“马上消费”蒋宁：大模型在金融领域应用前景广阔

自从ChatGPT，AIGC问世以来、AI大模型在网上随着、金融、科技等行业迅速崛起，甚至掀起“百模大战”千模大战”等。作为数据的金融行业、技术密集型行业需要技术和数据的广泛深入应用。

近日，在2023世界人工智能大会(WAIC)的“AI商业落地论坛”上，蒋宁围绕“金融大模型—面向即时消费的数字金融创新实践”演讲，其中透露公司将于近期正式发布自主车型，公司已经开发了实时人机决策模型、多模态大模型、数据智能模型等，并在内部正式上线测试。

开发下一代人工智能技术，要有辩证思维。人工智能大模型正在成为一个赋能的行业、引领产业变革的关键力量，但仍然面临关键决策中的动态适应性、鲁棒性、合规性和可信度等核心问题。我们关注的不仅仅是大模型的几十亿参数，因为参数规模主要是计算能力和基础设施能力的竞争，蒋宁在大会上说。

据悉，“马上消费”更侧重于三个核心关键能力：一个是自主动态强化学习能力的大模型（AIGC RLHF），二是多模型组合的AI系统，三是多模态音视频实时人机结合的能力。目前，即时消费是基于独立金融模型和动态自适应强化学习技术、服务运营、数据决策等领域都实现了。

大模型在金融领域有着广阔的应用前景，不仅可以促进用户个性化服务体验的构建，还可以有效促进数字中国建设背景下金融领域的营销、运营等价值链效率，进一步扩大数据决策在风控领域的创新应用效果，助力金融行业数字化转型取得实质性飞跃。蒋宁表示。

蒋宁表示，大模型有三个关键技术，即强化学习和持续学习技术、鲁棒性技术、组合人工智能系统技术。首先，强化学习和持续学习技术非常重要强化学习和持续学习技术的核心不是几千亿个参数，而是基于开放环境设计了一个有价值的正反馈机制，让系统越来越聪明，实现持续的自我学习和成长。OpenAI的核心能力不仅仅是表面的ChatGPT模型参数，还有其幕后的强化学习机制和各种生态能力的构建。

目前各种国产大模型也面临一定的挑战。一方面，国内各种大模型还没有完成自适应生态系统的构建，还需要不断进步，加强学习能力；另一方面，鲁棒性技术也是大规模模型在关键决策领域的核心能力如何帮助消除噪音和干扰问题，在突发和不可预测的情况下尤为关键，实现关键决策的持续稳定合规和可信尤为重要。

从中长期来看，构建组合式AI系统是发展趋势只有将各垂直领域判别模型的可用性和专业性与生成型大模型的迁移学习和泛化能力强的特点有效结合起来，才能真正发挥大模型在行业中的泛化能力优势。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com