馬上消費(fèi)拆解首個(gè)零售金融通用大模型“天鏡”

歷經(jīng)了上半年激烈而又多元的大模型論戰(zhàn)之后，下半年的焦點(diǎn)終于到了“落地”層面。

通用大模型仍在含苞待放，垂直領(lǐng)域的專業(yè)大模型開始嶄露頭角。在金融領(lǐng)域，投研決策、數(shù)據(jù)分析、智能交互、場(chǎng)景聯(lián)通、風(fēng)控全流程強(qiáng)化等業(yè)務(wù)方向涌現(xiàn)出多個(gè)大模型，各類金融機(jī)構(gòu)與科技公司大顯身手，一同推動(dòng)了金融大模型的快速落地。

近日，馬上消費(fèi)金融股份有限公司（以下簡(jiǎn)稱“馬上消費(fèi)”）發(fā)布了其零售金融大模型——“天鏡”，馬上消費(fèi)首席信息官蔣寧對(duì)該大模型表達(dá)了這樣的期望：“我們希望在任何情況下，它給客戶的回答都是合規(guī)的，并且在任何不可預(yù)期的情況下它的結(jié)果是穩(wěn)定的?！?

這是零售金融領(lǐng)域首個(gè)大模型，它面向金融大模型的可信與安全兩大核心難題。馬上消費(fèi)躊躇滿志，在金融領(lǐng)域跑出“馬上速度”，底氣何在？

 01 

拆解天鏡：如何做好金融大模型？

金融大模型要走向?qū)嵱脤用?，必須完全滿足金融領(lǐng)域的特性。

安全是一切金融業(yè)務(wù)的發(fā)展核心。金融領(lǐng)域?qū)?shù)據(jù)精度與安全、風(fēng)險(xiǎn)控制、信息實(shí)時(shí)性要求較高，通用大模型在落地金融行業(yè)時(shí)，會(huì)面臨數(shù)據(jù)準(zhǔn)確性、金融常識(shí)、業(yè)務(wù)理解程度等層面的問題。

在這一特性的限制下，懂金融又懂科技的金融機(jī)構(gòu)與長期服務(wù)于金融機(jī)構(gòu)的科技公司，在金融大模型的發(fā)展與競(jìng)爭(zhēng)中具備一定的經(jīng)驗(yàn)優(yōu)勢(shì)，也將成為推動(dòng)金融大模型向前的主力軍。

同時(shí)，金融行業(yè)從業(yè)者對(duì)金融大模型的期待也極高。根據(jù)畢馬威發(fā)布的《2023中國金融科技企業(yè)首席洞察報(bào)告》，九成以上金融科技企業(yè)看好生成式人工智能（AIGC）金融應(yīng)用前景。金融業(yè)是典型的創(chuàng)新驅(qū)動(dòng)型和數(shù)據(jù)、技術(shù)密集型行業(yè)，在ChatGPT引爆AIGC技術(shù)應(yīng)用和金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型逐漸深化的當(dāng)下，金融業(yè)有望成為AIGC落地的“試驗(yàn)田”和“前沿陣地”。

在金融領(lǐng)域，大模型已成為兵家必爭(zhēng)之地。據(jù)不完全統(tǒng)計(jì)，當(dāng)前金融領(lǐng)域各類大模型已超過20個(gè)。

要推動(dòng)金融大模型的發(fā)展，其核心痛點(diǎn)是如何在數(shù)據(jù)融合應(yīng)用和安全保護(hù)間取得平衡。

圍繞這一痛點(diǎn)，馬上消費(fèi)“天鏡”大模型提供了四點(diǎn)思路。第一是要真正解決企業(yè)尤其是零售金融企業(yè)的核心痛點(diǎn)問題；第二是要基于團(tuán)隊(duì)合作的精神，讓大模型和已有的系統(tǒng)與模型融合，成為功能更強(qiáng)、解決問題更多的大模型；第三，在與業(yè)務(wù)結(jié)合的過程中要做到安全合規(guī)；第四，要主動(dòng)適應(yīng)現(xiàn)有的系統(tǒng)。

基于這種設(shè)計(jì)思路，蔣寧介紹，“天鏡”大模型問世后，仍面向人工智能的四個(gè)關(guān)鍵難題。

第一，關(guān)鍵性任務(wù)與動(dòng)態(tài)適應(yīng)性。一言以蔽之，大模型要在特定任務(wù)中，基于海量模型與分析能力，不管外界環(huán)境怎么變化，始終能保持決策準(zhǔn)確性。

