以大模型為代表的人工智能技術(shù)已成為引領(lǐng)新一代產(chǎn)業(yè)變革的核心力量。2024年政府工作報告首次提出“人工智能+”，要求“大力推進現(xiàn)代化產(chǎn)業(yè)體系建設(shè)，加快發(fā)展新質(zhì)生產(chǎn)力”“深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展‘人工智能+’行動”。隨著人工智能技術(shù)被納入國家發(fā)展的頂層設(shè)計，其在各行業(yè)的應(yīng)用也將開啟新篇章。

金融業(yè)是國內(nèi)最早應(yīng)用人工智能的行業(yè)之一，在我國邁向金融強國的新征程中，金融業(yè)需牢牢抓住當(dāng)前數(shù)智化技術(shù)變革機遇，前瞻性布局大模型等領(lǐng)域的自主創(chuàng)新和應(yīng)用，培育金融業(yè)的新質(zhì)生產(chǎn)力，按照黨的二十屆三中全會和中央金融工作會議的部署，全力做好“五篇大文章”。數(shù)字金融是“五篇大文章”的底座，而大模型將成為數(shù)字金融的基礎(chǔ)設(shè)施。在此，筆者就大模型時代如何“以科技踐行普惠”談幾點思考。

關(guān)于大模型的幾個問題

畢達哥拉斯曾言“萬物皆數(shù)”，數(shù)學(xué)被認為是描述自然界規(guī)律最有效的工具之一。工業(yè)革命以來，經(jīng)濟學(xué)、社會學(xué)等人文社會學(xué)科大量運用數(shù)學(xué)，開啟方法論的革命。尤其是進入信息化時代后，數(shù)學(xué)在推動人類社會進步中的主導(dǎo)作用已經(jīng)越來越明顯。大模型的出現(xiàn)，再一次印證了數(shù)學(xué)工具在人類思維模式探究領(lǐng)域的價值。

近期OpenAI的技術(shù)專家發(fā)現(xiàn)，在相同的數(shù)據(jù)集上對不同模型進行訓(xùn)練，幾乎每個具有足夠權(quán)重和訓(xùn)練時間的模型都會收斂到同一點。筆者認為，這從一個側(cè)面說明，表達人類思維的數(shù)學(xué)框架已基本得到工程驗證，后續(xù)將會在持續(xù)迭代中逐步優(yōu)化和收斂。即便是復(fù)雜的人類情感、主觀意識等，目前看來也可以用數(shù)學(xué)建模來無限近似地表達。只要能用數(shù)學(xué)表達，就意味著可以交付機器解決。

自1943年單個神經(jīng)元模型首次提出以來，卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等主流模型已迭代進化數(shù)十年，為何大模型卻姍姍來遲？

究其根源，算力才是人工智能發(fā)展的瓶頸因素。記得筆者在1992年做圖像識別的研究課題時，國內(nèi)最先進的機器是VAX8700（全國只有兩臺），要排隊申請機時，輪到上機時，把遙感識別神經(jīng)網(wǎng)絡(luò)系統(tǒng)和衛(wèi)星遙感數(shù)據(jù)輸入計算機，第二天才能跑出結(jié)果，比對正確率后調(diào)整網(wǎng)絡(luò)層數(shù)和輸入?yún)?shù)等，再排隊上機驗證結(jié)果和調(diào)整模型。那時人工智能項目與當(dāng)今大模型的算力和規(guī)模不可同日而語。

隨著計算機硬件性能和數(shù)據(jù)規(guī)模的躍升，疊加模型的持續(xù)優(yōu)化，現(xiàn)今擁有幾百億乃至上千億參數(shù)的巨型模型終于“涌現(xiàn)”出了接近人的智力。對于大語言模型來說，模型參數(shù)規(guī)模對于性能提升依然是決定性因素。當(dāng)前最先進的GPT-4模型參數(shù)量為1.8萬億，尚不足人腦神經(jīng)突觸數(shù)量的0.2%，卻已表現(xiàn)出接近人類的智能。當(dāng)模型參數(shù)繼續(xù)擴展，在接近甚至超過人腦神經(jīng)突觸規(guī)模的過程中，一定會不斷出現(xiàn)令人驚喜的智能躍遷。

