مشكلة "الجلدين" بين التمويل والنماذج الكبيرة

المصدر: "Brain Extreme Body" (المعرف:Unity007)، المؤلف: Zanghu

مصدر الصورة: تم إنشاؤها بواسطة Unbounded AI

قبل بضع سنوات، أجريت مقابلة مع أحد خبراء الصناعة، وقد ذكر ارتباكًا كبيرًا في تطبيق التكنولوجيا المتقدمة في الصناعة: طبقتان من الجلد.

تم نشر بعض النتائج التقنية الرائعة بشكل خاص في الأبحاث، وهي عبارة عن طبقة من الجلد. وعندما يقوم الطاقم الفني في الشركة بتسويق هذه النتائج، فقد يقومون ببعض التبسيطات لأسباب هندسية، وهي طبقة أخرى من الجلد.

وهناك فجوة بين طبقتي الجلد، تماماً مثل عرض البائع وعرض المشتري، فهما غير متكاملين ومتناسقين.

في كثير من الأحيان، ستواجه الشركات التي تتمتع بالموهبة التقنية، وقدرات البحث والتطوير، والرغبة في التحول أولاً مشكلة "الطبقتين من الجلد"، مما يثير الشكوك حول فعالية التكنولوجيا ومعدلات عائد الاستثمار غير الواضحة.

ومن بين الأشخاص الذين يندفعون إلى جنون النماذج الكبيرة، قد تكون المؤسسات المالية أول من يواجه التحدي المتمثل في "طبقتين من الجلد".

نحن نعلم أن الصناعة المالية كانت دائما من أوائل الشركات التي تتبنى التقنيات الجديدة، وقد بدأت في تجربة الذكاء الاصطناعي في وقت مبكر للغاية. ويمكن القول إنها "الطالبة المتفوقة" في الذكاء الاصطناعي الصناعي، وتتمتع بأساس معلوماتي ورقمي جيد. في جميع سيناريوهات المكاتب الأمامية والمتوسطة والخلفية للمؤسسات المالية، هناك مجال لخفض التكاليف وتحسين الكفاءة باستخدام نماذج كبيرة. ولذلك، يعتبر التمويل أيضًا هو السيناريو المفضل لتنفيذ النماذج الكبيرة.

كشركة رائدة في تنفيذ النماذج الكبيرة، إذا لم يتمكن المجال المالي من حل مشكلة "طبقتين من الجلد"، فهذا يعني أنه لا تزال هناك فجوة بين عرض البائع وعرض المشتري في التطبيق الفعلي للنماذج الكبيرة.

تأمل هذه المقالة في توضيح ما هي القضايا التي تفتح الفجوة بين التمويل والنماذج الكبيرة؟

01 السؤال 1: من هو الشخص الرئيسي؟

نظرًا لأنه نموذج واسع النطاق، فستقوده بالطبع شركات التكنولوجيا وشركات التكنولوجيا مثل OpenAI/BAT، وهذا شيء لا ترغب المؤسسات المالية في رؤيته.

أخبرنا أحد الخبراء في المجال المالي أنه بعد أن أصبحت هذه الموجة من النماذج الكبيرة شائعة، كانت المؤسسات المالية قلقة بشكل خاص وكان لديها عاطفة FOMO (الخوف من تفويت الفرصة).

بسبب الموجة الأخيرة من التكنولوجيا وظهور الهواتف الذكية والإنترنت عبر الهاتف المحمول، تم الاستيلاء على العديد من أعمال البنوك التقليدية وشركات الأوراق المالية من قبل الشركات المالية عبر الإنترنت. ووفقا لمصادر مطلعة على الصناعة، فإن هذه "المأساة الملحمية" يجب ألا تتكرر أبدا.

إن المؤسسات المالية، مدفوعة بالقلق التكنولوجي، نشطة للغاية في مواكبة اتجاه النماذج الضخمة. وليس هناك حاجة كبيرة إلى قيام شركات التكنولوجيا بتثقيف السوق كثيرا. وكان أداء الصناعة برمتها طيبا للغاية في قبول النماذج الكبيرة.

وفي الوقت نفسه، تولي المؤسسات المالية أيضًا أهمية كبيرة للإمساك بقوة بـ "الرقائق الأساسية" للنماذج المالية الكبيرة بأيديها، مع التركيز على مبدأ "وضعي في المقام الأول". وأشار بعض العاملين في الصناعة المصرفية إلى أن النماذج الكبيرة المناسبة للبنوك هي وحدها التي يمكن تطبيقها بعمق على السيناريوهات والعمليات التجارية. **كيف نفعل ذلك على وجه التحديد؟

**الفئة الأولى هي الرقائق الصلبة. **

بالنسبة للمؤسسات المالية، يعد أمن البيانات والامتثال للخصوصية أهدافًا صعبة دون أي تنازلات ولها متطلبات صارمة للغاية. ويؤدي هذا أيضًا إلى الحاجة إلى البناء المحلي ونشر وتشغيل النماذج المالية واسعة النطاق.

إن متطلبات النشر المحلي لها مزايا وعيوب بالنسبة لمصنعي النماذج الكبيرة. الميزة هي أنه بالمقارنة مع نموذج MaaS في الصناعات الأخرى التي تستدعي واجهات API مباشرة، فإن النشر المحلي له سعر وحدة أعلى وأرباح أعلى وقيمة تجارية أعلى. العيب هو أن النشر الخاص يتطلب مجموعة كاملة من الحلول في الحلول السحابية، ومعالجة البيانات، والتخزين، والتدريب على النماذج، والهندسة السريعة، وخدمات التشغيل والصيانة، وما إلى ذلك. ولا يقتصر تركيز المنافسة على النموذج الأساسي نفسه فقط، مما أدى إلى زيادة التكاليف و الصعوبات التي تواجه مقدمي الخدمات التقنية.

