以下是一些在金融领域的大模型:
此外,金融服务公司拥有大量历史金融数据,若使用这些数据微调大型语言模型,能够迅速回答几乎任何金融问题。例如,经过公司客户聊天记录和额外产品规格数据训练的模型,能回答有关公司产品的问题;经过公司十年可疑活动报告训练的模型,能识别表明存在洗钱计划的交易。金融服务行业已准备好使用生成式人工智能来实现个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理以及动态的预测和报告等目标。
原文地址:https://a16z.com/2023/04/19/financial-services-will-embrace-generative-ai-faster-than-you-think/原文作者:Angela Strange,Anish Acharya,Sumeet Singh,Alex Rampell,Marc Andrusko,Joe Schmidt,David Haber,Seema Amble发表时间:2023年4月19日译者:通往AGI之路,若有瑕疵之处,请在段落评论中斧正,谨此致谢人工智能和机器学习在金融服务行业的应用已经有十多年的历史,它们已经促成了从更好的信贷评估到更精确的基础欺诈评分等一系列的改进。大型语言模型(LLMs)通过生成式人工智能,代表着一次重大的飞跃,正在改变[教育](https://a16z.com/2023/02/08/the-future-of-learning-education-knowledge-in-the-age-of-ai/)、[游戏](https://a16z.com/2022/11/17/the-generative-ai-revolution-in-games/)、[商业](https://a16z.com/2023/02/07/everyday-ai-consumer/)等多个领域。与传统的AI/ML主要侧重于基于现有数据进行预测或分类不同,生成式人工智能可以创造全新的内容。
目前,摩根大通有1000多名数据管理人员、900多名数据科学家(创建新模型的AI和机器学习(ML)专家)和600名ML工程师(编写将模型投入生产的代码)。他们专注于自然语言处理、时间序列分析和强化学习等方面的人工智能和机器学习。戴蒙进一步表示:“我们正在设想新的方法,通过以人为本的协作工具和工作流程,利用大型语言模型(包括ChatGPT)等工具,通过人工智能来增强和增强员工的能力。同时,还有一个由200人组成的顶尖人工智能研究小组,致力于研究金融领域最困难的问题和新领域。”但对于外部的人工智能工具在内部的使用上戴蒙是保守和谨慎的。摩根大通不但没有鼓励员工使用ChatGPT还暂时禁止员工使用ChatGPT等类似的工具。戴蒙认为:人工智能和数据使用很复杂,必须遵守当地法律。但我们这样做绝对有必要,既是为了之前描述的好处,也是为了保护公司和金融体系——因为你可以确定坏人也会使用它。
这种能力,结合了对大量非结构化数据的训练和实际上无限的计算能力,可能将带来金融服务市场数十年来最大的变革。与其他平台转变——如互联网、移动设备、云计算——不同,在这些转变中金融服务行业的采用速度较慢,在这里,我们预计最优秀的新公司和现有企业将立即开始接纳生成式人工智能。金融服务公司拥有大量的历史金融数据;如果他们使用这些数据来微调大型语言模型(或者像[BloombergGPT](https://www.cnbc.com/2023/04/13/bloomberg-plans-to-integrate-gpt-style-ai-into-its-terminal.html)那样从零开始训练模型),他们将能够迅速地回答几乎任何金融问题。例如,一个经过公司客户聊天记录和一些额外产品规格数据训练的LLM,应该能够立即回答有关公司产品的所有问题,而一个经过公司十年可疑活动报告(SARs)训练的LLM,应该能够识别出一组表明存在洗钱计划的交易。我们相信金融服务行业已经准备好使用生成式人工智能来实现五个目标:个性化的消费者体验、成本效益高的运营、更好的合规性、改进的风险管理、以及动态的预测和报告。