(资料图)

“我们希望在任何情况下，金融大模型给客户、员工的回答是合规的，并且在任何不可预期的情况下，它的结果是稳定的。”在近日召开的金融大模型发布会上，马上消费金融首席信息官蒋宁多次提到，金融大模型的核心就是要可信、安全、合规。

当前，人工智能大模型的发展在全球都还处在初期阶段，在金融领域的探索也才刚刚起步，面对的困难和挑战依旧不少。蒋宁表示，市场广泛讨论的通用大模型如ChatGPT，是生成式大模型，它不能做解释，但金融大模型最主要的能力是判别性，它需要做交易决策。这是通用大模型和金融大模型的本质区别。

蒋宁指出，在工业领域、金融领域，大模型的产业应用还有四个关键难题。可控、安全、关键任务加动态适应性，是金融大模型要解决的首要关键问题。在金融领域，不管外部如何变化，大模型要做到运用新兴技术达到100%决策安全。

二是如何平衡个性化服务和个人隐私数据合规的问题。金融行业需要为用户提供个性化服务，这样的服务在使用个人数据时会涉及个人隐私数据保护问题。

三是如何让模型生成群体智能与安全可信问题。对于金融行业本身来讲，存在“数据孤岛”，这会让大模型无法形成生态，没有形成生态的模型很难形成群体智能。群体智能可以权衡各方数据权益，让各方数据成为正向反馈，有效利用数据，共建行业模型。只有做到共享权益安全可靠，才能实现真正意义上的竞合。

四是基础设施的能力挑战。金融大模型需要的运算架构不一样，要不断优化底层基础设施，以适应垂直领域、金融领域大模型的发展。

如何解决上面四个挑战？蒋宁认为，大模型有三个关键技术值得关注，分别是强化学习和持续学习技术、鲁棒性决策、组合式AI系统技术。

蒋宁详细解释道，大模型应该具备强化学习和持续学习技术，只有这样才能实现模型自我演化，越用越聪明。其次，鲁棒性决策是决定大模型在关键决策领域落地的核心能力，即保证金融大模型在任何场景下能够可信、安全，稳定的输出结果。

最后，大模型另一个关键技术是组合式AI系统技术。组合式AI系统技术可以有效结合各种垂直领域的判别式模型的可用性和专业性，以及具备生成式大模型的迁移学习和泛化能力强的特点。利用组合式AI的能力，可以构建新兴的金融大模型体系。

对于未来，蒋宁认为，大模型和场景融合是一个不断演进、探索的过程，全国首个零售金融大模型将聚焦行业领先的基础语言特性能力、逻辑和推理能力、语义理解、生成与创作、金融领域能力、安全与合规能力等六大核心领域，进一步推动金融数字化转型产生实质性的飞跃。