上證報中國證券網訊（記者 何奎）7月6日至8日，以“智聯世界 生成未來”為主題的第六屆世界人工智能大會（簡稱WAIC）在上海舉辦。馬上消費金融股份有限公司（下稱“馬上消費”）副總經理兼首席信息官蔣寧在現場接受記者采訪時表示，金融行業是數據、技術密集型行業，具有數據規模大、數據類型多等特點，與大模型訓練所需要的底層數據基礎要求十分契合。

“大模型在金融領域有廣泛的應用前景，幫助推動構建用戶個性化服務體驗。在數字中國的建設背景下，大模型將有效提升金融領域營銷、運營等價值鏈效率，進一步拓展數據決策在風控領域的創新應用效果，助力金融行業數字化轉型產生實質性的飛躍。”蔣寧說。

【資料圖】

據蔣寧介紹，近期，馬上消費將正式發布自主大模型，與社會各界共享、共創更多有價值的探索。目前，公司基于自主研發的金融大模型和動態自適應強化學習技術，在營銷、服務運營、數據決策等領域已經實現落地。未來，公司將更加聚焦三項核心關鍵能力，一是自主動態強化學習能力的大模型（AIGC+RLHF），二是多種模型組合式的AI系統，三是多模態音視頻實時人機結合的能力。

三項技術應對四大挑戰

當前，人工智能大模型的發展在全球都還處在初期階段，在金融領域的探索也才剛剛起步，面對的困難和挑戰依舊不少。蔣寧表示，金融領域探索大模型的困難和挑戰主要體現在關鍵性任務和動態適應性、個性化要求和隱私保護、安全可控需求提升、大數據和基礎設施能力挑戰四個方面。

一是由于金融各項業務是動態且變化的，面對不可預期的外界環境和突發意外情況，當前的大模型并不能做到每一份決策都穩定、精確，這是金融機構在運用大模型等人工智能技術的一個非常大的挑戰。

二是金融行業希望利用人工智實現極致的用戶體驗，包括個性化、定制化的用戶產品和服務，但這需要個人隱私數據和大模型相融合，涉及到合規和安全問題，需要行業不斷探索。

三是金融行業一直存在的“數據孤島”問題，跨行業、跨組織、跨機構的數據共享沒有打通，數據共享體系建設需要持續探索。大模型要不斷發展成熟，就必須構建一個巨大的增強學習或者強化學習的網絡平臺，金融機構在這個平臺上持續貢獻數據并實時反饋，促進平臺不斷升級和進化。

四是金融行業大模型應用對底層設備、基礎架構等軟硬件設施提出更高的要求。現在的網絡、服務器、芯片等軟硬件設施需要不斷迭代升級，以滿足后摩爾時代高速增長的數據和算力要求。

如何解決上面四個挑戰？蔣寧認為，大模型有三個關鍵技術值得關注：強化學習和持續學習技術、魯棒性決策、組合式AI系統技術。

蔣寧詳細解釋道，首先，大模型具備強化學習和持續學習技術。OpenAI的核心能力不僅是表面的ChatGPT巨量模型參數，更在于其幕后的強化學習機制和各種生態能力的建設，通過不斷使用讓系統越用越聰明、越用越“人性”。目前，國內的各種大模型還未完成自適的生態體系建設，強化學習能力仍需進一步發展。

其次，魯棒性決策（機器學習模型在非期望的輸入或者變動的環境中，仍然能夠提供非常可靠的輸出結果）也是大模型在關鍵決策領域落地的核心能力，如何幫助排除噪音以及干擾性問題，在突發和不可預期情況，實現關鍵決策的持續穩定和合規可信尤其重要。

最后，大模型另一個關鍵技術是組合式AI系統技術。組合式AI系統技術可以有效結合各種垂直領域的判別式模型的可用性和專業性，以及具備生成式大模型的遷移學習和泛化能力強的特點，可以在工業界真正發揮大模型的泛化能力優勢。

“三橫三豎”發展戰略

從趨勢來看，大模型持續強化學習解決了魯棒性問題，同時能把判別式模型和生成式模型的優勢進行組合，這是人工智能未來發展趨勢。

據蔣寧介紹，基于上述認知，在未來大模型的探索和研究方面，馬上消費制定了“三橫三豎”的發展戰略。

蔣寧表示，“三橫”包括：通過持續學習技術、模型控制、組合式 AI 系統技術形成安全、合規、可信的魯棒性決策能力。“三豎”包括：一是數據智能，在數據領域實現智能化；二是多模態等非結構性數據判別式模型的綜合能力；三是實時人機協作。

“得益于與客戶廣泛的交流和互動，我們已經為利用大模型技術訓練人機協作、人機對話等模型建立了龐大的數據要素，為‘三橫三豎’發展戰略奠定了深厚的基礎。”蔣寧說，目前該公司已經累計獲取了約40PB的數據，包括文字、聲音、圖片等。

作為前沿科技的探索者和踐行者，談及大模型的應用落地，蔣寧用三個詞總結了馬上消費在金融大模型的優勢和特點，即安全可控、個性化決策和體驗、持續學習。目前，該公司已經研發了實時人機決策模型、多模態大模型、數據智能模型等，并在內部正式上線測試。

關鍵詞：

責任編輯：Rex_08