeek爆火,金融機(jī)構(gòu)競相開展大模型計劃。工商銀行近日宣布完成DeepSeek大模型私有化部署,“工銀智涌”體系已覆蓋信貸、風(fēng)控等20余個業(yè)務(wù)條線,落地場景超200個,成為大行AI轉(zhuǎn)型標(biāo)桿。截至3月10日,已有20余家銀行宣布接入Deepseek系列模型。目前,盡管金融機(jī)構(gòu)對大模型的熱情高漲,實際應(yīng)用效果卻并不如預(yù)期。

          一方面,大模型在金融領(lǐng)域的應(yīng)用效率并不理想,比如許多銀行在引入大模型后,發(fā)現(xiàn)生成的內(nèi)容需要大量人工干預(yù),甚至在一些關(guān)鍵業(yè)務(wù)上,AI的可靠性不如人工處理。另一方面,盡管DeepSeek的開源特性推動金融業(yè)的“技術(shù)普惠”,但金融機(jī)構(gòu)在應(yīng)用過程中仍面臨數(shù)據(jù)安全與合規(guī)的挑戰(zhàn)。

          業(yè)內(nèi)人士表示,盡管金融機(jī)構(gòu)對AI大模型的應(yīng)用充滿期待,但目前仍面臨效率瓶頸、技術(shù)局限以及“幻覺”問題等多重挑戰(zhàn),在提升效率的同時解決上述問題,成為金融行業(yè)亟待攻克的難題。

          高投入、低產(chǎn)出的瓶頸

          在采訪過程中,記者發(fā)現(xiàn),AI大模型在金融行業(yè)的應(yīng)用實際效果與預(yù)期仍有較大差距。

          某大行員工對記者表示,在實際工作中,AI系統(tǒng)生成的內(nèi)容常常需要大量人工干預(yù),在一些關(guān)鍵業(yè)務(wù)上,AI的表現(xiàn)還不如人工處理可靠。

          某股份行的科技部門負(fù)責(zé)人也表示,目前銀行的業(yè)務(wù)主線流程中,大模型的切入還比較有限,主要集中在所謂的“邊緣業(yè)務(wù)”。例如,智能報告系統(tǒng)雖然被視為一個亮點(diǎn),但目前仍需要通過人工干預(yù)來解決幻覺等問題,無法完全依賴AIGC實現(xiàn)全自動化解決業(yè)務(wù)痛點(diǎn)。

          比如,在輔助合同審核方面,盡管不少金融機(jī)構(gòu)已經(jīng)引入了AI大模型,但目前準(zhǔn)確性欠佳。許多銀行雖然優(yōu)化了柜面流程,但由于機(jī)器的準(zhǔn)確度不夠,人工還需要再檢查一遍,這并沒有達(dá)到省事的效果。一位銀行柜員對記者說:“機(jī)器審核的結(jié)果我們不敢完全信任,最后還是要靠人工復(fù)核,反而增加了工作量。”

          不僅如此,AI大模型在處理關(guān)鍵金融業(yè)務(wù)時的專業(yè)辨別能力仍存在不足。例如,在信貸審批領(lǐng)域,大模型可能無法準(zhǔn)確區(qū)分正常的貸款審批和潛在的貸款詐騙行為。

          記者還從多家證券機(jī)構(gòu)了解到,盡管一些金融大模型早已深入行業(yè)操作流程,但在文件報送、高頻交易等重要環(huán)節(jié),仍需依賴人工審核。一位證券機(jī)構(gòu)交易員表示:“之前可能兩個人做一個環(huán)節(jié),花上兩三個小時也就結(jié)束了,現(xiàn)在先讓大模型做,還要給關(guān)鍵詞、調(diào)整邏輯,最后還要核對一遍,前后花費(fèi)的時間和自己做差不多,甚至還要多。”

          此外,不少銀行員工還關(guān)心大模型在授信流程中的應(yīng)用。他們希望大模型能夠生成盡調(diào)報告,并將數(shù)據(jù)整理成表格,從而減輕人工負(fù)擔(dān)。然而,目前這一功能的實現(xiàn)也不太理想。一位股份行授信部門員工對記者說:“大模型生成的盡調(diào)報告內(nèi)容不完整,數(shù)據(jù)表格也經(jīng)常出錯,我們只能當(dāng)作參考,大部分工作還是要自己來。”