大語言模型被冠以“語言”二字，令很多人誤以為大語言模型的應(yīng)用只限于語言。事實上，從應(yīng)用廣度來看，大語言模型可用于所有思維領(lǐng)域。

語言可以抽象世界萬物，是人類認知世界的核心工具。當(dāng)建立在深度神經(jīng)網(wǎng)絡(luò)的大模型像人一樣進行學(xué)習(xí)和邏輯推理時，它就已經(jīng)打破了專門知識領(lǐng)域的束縛。在大模型具備了最關(guān)鍵的學(xué)習(xí)和推理能力后，要想拓展至圖像、視頻、語音或其他領(lǐng)域，只需通過空間映射的方式與核心的大模型相結(jié)合即可。最終訓(xùn)練結(jié)果取決于兩方面，一是數(shù)據(jù)集的質(zhì)量（相當(dāng)于“教材”），二是訓(xùn)練方法是否得當(dāng)（相當(dāng)于“名師”）。

以機器人制造為例，以前哪家企業(yè)推出能跑能跳的機器人，業(yè)界為之驚艷，因為此類機器人“頭腦”簡單，研發(fā)方向是讓其“四肢”發(fā)達，技術(shù)門檻很高。但現(xiàn)在很多公司都能制造出此類機器人，就是因為大模型的突破，機器人突然變“聰明”了，能夠基于多模態(tài)的訓(xùn)練和自適應(yīng)，利用“頭腦”發(fā)達來彌補“四肢”的不足。

通用大模型展現(xiàn)出的全能性只是硬幣的一面，垂直大模型所帶來的“專、精、特、新”力量有望為傳統(tǒng)行業(yè)帶來革命性的機遇——不僅是模仿專家，更可能創(chuàng)造天才。

人類認知世界的規(guī)律為“觀察—假設(shè)—實驗—結(jié)論”。這方面的經(jīng)典案例是開普勒及其老師第谷。第谷修建了當(dāng)時先進的天文臺，積累了大量的天文觀測資料，但第谷擅長觀察實驗而不擅長分析計算，欠缺建模能力，他臨終前把觀測資料留給了開普勒。開普勒運用其擅長的數(shù)學(xué)方法對老師留下的數(shù)據(jù)進行了系統(tǒng)的分析整理，發(fā)現(xiàn)了開普勒定律。

人類數(shù)千年來已經(jīng)積累了大量數(shù)據(jù)。特別是近三十年來，借助互聯(lián)網(wǎng)，人類生成和存儲的數(shù)據(jù)超過了此前數(shù)千年的總和，但是人類認知能力有限，難以發(fā)現(xiàn)和總結(jié)所有規(guī)律，而這恰好是大模型最擅長的。如果參數(shù)容量跟人腦神經(jīng)突觸數(shù)量相仿，并且已經(jīng)訓(xùn)練成超越大多數(shù)人的專家大模型，每天24小時不知疲倦地分析思考，筆者相信，在大模型時代，輸入“第谷”們的觀測數(shù)據(jù)，人工智能同樣能夠發(fā)現(xiàn)當(dāng)代的“開普勒定律”，催生出類似牛頓的天才，在物理、生物、中醫(yī)、制藥等垂直細分領(lǐng)域，取得諾貝爾獎級別的重大進展。如果這樣的天才如雨后春筍般出現(xiàn)，這個世界將會發(fā)生怎樣的劇變？

