BB视讯

以下文章起源于金融科技钻研 ，作者金融科技50人论坛

导读：近期，由金融科技50人论坛结合BB视讯信息、高景立学共同推出的“2023数字金融公益直播课”第二期顺利开讲。本期嘉宾约请到光大信任信息技术部副总经理、数据中心总经理祝世虎，他别离从ChatGPT简述、ChatGPT的技术分析、ChatGPT的利用天堑、司法与合规以及在金融行业的利用瞻望四个方面，论述了“ChatGPT给金融机构带来的思虑”。

以下为实录内容：

一、ChatGPT简述

1、ChatGPT简述

ChatGPT是天然说话对话方式的谈天机械人，”Chat”指谈天，GPT是一种算法。ChatGPT蕴含文本、图画、自动问答、翻译和代码等职能。“2022岁暮以来，它迅快走红全球，全球客户突破3亿”充分注明产品评价取决于客户数。ChatGPT由OpenAI公司开发，微软为公司提供资金支持。目前国内与ChatGPT同类型的产品是百度研发的文心一言，已经推出测试版。网上有一位画家用ChatGPT绘造名为《有光有爱有远处》的画作，得到宽泛关注。我也尝试用ChatGPT撰写一封表彰信的盛开性作文，撰写成效极度好，这封表彰信放在职何一家银杏注信任公司都是能够通用的。

2、ChatGPT：从技术到客户的珠联璧合

诚然ChatGPT的技术极度好，但我觉着其成功更多是产品的成功，由于产品拥有易用、好用和实用的三个特点。易用方面，OpenAI公司斥巨资提供了便捷的API接口，使每幼我都能够方便地用手机、笔记本接入，为ChatGPT产品吸引了大量客户。好用方面，其成效远高于同类型的传统产品，让好多出于好奇的客户造成低级使用者。实用方面，学生能够用其写作业，法式员能够用其写代码，画师能够用其画画，这正是解决劳动力问题的处所。让人们慢慢地从低级使用者造成了坚定的使用者，这个过程好比客户旅程。因而，我以为易用、好用、实用所带来的客户旅程是ChatGPT成功的关键之一。

从技术和产品关系的角度分析，首先，我所经历的AI史上第一个里程碑AlaphaGo，固然其技术是很当先的，但是由于其产品设计使客户群体仅局限于围棋的垂直领域，难以形成ChatGPT这样受迎接的场景。技术好不是全面的，产品好才更沉要。其次，以二维码支付为例，此刻大部门人城市用二维码去支付，但是二维码技术推广同期有更先进的技术，好比门禁卡技术、芯片卡技术。二维码的成功并不是源于技术先进，而是产品成功，也是一连易用、好用、实用的路线。以金融机构的视角来看，第一，创新产品、数字化转型时肯定是业务引领，而不是科技引领；第二，转型和创新的成功肯定是业务的成功，而不是科技微风险的成功；第三，业务成功的关键肯定是产品的成功；第四，线上唯一能够调动客户行为的是产品设计。综上，ChatGPT带给金融机构的启迪是：路线业务引领，标志业务成功，主题是产品成功，产品调动客户。

3、OpenAI：工程师的桃花源

OpenAI成功的关键成分蕴含两方面，一方面在于其有300多名工程师，这些工程师自由散漫但梦想崇高，它能够忧心如焚地以工程师的思想扭转世界。“自由散漫”指的是当技术路线和治理路线产生矛盾时，工程师要站在技术角度进行弃取。“梦想崇高”指的是坚定自身技术路线。OpenAI公司300名工程师中，蕴含模型人员90人，系统人员15人、数据人员180人、ITBP人员15人。模型人员和ITBP人员的占比从侧面反映一家金融机构的数字化转型的水平。对于金融机构而言，模型人怨丶比越高，机构的自动化水平越智能；ITBP人怨丶比越高，机构的科技和数字化转型越切近业务。

另一方面，OpenAI将算力、专业化的数据处置全数表包。这对于金融机构在设置表包和自主研发天堑中拥有启迪：体现主题竞争力的处所肯定要自主研发，非主题竞争力的专业能力能够表包，好比算力、单一人为数据、人为标注等。

4、Microsoft：第三代的王者庆幸

微软重要实现了三代“王者庆幸”时刻。第一代“王者庆幸”是Office，它实现了文字的电子化，但是本地化的Office存在问题，当我们进行“CTRL+C”和“CTRL+V”拷贝粘贴时，仅限于这台电脑中的文字。第二代“王者庆幸”是搜索引擎，我们能够“CTRL+C”和“CTRL+V”拷贝粘贴所有互联网的文字，文字领域有所扩大。第二代半“王者庆幸”是搜索引擎变种即自动推荐，形成自动数据采集和搜索职能，相迸宗传统搜索越发智能。第三代“王者庆幸”是ChatGPT，其领域不再局限于汗青已有文字，而是能够组合形成新文字，读起来越发通情达理。

