專題：中國財富管理50人論壇2024年會

　　12月22日金融一線消息，國民財富發(fā)展研究合作平臺 “AI+金融”峰會今日在北京召開。國家人工智能標準總體組副組長、北京航空航天大學(xué)教授吳文峻出席并發(fā)表主題演講。

　　主題演講中，吳文峻分享了生成式人工智能的新發(fā)展方向和智慧金融可能結(jié)合的地方。他從以下三個方面闡述了人工智能面臨的挑戰(zhàn)：

　　第一個最常聽到或者看到的就是幻覺問題，因為無論是現(xiàn)在做的語言模型還是多模態(tài)的模型，它實際上是一種參數(shù)化的知識表達。但是它生成的方式和思考的方式，和我們?nèi)祟惖闹悄?，其實在很多情況下是不一樣的，這也使得它就會產(chǎn)生非常固有的幻覺問題。

　　對此，吳文峻指出：“下一步一個需要解決的很重要的問題就是我們既要保持現(xiàn)有模型非常強大的創(chuàng)造能力，不光是在現(xiàn)在看到的一般的文字交流的領(lǐng)域，包括金融領(lǐng)域，甚至是在科學(xué)領(lǐng)域的創(chuàng)造性，但同時我們也希望它的幻覺能夠局限在一個reason的范圍，這樣就能夠達到一個矛盾的平衡?！?/p>

　　第二個問題，現(xiàn)在大模型實在是太需要算力了，在前幾年已經(jīng)有一個分析，按照過去我們常說的在IT領(lǐng)域是摩爾定律，也就是說每18個月我們的能力增長一倍，芯片因為集成度增加了，所以各方面能力也就上去了。但是大模型在最近幾年增長的速度要比摩爾定律起碼高一到兩個數(shù)量級，這樣很快就摸到了我們?nèi)祟愒谟嬎隳芰┙o上的巨大瓶頸。

　　第三個問題，就是數(shù)據(jù)語料的缺失和局限性、瓶頸，帶來的下一步Scaling Law可能它的邊際效應(yīng)就會衰減。

　　如何解決這些挑戰(zhàn)性問題？吳文峻表示，首先就是推理問題。O1系統(tǒng)實際上就是在現(xiàn)有的這些大語言模型基礎(chǔ)上，試圖把“慢思考”的方式加進去。O1系統(tǒng)是可以根據(jù)問題動態(tài)的來自己構(gòu)造思維鏈，并且在推理過程當(dāng)中，可以在很大的問題搜索空間上去進行動態(tài)的搜索，這樣的話一下子它的推理能力就明顯提升了。第二個方向，就是要怎么樣解決現(xiàn)有主流的Transformer的問題。目前做的比較多的是一個叫Mamba系統(tǒng)，用線性的狀態(tài)空間的模型，來試圖替代全面的像矩陣×一樣的能力。

　　此外，大模型其實并不需要純粹的追求大。實際上我們在計算機系統(tǒng)里面最重要的一個原則就是模塊化設(shè)計，當(dāng)你把一個具有一定基礎(chǔ)能力的模型推到實際的應(yīng)用場景里面，肯定是需要通過模塊化的設(shè)計來做到。

　　同時，除了做大尺寸的，千億萬億級別的，甚至將來更大規(guī)模的模型，在很多的業(yè)務(wù)場景里，特別是在前端的偏手機或者嵌入系統(tǒng)這個場景里面，我們更多的是需要小尺寸模型，也就是說我們需要設(shè)計更精巧的、業(yè)務(wù)能力足夠模型，然后它可能通用性、智慧沒有大模型大，但是它已經(jīng)能達到一個相當(dāng)?shù)乃剑軌騽偃嗡谀莻€特定場景下，或者是那一類領(lǐng)域里的場景里面的問題。所以這個方面的探索，實際上現(xiàn)在國內(nèi)外都在做。

　　對于金融欺詐和風(fēng)險防控問題，吳文峻表示，這個可能是金融領(lǐng)域里面最關(guān)心的，在這個領(lǐng)域里面，實際上也非常適合利用剛才講到的多智能體來完成。比如剛才講到，首先是要做異常檢測，異常檢測系統(tǒng)一般來說是一個長時間序列的問題，這個問題利用Mamba，或者不是Transformer架構(gòu)的是非常合適的。同時你需要綜合大量客戶的信息、網(wǎng)絡(luò)的輿情信息，以及內(nèi)部交易信息，這些不同的功能都可以用不同的Agent來做，后面你可以用多個專家的組合來進行分析、評判、辯論，來判斷這樣的交易、這樣的情形比如說是不是會發(fā)生金融重大的問題風(fēng)險，比如這類的信用它復(fù)雜的交易過程是不是存在可能的欺詐，做各種深刻的分析模式的評判。所以這樣一個綜合的系統(tǒng)相信可能是未來我們智慧金融的一個應(yīng)用模式。