          AI大模型“高投入、低產(chǎn)出”也成為金融機(jī)構(gòu)面臨的挑戰(zhàn)。在成本方面,不少銀行科技部門引入大模型的投入巨大,無論是服務(wù)采買還是運(yùn)行所需的硬件資源,都是一筆不小的開支,但效益卻難以量化。一位大行科技部門員工向記者透露:“我們引入大模型后,硬件設(shè)備的投入增加了近30%,但實際業(yè)務(wù)效率提升并不明顯,這讓管理層對后續(xù)投入產(chǎn)生了疑慮。”

          某股份行員工還向記者透露,該行此前斥巨資打造AI系統(tǒng),但運(yùn)行結(jié)果不盡如人意。“我們投入了大量資源,但實際收益卻微乎其微。”該員工表示,這個系統(tǒng)一半的時間被用于演示PPT,另一半的時間則被用于修復(fù)系統(tǒng)漏洞。

          去“幻覺”的探索

          隨著人工智能技術(shù)在金融領(lǐng)域的廣泛應(yīng)用,AI大模型的“幻覺”問題逐漸成為行業(yè)關(guān)注的焦點(diǎn)。所謂“幻覺”,是指AI大模型生成的內(nèi)容與現(xiàn)實不符或缺乏依據(jù)的現(xiàn)象,這在金融領(lǐng)域可能導(dǎo)致嚴(yán)重的信息誤導(dǎo)和風(fēng)險。

          “大模型的幻覺現(xiàn)象主要由多個因素共同作用,其中訓(xùn)練數(shù)據(jù)的質(zhì)量、金融領(lǐng)域的復(fù)雜性以及模型架構(gòu)設(shè)計是關(guān)鍵影響因素。”數(shù)字經(jīng)濟(jì)學(xué)者、工信部信息通信經(jīng)濟(jì)專家委員會委員、DCCI互聯(lián)網(wǎng)研究院院長劉興亮對記者表示。

          北京國家金融科技認(rèn)證中心副總經(jīng)理李振指出,金融行業(yè)涉及復(fù)雜的金融工具、市場動態(tài)和專業(yè)術(shù)語,模型理解這些內(nèi)容的難度較大。一方面,訓(xùn)練數(shù)據(jù)的不準(zhǔn)確可能導(dǎo)致模型出現(xiàn)缺陷;另一方面,存在偏差的對齊數(shù)據(jù)可能使模型傾向于迎合用戶觀點(diǎn),而非依據(jù)客觀事實進(jìn)行判斷。

          華院計算蔡華博士對記者表示,自回歸文本生成方式由于缺乏外部知識驗證機(jī)制,容易出現(xiàn)幻覺問題。在處理長文本推理和復(fù)雜邏輯推理時,這種局限性尤為明顯。特別是在跨段落、跨文檔推理時,模型容易引入邏輯混亂或錯誤推斷,進(jìn)一步加大了幻覺出現(xiàn)的概率。

          為應(yīng)對這一挑戰(zhàn),金融機(jī)構(gòu)和科技企業(yè)正在積極探索解決方案。記者了解到,目前,金融領(lǐng)域的解決方案主要圍繞RAG(搜索增強(qiáng)生成)、高質(zhì)量指令參數(shù)數(shù)據(jù)集、結(jié)合格式化數(shù)據(jù)和計算能力進(jìn)行優(yōu)化。

          “RAG技術(shù)可以通過改變提示的方式,有效提高回答的準(zhǔn)確性。”華院計算董事長宣曉華對記者表示,大模型主要依賴歸納法進(jìn)行學(xué)習(xí)和生成,在微調(diào)階段,如果使用高質(zhì)量的數(shù)據(jù)集,且該數(shù)據(jù)集能夠全面覆蓋所屬領(lǐng)域的各個方面,那么大模型的可靠性也會得到顯著提升。

          大型金融機(jī)構(gòu)更傾向于采用RAG+搜索的方式,結(jié)合專業(yè)數(shù)據(jù)庫進(jìn)行金融數(shù)據(jù)庫的標(biāo)注和分析。某大型外資銀行科技部門人士對記者表示,數(shù)據(jù)是AI大模型的基礎(chǔ),質(zhì)量直接影響模型的準(zhǔn)確性和可靠性,采用RAG技術(shù),讓AI在回答問題時能夠?qū)崟r調(diào)用專業(yè)領(lǐng)域的知識和數(shù)據(jù),從而提高輸出的準(zhǔn)確性和可靠性。

