类ChatGPT给金融行业带来何种机遇与挑战？

“金融业和人工智能开展合作还有很大的应用空间，所以推动人工智能技术在金融领域，尤其是资产管理领域的创新应用，将成为上海金融中心、资管中心建设的重要支撑和未来重要的关键方向。”上海市地方金融监管局监管三处处长赵焕如是说。

18日，由上海资产管理协会、智能投研技术联盟主办，中国信息通信研究院云计算与大数据研究所、中国计算机学会上海分部联合主办的“大语言模型与资产管理论坛——基于类ChatGPT的大语言模型技术及其应用视角”在沪召开。

复旦大学计算机学院教授邱锡鹏表示，大型语言模型对人工智能技术具有“颠覆性”影响，大型语言模型将加速通用人工智能的实现。同时，大型语言模型将“引爆”数字经济，充分发挥数据和算力效能，并催生海量的商业新模式，包括社会治理、生物医药、智慧金融、医疗健康、智能教育等行业。

聚焦到金融领域，澜舟科技创始人兼CEO周明认为，“ChatGPT+金融”将助力金融服务创新场景。他从资源层、能力层、应用层以及业务场景进行分析并表示，类ChatGPT将在金融行业的智能运营、智能风控、智能投顾、智能营销、智能客服等多个场景产生影响。

周明以风控报告生成场景为例，以类ChatGPT为主体、结合现有NLP(神经语言程序学)、知识图谱等AI能力，基于“贷前尽调报告”“贷后风险排查报告”等各类报告模板，整合要素信息按照模板规则可自动生成风控报告。

作为金融和科技紧密结合的领域，资产管理前沿技术的应用，帮助机构高效了解市场趋势和变化。

中国人工智能学会荣誉副理事长、智能投研技术联盟主席杨强表示，大语言模型通过对历史数据和当前文本信息进行分析，可以预测市场趋势，识别潜在风险，为投资决策提供更为准确的参考；大语言模型扩充资产组合，风险控制技术维度，有效丰富风险控制的方法；大语言模型可以提供更好的客户服务，通过提供流畅的人机对话服务，进一步对交流记录和反馈信息分析，帮助理解客户需求偏好，提高客户满意度和忠诚度。

当然，类ChatGPT的大语言模型技术的落地应用也存在难点。招商银行人工智能实验室主任李金龙认为，类ChatGPT相关技术落地应用可能存在一定技术障碍。

他解释，合规性方面，模型生成的答复、版权归属尚未有明确的法律约束；模型可能会产生有偏差的信息，存在传播虚假信息的法律风险；模型训练所需的数据是否需要获得对应的授权尚不明确。技术性方面，大语言模型的能力得益于巨大的参数量，在训练、部署时资源消耗巨大，导致了其投入的不确定性；大模型训练完成后其知识与数据时间有关，更新知识成本巨大。

任何技术的应用都有一定的风险和挑战，杨强也表示，对于大语言模型来说，最大的风险就是数据安全，隐私保护，应用过程需要保证数据的安全和隐私，避免敏感信息的泄露。

中国计算机学会上海分部主席白硕总结，拥抱、探索、取舍是诸多金融机构对新技术的态度。“大模型走到目前阶段是了不起的成就，也提出了一些挑战。比如，指引投资方面，如果只有一个模型指引，那么金融行为就会千篇一律，千篇一律实际上就是失效的。这些是技术的挑战、是运营模式的挑战，也是基础设施建设的挑战。”

赵焕则强调，金融业和科技企业需要携手探究更深层次人工智能和大语言模型以及技术赋能资产管理领域的方法路径和应用。“当然我们也要同步研究技术所带来的风险和挑战，要及早谋划规范和监管它的政策举措。”

面向未来，上海市经信委信息化推进处副处长山栋明认为，大模型将是通用与领域的深度结合，深化模型即服务的新模式将有助于打造数据飞轮，为创造更高质量的语料提供可持续的来源。“让我们多一点期待，也许GPT是内容生成的最后一个模型，但就技术创新而言，Transformer也许并不会是模型结构的终点，未来的这种不确定性将是业界更大的机会。”