第二，個(gè)性化要求和隱私保護(hù)。金融行業(yè)需要為用戶提供個(gè)性化服務(wù)，這樣的服務(wù)在使用個(gè)人數(shù)據(jù)時(shí)會(huì)涉及個(gè)人隱私數(shù)據(jù)保護(hù)問題。

第三，群體智能與安全可控。蔣寧認(rèn)為，美國大模型保持領(lǐng)先的其中一個(gè)因素在于已經(jīng)形成了完整生態(tài)，而中國暫時(shí)沒有形成完整生態(tài)，很難形成群體智慧。一面要積累群體數(shù)據(jù)，最終形成正向反饋，共建行業(yè)模型；另一面也要基于可信安全，對(duì)數(shù)據(jù)是否可共享做出明確區(qū)分，保證共享數(shù)據(jù)的安全可靠。

第四，基礎(chǔ)設(shè)施的能力挑戰(zhàn)。金融大模型需要的運(yùn)算架構(gòu)不一樣，要不斷優(yōu)化底層基礎(chǔ)設(shè)施，以適應(yīng)垂直領(lǐng)域、金融領(lǐng)域大模型的發(fā)展。

蔣寧提及三個(gè)思考方向：一是大模型的持續(xù)學(xué)習(xí)能力，實(shí)現(xiàn)越用越聰明；二是強(qiáng)化魯棒性決策，實(shí)現(xiàn)金融領(lǐng)域要求的100%合規(guī)與安全，保證金融大模型在任何場(chǎng)景下能夠?qū)崿F(xiàn)可信、安全、穩(wěn)定的輸出結(jié)果；三是組件式AI，要將金融大模型的自適應(yīng)能力、機(jī)器分辨能力、語言理解能力、聲音感知能力進(jìn)行整合，構(gòu)建新興的金融大模型體系。

蔣寧介紹，未來要用大模型將金融業(yè)務(wù)流全部優(yōu)化，提供個(gè)性化資訊生成、營銷助手、坐席輔助、智能質(zhì)檢、知識(shí)引擎等全方位服務(wù)，跑出金融領(lǐng)域的“馬上速度”。

 02 

金融大模型需要結(jié)構(gòu)化數(shù)據(jù)能力

要實(shí)現(xiàn)金融大模型的可信與安全，數(shù)據(jù)準(zhǔn)確性是核心。

歐洲科學(xué)院外籍院士、清華大學(xué)人工智能研究院常務(wù)副院長孫茂松認(rèn)為，通用大模型的落地是一大挑戰(zhàn)，需要痛苦、艱苦的智力勞動(dòng)才能達(dá)到預(yù)期的效果，但在數(shù)據(jù)層面并不敏感，比如ChatGPT經(jīng)常在數(shù)據(jù)上犯錯(cuò)。金融領(lǐng)域的數(shù)據(jù)都是結(jié)構(gòu)化的知識(shí)圖譜，怎么把結(jié)構(gòu)化的數(shù)據(jù)應(yīng)用到金融領(lǐng)域來，是構(gòu)建金融大模型的主要挑戰(zhàn)。

馬上消費(fèi)人工智能研究院院長陸全表示，結(jié)構(gòu)化數(shù)據(jù)是金融領(lǐng)域內(nèi)含金量最高，也是最為常見的數(shù)據(jù)，它的處理非常依賴于數(shù)據(jù)分析師的挖掘，這種依賴也會(huì)限制相關(guān)企業(yè)對(duì)結(jié)構(gòu)化數(shù)據(jù)的運(yùn)用價(jià)值，這是非常可惜的。

天鏡大模型的“出生”正是著力于引爆企業(yè)數(shù)據(jù)潛能，從而幫助企業(yè)打撈數(shù)據(jù)富礦。陸全介紹了“天鏡”大模型在匯集智慧、喚醒知識(shí)、眾創(chuàng)價(jià)值、數(shù)字分身的四大核心領(lǐng)域的探索。

匯集智慧主要集中在人工客服場(chǎng)景，天鏡大模型依托積累的大量績優(yōu)客服真實(shí)通話數(shù)據(jù)，匯聚成群體智慧，擁有一對(duì)多客戶服務(wù)的能力，也可作為人工坐席的輔助角色，幫助推薦、優(yōu)化回答、提高效率。在智能客服方面，天鏡意圖理解準(zhǔn)確率達(dá)91%，相較于傳統(tǒng)AI的68%有較大提升；客戶參與率61%，高于人工坐席平均28%的水平。