          例如,在專業(yè)的保險領(lǐng)域,往往需要投入大量人力與時間,對海量的保險條款、PDF文檔及Excel數(shù)據(jù)進(jìn)行加工與標(biāo)簽化處理,確保數(shù)據(jù)的準(zhǔn)確性和可用性。上海燕道數(shù)科負(fù)責(zé)人婁道永對記者表示,保險大模型往往要通過積累海量數(shù)據(jù)并運(yùn)用精算技術(shù),將全國范圍內(nèi)的保險產(chǎn)品、社保規(guī)則及相關(guān)法律法規(guī)等信息進(jìn)行結(jié)構(gòu)化處理,涵蓋全行業(yè)壽險產(chǎn)品、社保規(guī)則以及養(yǎng)老、醫(yī)療等多維度數(shù)據(jù),這不僅需要強(qiáng)大的技術(shù)支持,更離不開專業(yè)精算團(tuán)隊的深度參與。

          定制化訓(xùn)練與場景優(yōu)化也是金融機(jī)構(gòu)在去“幻覺”化中常用的辦法。金融機(jī)構(gòu)通過定制化訓(xùn)練,針對特定業(yè)務(wù)場景優(yōu)化AI模型。例如,寧波銀行接入DeepSeek大模型后,通過業(yè)務(wù)人員的微調(diào)訓(xùn)練和專業(yè)語料庫支持,嘗試降低“幻覺”問題。富國基金則通過將大語言模型應(yīng)用于量化投資決策,利用情緒因子等技術(shù)提升業(yè)務(wù)效率。

          上海人工智能研究院算法專家陸文韜總結(jié),為了能有效避免AI大模型生成錯誤結(jié)果、產(chǎn)生“幻覺”,從技術(shù)實現(xiàn)角度應(yīng)該注意三個方面問題,一是確保訓(xùn)練數(shù)據(jù)的高質(zhì)量和多樣性至關(guān)重要,二是調(diào)整模型架構(gòu)與訓(xùn)練策略,三是完善實時監(jiān)控與反饋機(jī)制。

          除了RAG架構(gòu)之外,還可以采用多種方法來優(yōu)化模型性能。蔡華對記者表示,例如,強(qiáng)化學(xué)習(xí)優(yōu)化(RLHF),通過人類反饋提升輸出的真實性和專業(yè)性,減少錯誤。同時,是基于約束的生成,利用外部API校驗或規(guī)則模板約束,避免生成不符合事實的內(nèi)容。此外,結(jié)合Agent技術(shù),增強(qiáng)模型的工具調(diào)用和任務(wù)規(guī)劃能力,減少幻覺,提升在金融等領(lǐng)域的可靠性。

          對于場景優(yōu)化中保護(hù)行業(yè)核心技術(shù)和數(shù)據(jù)的問題,陸文韜提出,為保障金融科技領(lǐng)域的數(shù)據(jù)安全與合規(guī),行業(yè)可借鑒數(shù)據(jù)脫敏與加密、可信數(shù)據(jù)生態(tài)構(gòu)建、合規(guī)工具鏈完善等方法。例如,采用聯(lián)邦學(xué)習(xí)實現(xiàn)“數(shù)據(jù)可用不可見”,確保原始數(shù)據(jù)不外泄;利用區(qū)塊鏈技術(shù)進(jìn)行語料共享存證,實現(xiàn)數(shù)據(jù)確權(quán)與溯源等。

          舉報
          第一財經(jīng)廣告合作,請點(diǎn)擊這里
          此內(nèi)容為第一財經(jīng)原創(chuàng),著作權(quán)歸第一財經(jīng)所有。未經(jīng)第一財經(jīng)書面授權(quán),不得以任何方式加以使用,包括轉(zhuǎn)載、摘編、復(fù)制或建立鏡像。第一財經(jīng)保留追究侵權(quán)者法律責(zé)任的權(quán)利。
          如需獲得授權(quán)請聯(lián)系第一財經(jīng)版權(quán)部:banquan@yicai.com

          文章作者

          一財最熱
          點(diǎn)擊關(guān)閉