5、岗位之争：人与AI的天堑线

关于人和AI的天堑线到底在什么处所。第一，体力劳动肯定会被单一机械所取代，这是已经产生的；第二，沉复性劳动能被单一智能机械所取代，好比金融机构OA系统、RPA机械人等。此表，目前90%的人相信自动驾驶会实现。ChatGPT能够取代什么工作，有些人总结成单一的创造性工作，但是我感触这种说法是不适当的。第一，任何不必要深度感情互换的工作都可能会被AI所取代。以包饺子为例，机械包饺子早已实现且味路不错。但饺子是容易被注入感情的，机械无论若何也包不出妈妈的味路。固然机械有可能写出有感情的文章，但是机械不愿定可能理解感情。因而，抢走工作的不是AI，而是先把握AI的人。若何保障自己的工作不被AI所代替
？这必要我们在工作中贡献爱，用爱去工作，只有把爱心放到工作中，BB视讯工作就很难被取代。

第二，ChatGPT性质是出产力的跃升，这与汗青上的出产力提升是一样的，蒸汽机代替马车、电力代替蒸汽机。固然会在短功夫内对人类的就业结构产生冲击，但由于人力资源的稀缺性，中持久不会存在大规模失业，只是就业结构产生了变动。启迪就是，我们可能必要提前思考子女上学时什么专业不会被AI所取代，人与AI天堑线哲学概想将会深刻影响下一代的就业结构、思想观点等。传统上，我们以为人类劳动者分为体力劳动者和智力劳动者，从AI视角看，可能只存在碳基劳动者（体力劳动者、智力劳动中）和硅基劳动者，并且它可能以为碳基劳动者是为硅基劳动者服务的，这就必要哲学家们助我们分辨人与AI的天堑线，以及AI算法的人为智能伦理。

6、岗位之争：从社会主义的低级阶段的根基理论去理解

ChatGPT时期会颠覆好多事件，引起岗位变动。很难设想在医疗资源相对贫乏的非洲大陆上，昨天的一家网吧会在今天摇身一造成为互联网医院。但是此刻能够相信互联网技术的变动，无论是网吧还是医院，对于互联网、人为智能而言，无非是一个终端。在这种大刷新下，某些岗位会产生调换。

从社会主义低级阶段的根基理论来理解，社会主义低级阶段重要矛盾是人们日益增长的物质文化需要同落后的社会出产之间的矛盾。落后的社会出产指的是两点：人力资源稀缺和出产力。ChatGPT性质上是通过科技创新提逾越产效能，以更少人力去出产原来商品，让节约的人力进入新的行业，增长新的商品和服务供给。综合来看，ChatGPT只会短期内对人类的就业结机关成冲击，中持久并不会导致人类的大规模失业。

二、ChatGPT的技术分析

1、技术路线：工程师思想的成功

ChatGPT的成功是工程师思想的成功。第一，创建大脑。工程师思想中有一个“通用复用”的思想，即强调代码、部件在各个场所能够通用的，出产的发起机在工厂各个汽陈凤是通用的。在工程师眼中，创建大脑肯定是创建通用人为智能AGI大系统，系统中央有进建的大模型，靠大算力从大数据中进建人类的知识，从而形成AI智能。第二，从哪里学
？人类的知识存储在书本里、文字里、图画里、说话里。在工程师眼里，大模型要从人类说话中学，要成立大型说话模型LLM。工程师占有建模型的设法和硬件后，随着数据和算力越来越大，模型成效越来越好，这就是工程师们力大砖飞的思想。第三，怎么学
？关于技术路线的选择，其时NLP领域中存在着两类技术路线，第一类是深度进建模型，第二类是预训练模型。但深度进建模型已经遇到瓶颈，依附增长深度进建的模型层深来提高模型成效微乎其微，此时深度进建已经逐步被预训练模型所取代。预训练模型又存在了两个技术规划：Bert规划和GPT规划，大部门钻研者选择Bert规划，而大部门工程师选择GPT规划。Bert规划是双向的规划，即我对你措辞，你先听领略我说的话，再回覆我的问题。GPT规划是我措辞你只必要回覆，不用知路说了什么。这种一问一答的规划体现出工程师大路至简的思想。这种双向过程可能比直接回覆更难。我以为GPT路线在盛开式领域中的成功只是领域问题，在金融领域内，封关性Bert技术路线或许更有优势。第四，学成归来。通过一向地堆模型、堆数据，最终实现成功是智力涌现的过程。智力涌现涌现后便能够做产品。学成归来指的是厚积薄发以来形成产品成功，任何创新和数字化转型的成功，都应该是产品的成功。

