加拿大工程院院士郭嵩：大模型Agent如何化身智慧金融的贴心助手
source link: https://www.mittrchina.com/news/detail/12923
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
麻省理工科技评论-加拿大工程院院士郭嵩：大模型Agent如何化身智慧金融的贴心助手
2024 年 1 月 24 日，清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心共同主办的《2024 年金融业生成式 AI 应用报告》发布暨研讨会在清华大学经济管理学院顺利举行。
此次活动邀请到了加拿大工程院院士、欧洲科学院院士、香港科技大学计算科学与工程系教授郭嵩，度小满首席技术官许冬亮，北京智源人工智能研究院副院长曹岗，中国科学院自动化研究所研究员、中科闻歌董事长王磊，工银科技技术总监孙科伟，北京银行研究发展部总经理丁志勇，度小满数据智能部经理杨青等行业专家出席，来自金融机构、科研院所、互联网公司的数十位观众全程参加了报告发布暨研讨会。
与会者围绕“生成式 AI 在金融业的落地和推广”进行了分享和讨论，从技术、业务、学术等多个领域，聚焦中国现状，深入交流了“生成式 AI+ 金融”在 2024 年的发展前景。
会上，郭嵩教授发表了精彩的演讲，同时在圆桌讨论环节分享了独到见解。为了方便阅读，我们对他的分享进行了编辑。
郭嵩教授分享的主题是“金融业携手生成式 AI，挑战与展望”。他的分享带来了一种独特的学术视角。
郭嵩教授首先讨论了生成式 AI 的发展进程和现状。他表示，在生成式 AI 这个研究领域，其本质上不同于传统的 AI。通过观察并学习大量的训练样本，生成式 AI 能够自动创作出全新的内容，包含文本、图片、音频和视频等多种形式。随着这一技术的不断发展，我们正迎来一个全新的时代，即“生成数据”的时代。
这种爆炸式增长的生成数据将对多个领域产生深远的影响。对于科研领域来说，这意味着我们将拥有更广泛的数据资源，有望推动医学研究、气候模拟等领域的突破性进展。在商业领域，生成数据的大规模涌现将改变市场竞争的格局。企业将能够更好地了解消费者需求，通过生成式 AI 的数据分析，实现更精准的市场定位和产品创新。
在过去十年中，模型的发展经历了复杂度从“浅”到“深”，尺寸从“小”到“大”，质量从“低”到“高”，多样性从“单模态”到“多模态”的过程。应用类型也逐渐从内容分析发展到内容创作，包括文本、图像、音频和视频等。
在过去的几年中，随着深度学习和生成式模型的崛起，生成式 AI 的"让机器创造"能力正在引领行业向数字化与智能化转型的新篇章。它以卓越的降本增效、提升生产力以及产品服务创新能力，赋予了内外部应用强大的驱动力，从而为整个行业带来了无可估量的应用价值。
在金融行业内部应用，生成式 AI 可以用于提供数据驱动的决策支持和投资优化，还可以帮助我们管理风险和确保合规性，优化流程和提升团队协作。在金融行业外部应用，它可以更好地满足个性化服务和客户体验，增强市场洞察和决策支持，还可以实现自动化营销。
接下来，郭嵩教授讨论了生成式 AI 未来面对的挑战，以及他目前所进行的工作与对未来的展望。
例如，通过打造一种全新的 Agent-as-a-service 的服务模式，让大模型具备解决金融现实问题的能力；针对金融数据孤岛问题，他带领团队研究了一种面向大规模大模型的联邦微调算法，提升了联邦训练的可扩展性；为了降低高度逼真的生成内容欺骗金融从业者，他的研究团队从技术层面对生成式 AI 的滥用做出了初步探索，提出了概念否定（Concept negation）的技术，相关工作发表在最新的机器学习会议 NeurIPS 上。
“我们还看到一些安全性的挑战。”郭嵩教授表示，“我们怎么让它变得安全，特别是符合一些规定，怎么把规则和伦理变成系统提示，把系统提示植入大模型以产生合规的内容，这些也是值得探索的关键问题。”
圆桌讨论
在演讲结束后，郭嵩教授与其他几位嘉宾参与了圆桌讨论环节。
针对生成式 AI“杀手级”应用何时出现的问题，郭嵩教授表示自己最关注的还是 AI For Science（面向科学的 AI 技术）。他认为，所谓的“杀手级”应用主要是能够产生巨大的效益、积极影响的，但“科学跃迁不是人能够预料的”，所以要把“传统产业用生成式 AI 重塑”，如果可以创造新的价值，解决重大的问题，这就是“杀手级”应用。
在讨论大模型值得关注的趋势和机会时，郭嵩表示，虽然学术和金融的结合是孕育大模型“杀手级”应用的优秀土壤，但在这个过程中，必须重视三个挑战，才能把握住机会。
第一个是赋能千行百业，价值不能“只由头部产生”，所以必须要想办法降低成本。成本低才可以普惠所有人，那么怎么把成本降低，整个运行、维护都要降低，比如训练昂贵主要的原因就是模型太大，这方面还有很多值得探索的地方。
第二个是边缘侧推理，随着用户量指数级增加，通讯和运算成本也会增加。因此，实现用户边缘侧的模型部署，把模型推理任务从中心下沉到边缘，才能达到更低的成本、更快的响应速度。然而只有通过降低模型复杂度和能耗，且最小程度地牺牲性能，才能实现在边缘端推理。
第三个是追求稳定和安全，要用传统的方法和 AI 的方法结合起来 ，从数据、伦理等多个方面保证模型的安全，把原本不太好的地方，变成很好的功能。这其中也蕴藏着机遇。
以上就是郭嵩教授在本次活动中的分享，他用来自学术界的独特视角审视了生成式 AI 和金融业的结合，独到的见解引起了在场嘉宾和观众的思考。关于本次活动中的其他嘉宾演讲，我们此前已有报道：大模型“杀手级”应用还有多远？｜《2024 金融业生成式 AI 应用报告》发布暨研讨会内容回顾。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK