大模型技術金融應用中三大挑戰顯現，如何破？

北京商報訊（記者劉四紅）近年來，以大模型爲代表的AI技術進入發展快車道，成爲當下最受大衆矚目的熱點話題。7月2日，在微衆媒體學院系列活動上，微衆銀行首席人工智能官楊強在分享時表示，大模型的應用落地涉及數據管理、算法優化、系統設計和成本控制等多方面的綜合挑戰，需要持續的技術創新和策略調整，以推動AI技術更加成熟、高效地服務於社會各個領域。

會上，業內專家同樣認爲，大模型技術在發展應用中顯現三大挑戰：一是從算力角度，大模型的訓練過程中需要龐大的硬件算力資源支撐，大模型參數規模呈持續擴張趨勢，對算力提出了更高要求；二是從算法角度，大模型生成內容可能存在安全風險，同時廣泛存在隱形偏見的可能性；三是從數據角度，近年來各項法律法規對私域數據的使用有"數據可用不可見"的要求，在醫療、金融等行業都存在海量自治的高質量數據，但受限於隱私無法共享利用。

對此，楊強進一步指出，"AIAgent（人工智能業務助理）是大模型面向應用端發展的下一階段，其基於大模型的通用能力，並結合相關領域知識適應不同場景需求。"

據瞭解，在業務實踐中，微衆銀行自研的生成式AI技術能夠有效解決大模型幻覺（大模型在生成內容時產生錯誤或誤導性結果）等技術難點，已深度應用於客服、營銷、質檢、反欺詐、科技金融等核心業務場景，覆蓋金融服務"前－中－後臺"各個環節。例如在客戶服務環節，微衆銀行通過客服Agent輔助坐席，讓多輪對話更流暢自然；在營銷環節，通過生成式大模型快速生成"千人千面"的海量營銷素材，並通過聯邦學習等技術更精準地找到需要金融服務的個人和小微企業羣體；在風控環節，微衆銀行將人臉識別、聲紋識別等AI技術應用在開戶、授信、放款等金融服務多個環節，有效甄別欺詐行爲，提升銀行風控能力。