2、智能涌现：人为智能的厚积薄发

人为智能在GPT上变动体现很显著，从2018年最初的GPT模型参数只有1.17亿，到2020年GPT-3模型参数达到1750亿，再到2022年产品化，其厚积薄发体此刻三个方面。第一，技术堆集。技术堆集现实上是不休试错的过程，解决的是理论推导和工程实际中的技术差距。不休试错就是技术的堆集，任何产品的成功都必要两个发现，一个是理论上科学家们在尝试室的发现；另一个是工程师们在现实利用中将科学家的发现低成本实现的过程。第二，知识堆集。GPT模型参数从1.17亿到1750亿的堆集，训练成本极其昂贵。据传闻，微软为其训练破费20~30亿美金。第三，理想堆集。在NLP领域中，已经深度进建模型逐步失效，GPT选取为自回归的技术路线，后来出现的Bert选取的是双向说话模型，并且其时Bert技术规划的成效远远优于GPT1的成效。直到GPT3的出现，其优势才显示出来，这就是工程师们对技术路线的厚积薄发。对于给金融机构的启迪是，并非谁的技术好就用谁的技术，应该用成本的思想去选择适合自己的技术。

有些资深专家以为GPT3的成功不仅是技术，并且是代表AI模型的发展理想。我是赞成这种概想的。我以为AI理想蕴含以下几个方面：一是对AGI架构思象的对峙；二是对LLM通往AGI路路的对峙；三是工程师们对将来“人与AI分工设想”的对峙。在人与AI共同写作文时，人与AI的分工到底是BERT技术路线还是GPT的技术路线。对于BERT和GPT之争，它们只是各有千秋，在盛开式领域GPT有天然优势，但在垂直场景与受控领域，只有对峙下去，BERT也会脱颖而出。

3、融合技术：多模态大模型

通用人为智能AGI的主题是与工作无关的大模型LLM，目前在天然说话有关领域有三风雅向：GPT合用于说话领域、Codex合用于代码领域、DALLE合用于图像领域。上述利用让ChatGPT成为多模态大模型，多模态大模型占有两种能力：一是寻找到分歧模态数据之间的对应关系，例如将一段文本和对应图片联系起来；二是实现分歧模态数据间的相互转化与天生，例如凭据一张图片天生对应的说话描述。这种技术路线的关键是，将分歧模态的原始数据映射到统一或类似语义空间傍边，从而实现分歧模态信号间的相互理解与对齐。

4、算法逻辑：ChatGPT写文章的逻辑

AI写作文会利用所有人的词汇量，其作文空间比每幼我的作文空间全且大。首先，必须把文字和图片向量化，能力输入到人为智能算法中。如果1页PPT图片为400×500的像素即2万个像素点，每个点用0~255的灰度值描述。在二维空间中，2万个像素点能够排成1张图。上升至2万维空间，这个图片相当于2万维空间中的1个点。如果作文空间2万维，AI写的作文就是2万维空间中的一个点。其次，词向量即在写一句话或做说话标注时，通过将说话的词汇标注出来，让电脑理解词之间的推算关系。当词组成句子后，要判断两个句子之间的距离。好比有两首古诗，“两个黄鹂鸣翠柳，一行白鹭上苍天”、“黄鹂百转趁红日，白鹭一行登碧霄”。我们可能理解这两首诗句是一个意思，推算机也能理解，由于推算机判断两首诗句中都有“白鹭”，“上”和“登”是一个意思，“苍天”和“碧霄”也是一个意思。如果诗句中的七个字代表七维空间，每个词汇代表七维空间分歧的点，两个点之间的距离肯定很近即向量很近。

AI作文通过类似人类说话来训练，突破了人类的词汇量和语法的限度。中国有句古诗说得好，叫做“文章本天成，高手偶得之”。在设想力之表还有巨大的作文空间。在互联网上AIGC的文字将会超过人类五千年产生的文字，产生的图画量很快就超过人类五千年产生的书画量。当AI产生的文字和书画的量变得远弘远于人类产生的文字和书画数量，真谛睬被谁节造
？我们要警惕真谛被数据节造，数据被本钱节造。这些真谛蕴含共识、宗教、意识状态。好比当今社会普遍的共识是以瘦为为美，但在唐朝可能以胖为美。