在人工智能領(lǐng)域，盡管我國與美國等發(fā)達國家在算力、算法和人才等方面有著較大的差距，但也要看到我國具有后發(fā)優(yōu)勢，一些“卡脖子”問題的應(yīng)對已初見成效，新技術(shù)尤其是量子技術(shù)的突破有可能帶來新的發(fā)展機遇。同時，我國龐大的用戶規(guī)模和豐富的應(yīng)用場景，也將為大模型的落地發(fā)展帶來持續(xù)的牽引力。

此外，面對算力的約束，可以通過優(yōu)化算法來解決。在大模型時代，把數(shù)據(jù)集、模型分散或復(fù)制在多個圖形處理器（GPU）并行處理，能夠彌補單機算力不足的缺陷，其他一些集約優(yōu)化的辦法也可以降低算力消耗。以招聯(lián)消費金融股份有限公司（以下簡稱招聯(lián)）“招聯(lián)智鹿”大模型的進化為例，2023年推出的“招聯(lián)智鹿”大模型采用130億參數(shù)，在國內(nèi)權(quán)威榜單C-Eval、CMMLU分別排名第20位、第10位。近期升級的“招聯(lián)智鹿二代”大模型雖然將參數(shù)逆勢調(diào)降至80億，但通過優(yōu)化模型算法、提高數(shù)據(jù)質(zhì)量、完善訓(xùn)練方法，實現(xiàn)了節(jié)約算力下的性能倍增，且優(yōu)于一些參數(shù)量超過700億的行業(yè)大模型，取得了C-Eval、CMMLU分別排名第14位、第5位的好成績。目前“招聯(lián)智鹿二代”的應(yīng)用場景不僅涵蓋日常辦公和運營、智能信貸審批、客戶服務(wù)和資產(chǎn)管理等，還延伸至環(huán)保等行業(yè)的數(shù)智化轉(zhuǎn)型領(lǐng)域。以智能客服為例，它不僅可以結(jié)合具體會話狀態(tài)與服務(wù)場景，快速精準(zhǔn)地進行會話小結(jié)，大幅提升作業(yè)效率，還能充分利用深度學(xué)習(xí)技術(shù)準(zhǔn)確理解客戶意圖、共情客戶情緒，并將與客戶交互的“經(jīng)驗”和“感覺”積累成參考樣本，實現(xiàn)“舉一反三”的智能服務(wù)。

以普惠金融體系中的零售信貸為例，該業(yè)務(wù)呈現(xiàn)小額、分散、高頻的特點，運營成本和風(fēng)險相對較高，實現(xiàn)“普”與“惠”兼得是個難題。而金融機構(gòu)的數(shù)智化轉(zhuǎn)型有效擴大了零售信貸業(yè)務(wù)的覆蓋面，提升了信貸的精準(zhǔn)性、可得性和滿意度，大模型的進一步賦能必將帶來更大的改變。

筆者認為，普惠金融服務(wù)的覆蓋面應(yīng)“適可而止”，服務(wù)的客戶群體范圍既要適度又需精準(zhǔn)，做到“不該貸的不貸，該貸的額價合理”，才能實現(xiàn)可持續(xù)的普惠。

傳統(tǒng)的銀行信貸模式受限于技術(shù)經(jīng)驗培養(yǎng)周期、人工處理能力和費用等因素，很難低成本地為千百萬量級的客戶提供高質(zhì)量服務(wù)。當(dāng)前眾多金融機構(gòu)已經(jīng)開啟數(shù)字化轉(zhuǎn)型，而大模型涌現(xiàn)出的超強智能，將進一步驅(qū)使某些金融領(lǐng)域快速進入數(shù)智化顛覆階段。

