2024年10月29日下午，我院特邀汇丰实验室量子与人工智能方向的研发负责人朱兵博士，举办了主题为《生成式人工智能在中国银行业发展简述》的业界论坛，吸引了众多师生参与。
朱博士首先以诺贝尔奖获得者的研究与人工智能的关系作为引入，让我们认识到人工智能已经并将继续改变世界，并向我们介绍了人工智能自20世纪50年代起至今的发展历程，尽管经历了几次“AI寒冬”，但由于技术进步，特别是2012年后深度学习的突破，人工智能在图像识别、自然语言处理等领域取得了显著进展。朱博士从银行的角度出发，模拟一些小情景，提出AI在银行数据合成方面的潜力，能够帮助定制化服务，提升用户体验，是一件很有意义的事。
然后，朱博士讨论了中国和美国在人工智能领域的竞争和合作，特别强调了大模型的发展情况、专利与论文产出、市场参与公司以及数据优势。尽管美国在大模型和AI公司方面拥有更多资源和成果，中国也展现出了强大的竞争力，特别是在大模型的创业公司方面。接着朱博士聚焦于中国的情况，先通过三张图对大模型整体进行了分析，得出以下三点结论：数量方面，大模型的数量不断上升；模型类别方面，通用的模型占比降低，行业大模型占比上升；地域方面，北京和上海之类的大城市占比较大。同时，朱博士又为我们介绍了大模型发展的3个阶段，中国大模型的发展历程可以分为准备、响应和改革三个阶段。在准备阶段，复旦大学率先发布了国内第一个大模型，随后北京大学及其他公司也陆续加入。响应阶段，大公司开始加入竞赛，投入资源进行大模型的研发。改革阶段，大模型的发布变得普遍，头部公司通过积累算力和人才优势，继续领跑市场。整个过程反映了中国在大模型领域快速的发展和激烈的竞争。
接下来，朱博士为我们介绍了生成式人工智能在银行中的一些应用场景。在智能客服、个性化市场营销、投资建议和提升服务效率等方面，生成式人工智能在银行领域都能够发挥作用。目前来看，无论大小银行都或多或少在做各种各样的大模型的尝试。
接着，朱博士向我们介绍了大模型的监管方面。我国的大模型生态是相对封闭式的，主要对数据出进和算法方面有监管的要求。去年4月份，国家互联网信息办公室发布了《生成式人工智能服务管理办法（征求意见稿）》，最终明确规定了生成式人工智能提供方要为所提供的服务承担全部责任。
之后，朱博士从人工智能的发展和银行方面的实际相结合，讨论了大模型的发展方向，强调了多模态处理的重要性，包括文字、图像、音频和表格数据的处理能力。同时，提到了模型参数规模的不断扩大，从千亿级到万亿级，以及训练这些大模型面临的巨大技术挑战，如计算资源需求的增加。此外，还讨论了大模型在金融服务领域的应用潜力，特别是实时交互性的提升。从银行角度出发，朱博士讨论了银行如何利用技术和数字化转型以提高经济服务效率，并强调了风控在这一过程中的重要性。提出银行需适应互联网公司的技术热情，同时也应保持对传统金融服务的专注。探讨了大模型技术带来的风险，包括数据偏见、模型不透明性、可靠性问题以及隐私保护，强调了在使用新技术时需要解决的挑战。
最后，朱博士向我们总结了伴随着人工智能产生的一些风险，包括偏见、可解释性、产出依赖性、保密与隐私原则、幻觉问题、知识产权保护与侵权、恶意使用等，并向我们强调要有清醒的风险意识，这是成为一个合格的金融人的第一步。
在提问环节，同学们积极参与，就提示词在大模型中的作用、银行在大模型训练成本高的现状下，如何投入、怎样更好地让大模型避免幻觉问题等问题进行了深入探讨。朱博士结合自身的研究与经历，对同学们的问题一一进行了详细的解答。通过本次业界论坛，同学们对生成式人工智能及其在银行业的应用有了更加深入的了解。
供稿人：管奕恒
供图人：郑霖恺