喚醒沉睡知識(shí)是天鏡大模型處理結(jié)構(gòu)化數(shù)據(jù)中隱藏的非結(jié)構(gòu)性數(shù)據(jù)的能力。例如，將企業(yè)招股書、財(cái)報(bào)、經(jīng)濟(jì)預(yù)測(cè)數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)上傳至“天鏡”大模型后，后者可以深入解析金融領(lǐng)域?qū)I(yè)術(shù)語、同時(shí)查詢定位多個(gè)不同文檔、洞悉金融圖表隱含的信息和強(qiáng)大歸納總結(jié)能力，充分釋放數(shù)據(jù)價(jià)值。

眾創(chuàng)數(shù)據(jù)價(jià)值降低了結(jié)構(gòu)化數(shù)據(jù)的使用門檻，天鏡大模型SQL生成平臺(tái)不再需要代碼等指令，可直接向AI 用大白話輸入問題，它自動(dòng)理解需求，展開檢索、生成答復(fù)。當(dāng)前，每日線上SQL生成數(shù)量650多次，線上SQL生成可執(zhí)行比例75%，SPIDER標(biāo)準(zhǔn)數(shù)據(jù)集EX得分75.2，線上使用者滿意反饋比例82.3%。

數(shù)字人方面則是打造員工的“智能秘書”。每個(gè)員工上傳一些參數(shù)可生成“數(shù)字員工”，稍加訓(xùn)練便可代替員工完成大量工作。

依托四大核心領(lǐng)域，“天鏡”大模型對(duì)零售金融領(lǐng)域帶來的意義非凡。

用戶服務(wù)層面，零售金融具有開放、智能和下沉三個(gè)主要特征，人工客服場(chǎng)景與數(shù)字人場(chǎng)景的相關(guān)功能大幅提升了金融機(jī)構(gòu)對(duì)零售用戶交互層面的深度與廣度，以此滿足不同圈層、不同區(qū)域、不同社會(huì)屬性的用戶需求。

員工層面，該大模型在可信、安全的前提下降低了員工使用門檻，又提供了更為強(qiáng)大的信息提取與總結(jié)歸納能力，增強(qiáng)了員工效率，降低了人力成本，盡可能地規(guī)避了“有多少人工，才有多少智能”的問題，為金融領(lǐng)域的大模型應(yīng)用提供了全新的發(fā)展方向。

蔣寧認(rèn)為，“天鏡”大模型同時(shí)也將對(duì)整個(gè)金融行業(yè)產(chǎn)生影響，包括個(gè)性化的服務(wù)和極致用戶體驗(yàn)、高效的價(jià)值傳遞效率、提供安全合規(guī)的決策。

 03 

創(chuàng)造“大模型生態(tài)”

大模型“群體智能”特性的存在，使得越早投入市場(chǎng)應(yīng)用，越能在未來的競(jìng)爭(zhēng)中占據(jù)功能完善、智能交互上的先機(jī)。

“天鏡”大模型發(fā)布會(huì)上，蔣寧表達(dá)了希冀：希望未來在垂直大模型領(lǐng)域成為行業(yè)第一，依托純線上數(shù)字化營銷、運(yùn)營、客服、貸后等行業(yè)應(yīng)用，找到關(guān)鍵的合作伙伴，為整個(gè)人工智能生態(tài)提供補(bǔ)充，以此讓大模型變得更加合規(guī)安全。

為了實(shí)現(xiàn)這一目標(biāo)，馬上消費(fèi)提出“三縱三橫”戰(zhàn)略。三縱是數(shù)據(jù)智能、多模態(tài)大模型、實(shí)時(shí)人機(jī)決策三個(gè)縱向場(chǎng)景做深做透；三橫是通過持續(xù)學(xué)習(xí)技術(shù)、模型合規(guī)、組合式 AI 系統(tǒng)技術(shù)形成安全、合規(guī)、可信的魯棒性決策能力。

實(shí)現(xiàn)“完善人工智能生態(tài)”的兩條路徑，是馬上消費(fèi)一面利用“天鏡”大模型的實(shí)際應(yīng)用，獲得更多用戶交互、智能業(yè)務(wù)層面的寶貴經(jīng)驗(yàn)，進(jìn)行敏捷迭代與模型進(jìn)化。另一面則將大模型轉(zhuǎn)變?yōu)橥瑯I(yè)科技輸出解決方案的一部分，提升自身定制化能力，也為更多中尾部機(jī)構(gòu)提供利于發(fā)展的大模型“底座”，成為數(shù)字化轉(zhuǎn)型過程中的有力推進(jìn)器。

這種C端內(nèi)部用戶與B端伙伴的齊頭并進(jìn)，也是大模型賦予金融領(lǐng)域的強(qiáng)大能力，更是金融領(lǐng)域依托科技能力向“專精特新”發(fā)展的有效路徑

來源 | 零壹智庫