度小滿，讓“推理大模型”走向金融核心業(yè)務(wù)

最近一段時(shí)間，AI領(lǐng)域被談及最多的關(guān)鍵詞是“推理大模型”。

今年9月，OpenAI發(fā)布了o1大模型，這種具有“慢思考”能力的大模型最大特點(diǎn)是能夠推理復(fù)雜的任務(wù)，可以解決科學(xué)、編程、數(shù)學(xué)等領(lǐng)域更為復(fù)雜的問(wèn)題。它的出現(xiàn)，讓推理大模型成為AI發(fā)展進(jìn)程中的全新可能性，業(yè)界普遍好奇它能夠帶來(lái)怎樣的價(jià)值，最適合在怎樣的場(chǎng)景落地。

10月28日，2024年香港金融科技周在香港亞洲國(guó)際博覽館開(kāi)幕。從討論內(nèi)容上看，“大模型在金融行業(yè)的應(yīng)用”毫無(wú)疑問(wèn)是本屆科技周最受關(guān)注的話題，將推理大模型帶到金融行業(yè)則是熱點(diǎn)中的熱點(diǎn)。

（度小滿CEO朱光在2024香港金融科技周主論壇上發(fā)言）

度小滿CEO朱光2024香港金融科技周主論壇上表示，“以o1推理大模型為代表的新一波生成式AI技術(shù)在金融領(lǐng)域的應(yīng)用，將從外圍場(chǎng)景深入到核心業(yè)務(wù)，直接影響金融行業(yè)的核心決策質(zhì)量，在為客戶的產(chǎn)品和服務(wù)體驗(yàn)上帶來(lái)巨大突破的同時(shí)，將會(huì)重塑金融科技行業(yè)”。

我們可以從度小滿的思考和實(shí)踐出發(fā)，去看看“慢思考”如何觸發(fā)金融智能化的新一輪變革。

事實(shí)上，OpenAI的“草莓”模型在業(yè)界風(fēng)傳已久。此前很多人認(rèn)為它將是GPT家族的最新一員，而在9月13日正式發(fā)布后大家發(fā)現(xiàn)，OpenAI 將o1列為一個(gè)全新的模型系列。

之所以如此重視，是因?yàn)閛1所代表的推理大模型，打開(kāi)了一種與以往大模型不同的全新運(yùn)作機(jī)理，同時(shí)也取得了截然不同的效果。

o1大模型的思考模式，對(duì)應(yīng)的是心理學(xué)家丹尼爾·卡尼曼（Daniel Kahneman）提出的邏輯系統(tǒng)。與占據(jù)95%的直覺(jué)系統(tǒng)不同，邏輯系統(tǒng)這種思考方式只占據(jù)人類思考系統(tǒng)的5%，特點(diǎn)是啟動(dòng)緩慢，耗時(shí)較長(zhǎng)，但能夠解決非常復(fù)雜的問(wèn)題。日常生活里，我們往往只會(huì)在解數(shù)學(xué)題、科學(xué)思考、下棋、案件推理等環(huán)節(jié)中啟動(dòng)邏輯系統(tǒng)。

回到AI領(lǐng)域，如果說(shuō)以往的AIGC能力大體屬于直覺(jué)系統(tǒng)，特點(diǎn)是快速調(diào)用已有信息和數(shù)據(jù)，能夠給出即時(shí)反饋與生成結(jié)果，但缺點(diǎn)是訛誤多、幻覺(jué)強(qiáng)，且不能應(yīng)對(duì)復(fù)雜的問(wèn)題。那么o1大模型則有著更長(zhǎng)的內(nèi)部思維鏈，在生成結(jié)果前會(huì)進(jìn)行復(fù)雜的邏輯推理，從而在物理、化學(xué)、數(shù)學(xué)等領(lǐng)域刷新了AI的上限。在一系列測(cè)試中，o1大模型都表現(xiàn)出了能媲美相關(guān)領(lǐng)域博士的專業(yè)思考水平。這些結(jié)果，讓“推理大模型”成為AI進(jìn)化的全新可能。

如果我們把“慢思考”看作一個(gè)全新的科技變量，哪些應(yīng)用領(lǐng)域能充分發(fā)揮它蘊(yùn)藏的價(jià)值呢？

需要詳細(xì)理解數(shù)據(jù)，縝密分析，層層思考的金融行業(yè)，毫無(wú)疑問(wèn)就是答案。

金融行業(yè)有著海量數(shù)據(jù)，以及包羅萬(wàn)象的數(shù)據(jù)應(yīng)用場(chǎng)景，但如果從AI應(yīng)用這些數(shù)據(jù)的層級(jí)來(lái)看，會(huì)發(fā)現(xiàn)較為明顯的淺層與深層之分。

所謂的淺層AI應(yīng)用，是指用大模型來(lái)補(bǔ)充和代替一些基礎(chǔ)的金融服務(wù)，比如用智能客服來(lái)提升用戶溝通效率，用AI文檔助手來(lái)提升金融機(jī)構(gòu)辦公效率等。這些AI應(yīng)用涉及的場(chǎng)景較為單一，也無(wú)需對(duì)數(shù)據(jù)進(jìn)行深入分析和推理。朱光認(rèn)為，這些應(yīng)用可以替代一部分的人力，提升服務(wù)效率，降低金融機(jī)構(gòu)的服務(wù)成本，但創(chuàng)造的核心價(jià)值并不顯著。

