>首页> IT >

天天热推荐:金融业如何看待ChatGPT:机构多观望,代替还很远

时间:2023-02-10 15:10:35       来源:钛媒体

引发全网轰动的ChatGPT究竟如何商业化落地,是目前行业关注的重点。


(资料图片)

聚焦在金融领域,已有一些机构开始初步实践。比如,财通证券李跃博团队采用聊天机器人ChatGPT撰写了一篇医美行业研究报告《ChatGPT实测:提高外在美,增强内在自信——医疗美容革命》。

在这份由ChatGPT独立撰写的研报中,对医美行业的定义、发展史、项目分类、产业链进行了详尽描述,阐述了全球医美市场发展动态、监管情况,介绍了当下轻医美的崛起、中国医美市场现状及相关法律法规、合规要求,盘点了全球医美行业主要参与者,甚至对疫情后中国和全球医美市场进行了预测。

ChatGPT的横空出世,在惊艳众人之余带来了一个更为现实的问题,在金融领域,其应用空间及场景的边界是什么、哪些猜想是可行的,哪些是不切实际的迷思?

机构多观望,“投研、投顾都还达不到要求”

虽然舆论热烈,但当真正谈论起ChatGPT在金融场景下的应用,包括银行、券商以及金融科技公司在内的多家机构均向App表示对此十分谨慎,对于后续业务中是否会使用ChatGPT无法确定。

多家机构表示,ChatGPT与其实际业务“关联不大”,这一技术要达到稳定输出、成熟商业化的境界,还有很长的路要走。

与文本内容相关的营销、宣传、投研投顾是多数受访者提到的值得期待的领域。

比如,招行信用卡已经基于ChatGPT撰写宣传稿件,写出了“生命的舞台上,我们都是基因的载体”、“如果说基因给我们的生命带来了基础,那亲情便是对生命的深刻赋予。它不由基因驱使,而是一种慷慨的选择”等诗意十足的文案。

投研方面,业内首份采用ChatGPT撰写的行业研究完成度颇高,但距离专业也还相去甚远。财通证券团队介绍,“ChatGPT在文字表意、标题撰写等方面均具有较高水平,但采用该种直接生成+翻译模式形成的报告仍具有以下问题:在标点和术语方面存在明显错误、无法得知引用数据来源及可靠性、部分复杂语句翻译后表意不清晰。”

智能客服是部分受访者看好的一大领域,有从业者表示,“智能客服、智能催收都是ChatGPT在金融上很好的落地点,比现在这种AB判断的智能语音要更贴近现实。”但也有一家城商行智能客服部门负责人向App表示,“目前营业的智慧客服功能已经比较完善,且银行客服强调规范化、制式化,ChatGPT不会对其带来变革式的影响。” 

恒生电子首席科学家白硕则向App表示,目前的ChatGPT主要呈现出了三大优势和一点不足,

1、语言文本质量实现了质的飞跃;

2、意图理解的能力巨大进步,尤其在多轮对话中的意图识别、意图生成能力很强。

白硕指出,ChatGPT生成的文本之所以具备逻辑性,是基于“思维链”技术。机器通过接受人类的指导训练,学会如何将零散的事件、观点和证据装配成缜密的叙述或论述,要在“论点-论据”这么大的颗粒度上实现现场组装,需要人类高强度的训练,排除很多不可能正确的路径和分支,这就是基于人类反馈的强化学习。

3、对于对话能力的掌控很强。ChatGPT非常强调AI与人类社会之间的科技伦理,刻意避免在对话中冒犯人类。

“几乎看不到ChatGPT涉及任何敏感话题。这一点完全靠端到端的训练是很难做到的。整个剔除过程更像是通过一个外挂的审查程序完成的。”白硕表示。

在白硕看来基于这三大优势,ChatGPT实现了远超Siri、小冰等的用户体验。

与此同时,白硕认为,问题求解能力的不足是ChatGPT最大的短板。正由于这一短板,白硕认为,“目前ChatGPT在投研、投顾、运维运营等方面的能力都还达不到要求。它不能只是一个供大家调戏的流量黑洞。要想在垂直领域落地此类技术,必须与专业化地解决垂直领域实际问题的能力相结合。”

离落地还有多远?

表面看,ChatGPT是一个具备聊天、咨询等能力的对话式机器人。但本质上,它是基于AI大模型而产生的应用。无论NLP学习范式如何变化,数据作为AI模型的“能源”,都是至关重要的。

因此,要想ChatGPT真正落地金融业,则需要其具备解决垂直领域实际问题的能力,而要想具备这一能力,则需要垂类数据的“喂养”。

白硕指出,ChatGPT采用的是端到端的生成式大模型框架,可以从海量高质量文本学习中得到超强理解能力,但这一技术框架限制了其在垂直领域任务的表现,仅靠其自身的问题求解能力无法解决做专业问题。

在他看来,要想解决这一问题,让这一技术在金融领域落地,需要先解决两个方面:

第一个是预训练问题:一方面是做加法,要用本领域的私有、专有数据对它进行增强样本的训练,补足通用模型在领域的短板,这可能会牵涉到大量的人力物力进行标注和陪练,这些人还得懂业务;另一方面是做减法,要把垂直领域里根本用不到的资源摘除,运维超大模型的成本极高。

第二个是专业应用系统的对接问题:需要考虑如何把专业性的应用系统,比如领域已经有的专业数据库、专业知识图谱和其他的资源,跟ChatGPT的意图理解能力、语言生成能力以及场景掌控能力进行对接。

一位金融云厂商相关负责人也向App表达了类似观点,一方面,金融机构对数据非常敏感,往往选择私有化部署,但目前ChatGPT的超大模型对于资源的压力极大,难以实现私有化部署。另一方面,超大模型在适配具体业务上比较困难,需要考虑效率和成本。

上述人士提到,ChatGPT近日开放了API接口,虽然目前功能比较单一应用并不方便,但其建立开放生态一定是必然趋势。

对于其未来发展,有从业者预判,在技术门槛下降后,将会出现垂类领域的ChatGPT,如风险、运营态势评估,专业分析等。有银行从业者向App表示,若是有成熟的ChatGPT,如果价格合理,也许会考虑购买相关服务,但目前还为时尚早。 

“从营销、客服、投研、投顾到低码研发、智能运维和业务运营,ChatGPT都对现有的模式有所冲击,至少是触动。但是道路还非常远。”白硕说到。(本文首发于APP,作者|蔡鹏程)

关键词: chatGPT