風(fēng)險管理是金融業(yè)的關(guān)鍵業(yè)務(wù)環(huán)節(jié)，其底層邏輯與諸多行業(yè)相通。例如，公司招聘員工，本質(zhì)上就是根據(jù)應(yīng)聘者提交的材料，以及背調(diào)獲取的“征信”信息，結(jié)合面談最終作出是否錄用的決策；中醫(yī)看病，本質(zhì)也是通過“望聞問切”等個人信息搜集手段，比對醫(yī)生積累的知識體系，最終得出對病情和療法的判斷。通過大量案例的訓(xùn)練，大模型可以替代甚至超越人工，具備此類崗位的學(xué)習(xí)、思考和判斷能力。

利用大模型技術(shù)，創(chuàng)新打造“審批智能體”，從大量看似瑣碎的信息中，識別出有效信息，利用大模型的“涌現(xiàn)”能力生成診斷邏輯，有望在根本上實現(xiàn)普惠金融的“普應(yīng)適度”。

普惠金融所面對的城鄉(xiāng)“奮斗者”客群有著大量資金需求，但也存在收入來源不穩(wěn)定、缺乏抵押物、征信信息不全等問題。在傳統(tǒng)的風(fēng)控邏輯中，金融機構(gòu)基于掌握的客戶信息審批授信，無論貸款金額還是價格往往都是“一錘定音”，但這種流程并非完全合理，也無法精準(zhǔn)匹配客戶的需求。

通過打造“運營智能體”，與客戶實時智能交互，更加高效精準(zhǔn)地響應(yīng)客戶需求，動態(tài)調(diào)整產(chǎn)品和服務(wù)，推動利率不斷下行，正是普惠金融踐行初心使命的表現(xiàn)?！捌铡痹诟采w面上固然應(yīng)該適度，但“惠”在價格上可以永無止境。

實踐證明，在科技力量的推動下，普惠金融對客戶的精準(zhǔn)讓利還有很大空間。招聯(lián)兩年前推出了名為“自信”和“自愈”的智能交互服務(wù)模式，利用智能技術(shù)讓客戶自主管理自己的信用，無論是利率、額度還是還款方式調(diào)整，都可以“一鍵喚起”、實時商量，人工智能客服就像跟朋友聊天一樣，理解客戶的訴求、滿足客戶的需求、解決客戶的痛點。要做到及時滿足海量客戶的不同訴求，而且還能持續(xù)讓利客戶，只有依靠低成本、大批量、高質(zhì)量作業(yè)的運營智能體，由此在踐行“惠無止境”的同時，實現(xiàn)金融機構(gòu)的微利可持續(xù)經(jīng)營。

誠信是現(xiàn)代經(jīng)濟發(fā)展的基石，是政府取信于民的基礎(chǔ)，是企業(yè)發(fā)展的生命，是個人立身的根本。社會主義市場經(jīng)濟的發(fā)展，是以信用關(guān)系的日益透明和不斷擴大為基礎(chǔ)的。

在誠信社會的建設(shè)過程中，數(shù)據(jù)是基礎(chǔ)，守信激勵和失信懲戒是保障。對于普惠客群而言，信用曾經(jīng)是一個“先有雞還是先有蛋”的問題：沒有信用信息，則無法借款；不借款，就沒有信用信息。普惠金融興起后，幫助數(shù)以億計的信用“白戶”建立起基本信用?？蛻粼讷@得授信之后誠信履約，“有借有還，再借不難”，二者之間實現(xiàn)“雙向奔赴”與良性互動，逐步建立完善個人信用與企業(yè)信用體系，從而降低整個社會的信用成本與經(jīng)濟運行成本。

當(dāng)然，普惠金融并沒有改變金融“經(jīng)營風(fēng)險”的本質(zhì)。社會如果對于少數(shù)惡意失信者采取縱容態(tài)度，則是對全體守信者的懲罰。傳統(tǒng)的貸后管理采取人海戰(zhàn)術(shù)，在服務(wù)質(zhì)量上參差不齊，在成本上難以為繼，無法實現(xiàn)對客戶信用的全流程跟蹤、報告，難以精準(zhǔn)識別惡意失信行為，讓一些“老賴”逍遙法外，反催收、逃廢債等“黑灰產(chǎn)”愈發(fā)猖獗。在貸后管理環(huán)節(jié)運用大模型等人工智能技術(shù)，可以實時處理結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，動態(tài)跟蹤并分析客戶的真實信用狀況，將非惡意逾期和惡意逾期或黑灰產(chǎn)介入等區(qū)別開來，分類施策，幫助金融機構(gòu)補齊貸后短板。