三、ChatGPT的利用天堑、司法与合规

第一，利用布衣化但建模贵族化。利用布衣化体此刻每幼我都能够通过手机接入API以使用ChatGPT。建模贵族化体此刻ChatGPT建模过程经历300名工程师、1750亿个参数、355块高级显卡以及长达1年的模型训练，这是极度大的亏损和资源投入。由于这种沉资源、沉投入的底层能力建设，我感触将来在AGI领域只有中国和美国拥有构建基础底层能力。

第二，AI出现“大而不能改”的景象，迫使人们适应AI。GPT有1750亿参数存储知识逻辑，其中逻辑关系、互有关系、进建过程等在技术上尚未齐全明确。参数批改重要靠昂贵的模型训练，这就容易出现“大而不能改”的缺点。进而产生“反直觉”的问题：到底是人去适应AI模型，还是AI模型适应人
？

第三，智能缺点。ChatGPT通过文本说话等训练模型，其智能类型仅仅是感知智能，而不是决策智能，更不是推算智能。具体来看，感知智能基于Bayes公式，决策智能基于先验概率，推算智能基于推算公式。智能缺点在于ChatGPT的使用天堑。例如在金融机构中，由于ChatGPT不是决策智能，会在风险决策过程中受限；此表其不是推算智能，在本钱计量方面会受限；作为说话领域的感知智能，它更多是以文字副手的身份嵌入与文本有关的工作中。

第四，技术缺点。ChatGPT拥有与传统人为智能技术类似的缺点，一是算法黑箱。由于算法模型的黑箱运作机造，其运行法规和因果逻辑不会不言而喻地出现给研发者。二是算法稳重性。算法运行时容易受到数据、模型、训练步骤等综合成分滋扰，出现非稳重性的特点，这有可能会出现针对性的病毒。三是算法歧视。算法以数据为原料，若是初始使用的数据存在私见，无形中会造成天生的内容存在私见或歧视，引发用户对于算法平正性的争议，这衷扃视重要来自于本钱绑架，体此刻训练样本数量上。

第五，数据安全缺点。多个环节存在合规问题，一是在幼我信息网络阶段，用户使用ChatGPT必要输入幼我数据，凭据《幼我信息；しā繁匾颗灿没Ы械ザ朗谌。二是在幼我数据的加工使用阶段，ChatGPT使用RLHF的训练步骤，用户使用过程中的输入和交互信息可能会用于持续选代训练，进一步被用于为其他用户提供服务，造成数据共享，这或许与用户最初使用主张相悖，凭据《幼我信息；しā繁匾没С列率谌。三是训练数据获取，ChatGPT抓取互联网上信息的过程可能存在合规问题。四是数据泄漏，用户在使用过程中输入幼我及企业有关的信息，可能导致公司敏感信息泄露。五是算法缺简导致数据主体行权难题，例如更改权、刷除权、接见权等行权难题。

此表，ChatGPT还可能存在3条司法红线。一是版权问题，ChatGPT撰写文章的版权归属问题。二是助信罪，利用ChatGPT撰写代码并用于黑产上，幼我和ChatGPT必要承担哪些责任。三是关于拒不推广信息安全治理使命罪，好比科技公司被监管所约谈整改，但是由于模型存在“大而不能改”的个性而难以实时批改和美满。

四、ChatGPT在金融行业的利用与瞻望

1、ChatGPT的直接利用

第一，ChatGPT的能力分为底层能力和利用能力。大公司应关注底层能力的建设，幼公司能够在垂直领域开发利用能力。

第二，ChatGPT与人机设备的整合。ChatGPT能力必要有载体去实现，如手机是现实社会和虚构社会中的载体，把人从现实社会拉到虚构社会中，是现实社会到虚构社会的入口。但当眼镜、耳机占有ChatGPT职能，会成为下一个虚构社会和现实社会的颠覆性入口。

第三，ChatGPT与现有APP的整合。安卓市场排名前20的APP根基上都能够和ChatGPT的职能相结合。

第四，ChatGPT在金融领域的利用。首先，ChatGPT无法扭转金融领域的运行法规，但能提升金融领域的现有智能。好比金融领域的RPA机械人和ChatGPT结合后造成智能RPA机械人；OA系统和ChatGPT结合造成智能OA系统。其次，智能客服，蕴含责任客服和非责任客服，责任客服更看好Bert规划，非责任客服更看好GPT规划。再次，ChatGPT是感知智能，而不是推算智能，它能够通过文字感知来解读司法文本和合规文本，通过案例进行风险感知、审计感知以及反洗钱案例感知。最后，在保险领域的利用快于在银行领域，相对银行单一的信贷产品，保险产品更复杂，叠加银行业的约束更多一些，我以为ChatGPT在保险业优先发力更相宜。

