“大模型”不是新東西。

在這波大模型熱潮之前，工業(yè)界便已存在各種規(guī)模的模型。但由于工業(yè)領(lǐng)域大多涉及關(guān)鍵決策，實際應(yīng)用時較為慎重。

(資料圖片)

有了大模型的加持，工業(yè)界的人工智能應(yīng)用，迎來了全新的契機。但在這個群“模”亂舞的時代，大模型離工業(yè)界大規(guī)模應(yīng)用還有多遠？有哪些亟待突破的真正的核心技術(shù)？

帶著這些問題，我們希望借WAIC 2023 全球人工智能大會舉辦的機會，找到一家一線的工業(yè)界實踐者，探尋其中的答案。馬上消費金融進入了我們的視線。

據(jù)馬上消費金融副總經(jīng)理兼首席信息官（CIO）蔣寧介紹，馬上消費金融成立于2015年，目前約有3000名員工，其中2000+人是研發(fā)，而且大部分都是人工智能和大數(shù)據(jù)方向，堅持自主研發(fā)不外包，截至2023年6月底，1315件發(fā)明專利申請，已公開983件，消金行業(yè)占比52.9%，位居行業(yè)第一，妥妥的一家科技驅(qū)動的金融機構(gòu)。公司目前有10萬+個風險特征變量，100+個細分迭代模型，2000+個風險策略、決策及數(shù)據(jù)模型算法，實現(xiàn)了92.4%的智能客服分流率、100%的智能質(zhì)檢覆蓋率、98.6%的客戶綜合滿意度。

馬上消費金融副總經(jīng)理兼首席信息官?蔣寧

四大挑戰(zhàn)，拷問金融行業(yè)大模型應(yīng)用痛點

作為科技賦能業(yè)務(wù)的先行者，金融行業(yè)歷來是新技術(shù)應(yīng)用實踐的風向標。新技術(shù)在金融行業(yè)用得如何，一直備受關(guān)注。大模型當然也不例外。

在蔣寧看來，當前，金融行業(yè)大模型應(yīng)用面臨四個挑戰(zhàn)。

一是關(guān)鍵任務(wù)和動態(tài)適應(yīng)性。關(guān)鍵任務(wù)往往關(guān)系到生命或重大資產(chǎn)，比如自動駕駛、銀行存款，人工智能要做到100%的準確，并不容易。而生成式模型，目前與工業(yè)界的判別式模型相結(jié)合的化學反應(yīng)尚無明顯效果。同時，與AlphaGo的封閉系統(tǒng)不同，大模型要想做到越來越聰明，就要想辦法在開放的體系里讓群體力量貢獻給模型，讓盡量多的用戶參與反饋，形成生態(tài)。

二是個性化要求和隱私保護。摒棄千篇一律的教條式服務(wù)，做到千人千面，大模型在為用戶提供個性化體驗的同時，又能確保用戶隱私，這也是一個需要解決的問題。

三是群體智能與安全可控。一方面，中國的移動互聯(lián)網(wǎng)與PC互聯(lián)網(wǎng)是割裂的，導致可用數(shù)據(jù)有限；另一方面，行業(yè)領(lǐng)域的數(shù)據(jù)往往是封閉的，很難共享。如何設(shè)計一個跨行業(yè)、組織的數(shù)據(jù)共享、權(quán)益共享且安全可控的機制，同樣面臨巨大挑戰(zhàn)。

四是基礎(chǔ)設(shè)施能力。GPU、網(wǎng)絡(luò)、機房等基礎(chǔ)環(huán)境要針對大模型訓練、推理等方面的需求，做出相應(yīng)的改造，才能發(fā)揮最大的效能。這個挑戰(zhàn)有望最先得到解決。

三大技術(shù)，解碼金融行業(yè)大模型技術(shù)前進方向

針對上面的前三個挑戰(zhàn)，蔣寧給出了他所理解的大模型的三個真正核心的技術(shù)。

一是持續(xù)學習。這是大模型帶來的最大變革，是大模型成功與否的關(guān)鍵。不管是千模還是萬模，最核心的不是模型參數(shù)，而是大模型是否具備了生態(tài)能力，讓盡量多的人使用，變得越用越聰明，具備持續(xù)學習能力，并進行正向反饋。