“讓信用不負期待”不僅是招聯(lián)的理念，也是普惠金融高質(zhì)量發(fā)展的目標(biāo)。這一目標(biāo)的實現(xiàn)，不僅需要金融機構(gòu)、企業(yè)和消費者的努力，也需要相關(guān)政府部門、司法系統(tǒng)進行數(shù)智賦能，夯實數(shù)字金融的基礎(chǔ)設(shè)施。一是完善既有數(shù)字征信體系，探索公共數(shù)據(jù)向持牌征信機構(gòu)開放的新模式，使數(shù)據(jù)依法合規(guī)應(yīng)用于信貸領(lǐng)域；二是加速落地線上金融商事調(diào)解中心，為金融領(lǐng)域的糾紛投訴調(diào)解提供支持；三是加大互聯(lián)網(wǎng)法院的區(qū)域布局，突破法治資源供給瓶頸，有效打擊“黑灰產(chǎn)”，降低信用成本，惠及重信守諾的企業(yè)和個人，形成不負各方期待的信用閉環(huán)。

調(diào)解機制的本質(zhì)是基于各方訴求，在一定的公序良俗框架內(nèi)，找到最佳解決方案，實現(xiàn)各方利益的最大化和平衡。真實世界中要做到調(diào)解成功，必須在動態(tài)博弈中實時高速處理海量動態(tài)信息，提出多方共贏的調(diào)解方案。

金融領(lǐng)域的逾期債務(wù)催收，是維護社會誠信的必要途徑，但也衍生出一些社會問題。大模型時代的“超級調(diào)解人”，將會在交叉驗證欠債人涉及意愿和能力的多維度信息后，甄別出“老賴”和“黑灰產(chǎn)”等，“背靠背”根據(jù)債權(quán)債務(wù)方的條件，迭代確定雙方接受的方案，從而大幅減少商業(yè)成本和社會問題。

推而廣之，筆者建議，未來可以通過訓(xùn)練大模型生成具有一定政府部門職能的“超級調(diào)解人”。遇到多方復(fù)雜的利益訴求時，它可以在“背靠背”的情況下，匯總多方博弈的新訴求、新建議，迭代出平衡各方利益的最優(yōu)方案，促使相關(guān)方達成共識。若人工智能“超級調(diào)解人”問世，則有望降低整個社會的信任成本，促進經(jīng)濟要素高效流轉(zhuǎn)。除了金融糾紛，在更為廣闊的C端（消費者端）市場，人工智能“超級調(diào)解人”也有極大的應(yīng)用空間。擁有海量人際關(guān)系的社交軟件可開發(fā)“超級調(diào)解人”功能，針對人與人之間的矛盾、糾紛，快速給出一攬子的解決方案，進而在個人的授權(quán)下，隱秘且適時地聯(lián)系相關(guān)方進行“背靠背”居中調(diào)解，形成共識方案后告知相關(guān)方?！俺壵{(diào)解人”也在成功和失敗的案例中，逐步學(xué)習(xí)成長為“調(diào)解天使”。當(dāng)大量人際沖突可以被“超級調(diào)解人”高效化解，則大模型對于社會和諧的促進，將比賦能某些具體產(chǎn)業(yè)更有意義。

以科技踐行普惠，讓信用不負期待。愿大模型從賦能普惠金融開始，促進誠信社會建設(shè)，進而助力構(gòu)建和諧世界，由點及面塑造美好的未來。

來源：中國金融雜志