2、从业务角度看：扭转客户流量入口

从银行的角度来看，ChatGPT颠覆了什么
？银行必要必要客户，客户就是流量。互联网目前是“入口为王”和“内容为王”，ChatGPT可能会扭转这所有。如果ChatGPT的账号是这么设计：首先要注册一个Chat号，而后用底层账号登陆微信时，微信就成为智能微信；登录抖音时，抖音就成为了智能抖音，此时ChatGPT可能在必要的底层能力成为流量入口。从银行角度来看，我们要抓住可能会被ChatGPT扭转的流量和客户入口。

3、金融机构推动数据金融状态：资源化、资产化、身分化、市场化

将来，ChatGPT的发展出格是底层AI能力的发展，肯定靠数据发展。数据越多，模型训练越好。这体现数据资源化、资产化、身分化和市场化的过程。

首先，数据拥有三沉属性，资源属性、技术属性和金融属性，并且数据拥有有关性和正表部性。将100万的数据放在一路，可能产生“1+1＞2”的成效。其次，数据作为出产身分，它和地皮是分歧的。数据的价值不在数据自身，而是源于技术加工，数据的价值体现于数据产品的权利分配，但它受造于传统的知情赞成的授权模式，形成市场化有肯定的难题。对于数据自身，数据通过资源化将纪录进行标注，形成了数据资源，若是数据资源具备可节造、可获益、可量化三个属性，数据就由数据资源造成了数据资产。最后，数据资产形成数据身分必要三个前提：数据身分的过程必要其他出产身分的投入、数据身分能够赋能其他身分、数据身分能够催生新的出产方式。数据资产造成了数据身分后，就是数据身分的市场化。前一步数据本钱化由金融工作者实现。重要蹊径蕴含数据银杏注数据信陀注数据证券化、数据信贷融资四个方面。当金融人实现了数据本钱化后，可能会解决数据身分市场化的关键问题。

金融机构要参加人为智能治理中。第一是技术与内容并沉；第二是行业自律，伦理先行；第三是企业治理，即主体责任与社会责任相结合。

4、数据信任：数据与信任的美满结合

第一，数据身分化过程中的信任双层所有权架构优势，将数据所有权与名义所有权分离，这刚好与数据信任的双层所有权架构榫卯相扣。

第二，数据确权中的数据信任造杜着势。“数据二十条”持有权、加工使用权、经营权的分置机造与信任造度的委托人、受托人、受益人的造度铺排路同符合。

第三，数据流通中的数据信任风险隔离与信任造衡优势。数据信任造度产生的信赖造衡贯于风险隔离穿于数据全流通过程。

第四，数据身分收益分配中的数据信任的权利优势。数据身分市场化配置与按价值贡献的分配机造体现信任权利优势与市场化优势。

第五，数据身分治理中的数据信任服务优势。服务信任则具备将当局、企业、社会等多方主体，资金方、资产方、技术方、买卖商与买卖所等多方角色的撮合能力。

第六，数据跨境流动中的信任造度的国际通用性优势，信任造度的国际通用性。

5、从AI的视角看AI

第一，我以为AI鼓起堪比文艺回复，文艺回复破除了人类创造力的禁锢，实现了人类创造力“由0到1”，AI的回复使人类创造力“由1到100”。

第二，有一种思想为“万事皆模型”。以画家为例，任何一个画家的重要风格为其画风，画家的风格就是一个模型。模型任何一个参数的调整就会天生该画风的新画作。以毕加索的画风为模型，能够通过调整参数天生100幅毕加索的画。

第三，自进建AI。当算法会写算法，当机械人会出产自己时，这是多么恐怖的事件，必要解决人和AI伦理天堑线的问题。

第四，从AI视角来看，人类对AI的反映会以为硅基劳动力在取代碳基劳动力。值得思虑的是，人在利用AI扩大人的智能，还是AI在利用人展示智能。站在AI角度，人类对AI的反映能够分为两类，一类人是起头对AI敌对和不屑，随后发现成效很好便起头抵造和限度AI，最后发现限度不住而感应迷茫。另一类人对AI很敦睦，从起初的好奇、尝试，到逐步进建，最后学会使用AI并和AI共存。我更但愿我们是第二类人，这必要哲学家给提供领导，在明确与AI的天堑线后，立法、工程师、利用才拥有天堑和方向。