近日，金融大模型發展論壇舉辦，馬上消費發布了國內首個零售金融大模型“天鏡”。在金融業數字化轉型的大背景下，人工智能大模型的發展是大勢所趨，目前我國金融業中人工智能大模型的發展尚處于起步階段。
那么，相對于通用大模型而言，金融大模型有何獨特性?又面臨著怎樣的挑戰?在大模型建設的過程中最重要的是什么?論壇上，譚建榮、倪光南、孫茂松和楊新民四位院士就何為人工智能、何為大數據及算力、存力建設等問題發表講話，中國信息研究院副總工程師王愛華就如何解決金融大模型安全可信的問題詳細闡述目前采取的具體措施。
算力建設為金融大模型未來發展核心
在關于人工智能的討論中，幾位院士都不約而同地提到了大數據算力的建設問題。譚建榮院士解釋道，常規的手段、常規的技術、常規的規矩難以處理的數據就是大數據，在模糊、隨機、混沌的情況下往往需要使用大數據。
“數據是人工智能發展的關鍵因素，數據存儲產業也將成為未來國家的戰略性產業，成為新的國際競爭高點”。倪光南院士進一步指出數據存儲市場的局勢，他指出，數據存儲目前是被高度壟斷的，“2022年三星、美光、海力士三家公司占據了DRAM(動態隨機存取內存)97%的市場份額”。
對此，倪光南院士就我國數據產業未來的發展方向給出三點建議：第一，均衡配置算力與存力，換言之，處理數據、存儲數據、傳輸數據三種能力缺一不可。第二，提高存力中先進存力的比重，適時啟動以固態硬盤SSD取代機械硬盤HDD的機械革命。第三，在我國數據產業基本具備國際競爭力的基礎上，借助雙循環迅速擴展規模，提升性價比和服務能力。
“大模型、大數據、大算力，三者缺一不可。”楊茂松院士指出，從2017年到2021年，算力的成本從1000美金降到5美金，成本降低的同時，算力在不斷增加，兩個因素相互交織著不斷演進。楊茂松預言，在未來，大語言模型還會向擬人化機器人、三維空間等領域發展，“這件事肯定會使得行業生態重新洗牌”。
安全可信成金融大模型的最大挑戰
馬上消費首席信息官蔣寧表示，在工業領域、金融領域，大模型應用還存在四個難題。首先，大模型和通用大模型的本質區別在于前者要做交易決策，而在決策中1%的誤差都有可能帶來金融風險，因此大模型就要做到“100%決策安全”，安全可信也就成為了金融大模型要解決的首要問題。
對于安全問題的考量不止于此，蔣寧指出，在金融行業中存在“數據孤島”，這會導致大模型無法形成生態，從而很難形成群體智能。群體智能的建立能權衡各方數據權益，使數據得到有效利用，并打造出行業模型。只有做到共享權益安全可靠，才能實現真正的競合。此外，在人工智能為客戶服務的過程中，也存在如何平衡個性化服務和個人隱私數據合規的問題。同時，金融大模型需要不斷優化底層基礎設施適應垂直領域、金融領域的發展。
具體到解決措施，楊新民院士介紹了大模型的三種技術方向：第一，基于運籌學思維解決復雜決策的高效果性、經濟性問題。通過參數調優的訓練速度、多輪對話任務的計算成本科學問題，推動大模型的產業應用;第二，發展雙系統，促進大模型的可控、可干預、可解釋;第三，推進多模態的防偽技術，保證大模型的安全性。
在人工智能可信治理方面，中國信息研究院副總工程師王愛華介紹了研究院推出的人工智能能力測評體系。目前該系列展開的工作涵蓋了各類人工智能測評的環境和數據集，并且已經在金融、互聯網、電信、能源等領域投入測評。