二是魯棒性決策。在工業(yè)界，包括自動駕駛、醫(yī)療、金融等，雖然人工智能有99%是正確的，但只要有1%是錯誤的，在工業(yè)界就無法使用，因為它涉及到人命關(guān)天的重大決策。因此，要幫助大模型排除噪音、干擾，在突發(fā)、不可預期的情況下，保持決策的穩(wěn)定、安全合規(guī)。

三是組合式AI。工業(yè)界之前有很多模型，大模型出現(xiàn)后，利用大模型的泛化能力把工作拆解，使得生成式模型可以與原先工業(yè)界的判別式模型有效結(jié)合，讓兩種模型的優(yōu)勢各自能發(fā)揮更好的價值，實現(xiàn)自動化GPT。

“形成真正的工業(yè)界可落地的持續(xù)學習的、解決魯棒性的、組合式的新型AI系統(tǒng)，這是我們未來構(gòu)建可在工業(yè)界有效使用的大模型的方向。”蔣寧如是說。

三縱三橫，馬上消費金融的AI實踐

在蔣寧看來，馬上消費金融作為AI驅(qū)動的金融科技公司，要幫助解決金融行業(yè)的三個通用問題。

一是個性化的服務(wù)和極致用戶體驗。金融業(yè)務(wù)有高價值、低頻的特點，很難提供個性化的體驗。傳統(tǒng)的做法是分層打標簽，提供不同的產(chǎn)品，但標簽是動態(tài)變化的，因此如何自動化地決策為客戶提供自動化的體驗，就需要產(chǎn)品與眾不同。

二是高效的價值傳遞效率。雖然金融是技術(shù)密集型、數(shù)據(jù)密集型行業(yè)，但目前線下網(wǎng)點還是為數(shù)不少，因為人工智能尚不能做到不出錯，很多工作還要高度依賴人工操作。

三是合規(guī)安全的決策智能，這與魯棒性相關(guān)。

基于這三方面考慮，以及上萬臺的服務(wù)器，近千張的GPU卡，40PB的文字、聲音、圖片、視頻等形式的數(shù)據(jù)，馬上消費金融實現(xiàn)了算力、算法、數(shù)據(jù)以及場景的閉環(huán)，并由此打造了“三縱三橫”的AI戰(zhàn)略。

馬上消費金融的“三縱三橫”戰(zhàn)略

三縱

實時人機決策：解決工業(yè)界的魯棒性問題，讓人接手人工智能解決不了的1%的問題。多模態(tài)大模型：積累了海量的語言、文字、圖片等素材，并圍繞其進行了大量的訓練，形成了一套完整的多模態(tài)的資產(chǎn)。數(shù)據(jù)智能：構(gòu)建了2000+個模型，為2億多用戶自動化的營銷、風控等服務(wù)，這本身就是稀缺的場景和資源。

三橫

持續(xù)學習：確保做的事情不是一次性的，越用越聰明。模型控制：解決魯棒性、突發(fā)、不可預期的問題，讓模型有穩(wěn)定的輸出，自動化找到噪音，有效排處有害的違反社會道德的數(shù)據(jù)。組合式AI：多種模型組合應(yīng)用，解決問題。

目前，馬上消費金融的AI主要應(yīng)用在三大場景：一是金融智能對話，實現(xiàn)實時人機協(xié)作、持續(xù)學習、可信安全合規(guī)；二是金融數(shù)字人，通過大模型+組合式AI多模態(tài)能力，實現(xiàn)有溫度的數(shù)字人；三是金融服務(wù)的AI心里引擎，通過大模型的大腦與心理學的有機結(jié)合，實現(xiàn)有情感的人機體驗。

“垂直領(lǐng)域的判別式模型與生成式模型等多種模型組合，構(gòu)筑一個開放的持續(xù)學習、具備魯棒性、合規(guī)安全的體系，才是大模型的真正落地，而不是一個模型靠幾千億參數(shù)去落地。我們將為之而努力?！笔Y寧總結(jié)道。

關(guān)鍵詞：