而在金融行業(yè)的核心業(yè)務(wù)中，比如風(fēng)控、信貸決策、投資決策等場(chǎng)景中，有著數(shù)據(jù)類型復(fù)雜，分析要素多樣，推理需求嚴(yán)苛的特點(diǎn)，讓AI大模型來(lái)驅(qū)動(dòng)這些場(chǎng)景的智能化，是名副其實(shí)的深層AI應(yīng)用。類似場(chǎng)景更加具有挑戰(zhàn)，同時(shí)也會(huì)給金融智能化帶來(lái)更加具有變革力的價(jià)值提升。

朱光認(rèn)為，生成式AI技術(shù)要對(duì)一個(gè)行業(yè)帶來(lái)巨大變革有兩個(gè)前提，“一是必須讓核心的客戶體驗(yàn)發(fā)生巨大改變；二是必須對(duì)業(yè)務(wù)的核心決策產(chǎn)生影響。比如信貸業(yè)務(wù)，只有當(dāng)大模型能夠?qū)蛻舻慕鹑诜?wù)體驗(yàn)帶來(lái)影響、對(duì)風(fēng)險(xiǎn)決策、經(jīng)營(yíng)決策這樣的核心業(yè)務(wù)決策產(chǎn)生重大影響的時(shí)候，才真正釋放出大模型的潛力”。

而具有慢思考能力的推理大模型，就很可能讓這種設(shè)想變?yōu)楝F(xiàn)實(shí)?；谕评泶竽Ｐ?，未來(lái)我們可以看到AI像專業(yè)審核員一樣讀征信報(bào)告、看賬單流水，甚至能解讀網(wǎng)絡(luò)大數(shù)據(jù)，思考和捕捉數(shù)據(jù)之間的關(guān)聯(lián)，并生成風(fēng)險(xiǎn)判斷的依據(jù)和結(jié)論。這將讓AI真正抵達(dá)金融的核心業(yè)務(wù)，甚至比人類交易員、分析師做得更好，突破金融行業(yè)的價(jià)值上限。

沿著推理大模型與金融行業(yè)結(jié)合的可能性，我們會(huì)發(fā)現(xiàn)一系列關(guān)鍵金融場(chǎng)景都可能迎來(lái)新的AI變革，比如說(shuō)：

在風(fēng)控領(lǐng)域，具備了風(fēng)控知識(shí)與思考能力的推理大模型，可能會(huì)提升風(fēng)控決策質(zhì)量。

在投資領(lǐng)域，推理大模型可以挖掘高價(jià)值的因子，并優(yōu)化投資算法。

在保險(xiǎn)領(lǐng)域，推理大模型可以根據(jù)用戶需求進(jìn)行個(gè)性化的產(chǎn)品設(shè)計(jì)，并做出是否承保的決策。

歸納這些可能性，會(huì)發(fā)現(xiàn)推理大模型的核心意義在于，它可能將AI在金融行業(yè)的應(yīng)用范疇，從客服、文檔助手等基礎(chǔ)、單一場(chǎng)景，升級(jí)到風(fēng)控、投資決策等復(fù)雜、高價(jià)值場(chǎng)景。

而讓推理大模型的變量，成為金融智能化的新動(dòng)力，還需要先驅(qū)企業(yè)的積極實(shí)踐，以及整個(gè)行業(yè)的不斷突破。

雖然“慢思考，強(qiáng)邏輯”的推理大模型，目前還處在非常具有前瞻性的新興階段，但依靠AI大模型幾年以來(lái)的極速發(fā)展，以及中國(guó)金融智能化的長(zhǎng)足進(jìn)步，將推理大模型的新能力積極引入到金融行業(yè)，已經(jīng)成為很多知名廠商正在進(jìn)行研發(fā)和布局的戰(zhàn)略高地。相信不久的將來(lái)，我們會(huì)看到“慢思考”給金融行業(yè)帶來(lái)巨大的價(jià)值提升。

比如說(shuō)，本次大會(huì)上朱光就分享了度小滿用推理大模型在風(fēng)控場(chǎng)景上所進(jìn)行的一系列創(chuàng)新性探索。

其中，在信貸領(lǐng)域推理大模型可以通過(guò)分析客戶的征信報(bào)告、銀行流水，推理出客戶的還款能力，最后給出是否審核通過(guò)的風(fēng)控決策建議。這種探索正在不斷驗(yàn)證推理大模型在金融核心業(yè)務(wù)中的價(jià)值可能性與可靠性，為金融智能化打開(kāi)新的發(fā)展空間。

基于推理大模型，將金融行業(yè)的智能化升級(jí)從外圍場(chǎng)景深入到核心業(yè)務(wù)。

風(fēng)起時(shí)已經(jīng)來(lái)臨，重塑金融科技的機(jī)會(huì)，或許就在AI的下一次思考中。