**الفئة الأخرى هي الرقائق الناعمة. **

ولكي تتمكن النماذج المالية الضخمة من الأداء الجيد، فإنها تتطلب ضبطاً دقيقاً لبيانات الملكية، وإدخال المعرفة بالمجال، والتغذية الراجعة المبنية على السيناريوهات. وتتمتع الصناعة المصرفية ذاتها بأساس رقمي جيد للغاية وتراكم عميق للبيانات، وهو ما يتحول إلى ورقة مساومة ناعمة في القطاع المصرفي. يديها.

في تطوير منتجات الذكاء الاصطناعي التوليدية، قامت شركة Morgan Stanley بدمج أكثر من 100000 تقرير مالي وبيانات داخلية وأدبيات مالية لضبط النموذج الأساسي لـ OpenAI. وفقًا للتقارير، جمعت الصناعة المصرفية الزراعية في بلدي أيضًا 2.6 تيرابايت من بيانات التدريب عالية الجودة لتدريب النماذج الكبيرة. بالإضافة إلى ذلك، على الرغم من أن النموذج الكبير الأساسي يتمتع بمعرفة عامة قوية، إلا أنه يفتقر إلى القدرة على "الدورة المهنية" ويفتقر إلى المعرفة المالية المهنية. بالإضافة إلى ذلك، فإن أعمال السيناريو المالي معقدة. يجب أن يطور النموذج الكبير الناشئ قدرات خدمة عالية الجودة ويصبح نموذجًا "نائب الذكاء الاصطناعي" الممتاز. القيادة ليست سهلة.

يتطلب هذا من الشركات المصنعة للنماذج الكبيرة وشركات التكنولوجيا تغيير التفكير المعتاد المتمثل في "التركيز على التكنولوجيا" و"أنا هنا لتمكينك/تخريبك"، وتعزيز الوعي بالخدمة، والتعاون مع العملاء الماليين، مع التركيز على العملاء الماليين.

إن تنفيذ النماذج واسعة النطاق في مجال التمويل ليس بأي حال من الأحوال ولا يمكن أن يكون "تعطيلًا تكنولوجيًا آخر للصناعة". سواء أكانت شركة تصنيع نماذج كبيرة عامة أو شركة تكامل مزود خدمة ISV، يجب أن ترقص على خط الأساس "العميل أولاً".

02 السؤال 2: لماذا يعتبر التكامل صعبا؟

إذا كانت المؤسسات المالية هي المؤسسات الرئيسية، ألن تصبح شركات التكنولوجيا "فرق بناء نموذجية كبيرة" لا يمكنها سوى تحصيل رسوم بسيطة مقابل العمل الشاق ولا يمكنها ممارسة إبداعاتها التكنولوجية؟

كبير لا يوجد رقم خاص.

**أولاً وقبل كل شيء، الذكاء الاصطناعي المالي ليس بالأمر الجديد. **

المؤسسات المالية ليست جاهلة بالذكاء الاصطناعي كما يعتقد الجميع. في الواقع، من بين جميع الصناعات، يعد المجال المالي بالتأكيد من بين أفضل المجالات من حيث "محتوى الذكاء الاصطناعي". قبل بضع سنوات أجريت مقابلة مع عميد كلية الذكاء الاصطناعي في إحدى جامعات 985 في الصين، وقال بصراحة إن الطلاب في مجال الذكاء الاصطناعي لا يذهبون إلى BAT أو الشركات الناشئة بعد التخرج، بل إلى مراكز المعلومات/ مراكز التكنولوجيا التابعة للمؤسسات المالية مثل بنك التجار الصيني، والانخراط في الذكاء الاصطناعي المالي.

لذلك، تطور اتجاه الذكاء الاصطناعي المالي بشكل ملحوظ منذ بضع سنوات. ولهذا السبب بدأت شعبية النماذج الكبيرة للتو هذا العام. عدد كبير من البنوك المحلية مثل البنك الصناعي والتجاري الصيني، وبينج آن، والبنك الزراعي الصيني، وتجار الصين. يمكن للبنك وبنك CITIC إنشاء فريق بحث خاص به لنماذج GPT الكبيرة بسرعة. تعتمد قدرة البنك على التصرف في الوقت المناسب على تراكم الاستثمار في الذكاء الاصطناعي على مدى السنوات القليلة الماضية. لذلك، بالتركيز على المؤسسات المالية، نقوم أيضًا ببناء نماذج مالية جيدة.

**ثانيًا، النماذج الكبيرة هي شيء جديد. **

كيف يكون النموذج الكبير أفضل من "الذكاء الاصطناعي التقليدي" وماذا يمكنه أن يفعل؟ هذا سؤال جديد فارغ تمامًا.

من الناحية النظرية، يمكن تشغيل النماذج الكبيرة من خلال جميع روابط سلسلة الصناعة المصرفية بأكملها، ويمكن العثور على سيناريوهات تطبيق LLM في كل خط عمل وكل معلومات استخباراتية. لكن في الواقع، ليس من الواضح كيفية دمج النموذج الكبير مع الأعمال عندما يتم تنفيذ جميع الروابط بالكامل، مما يعني فشل وإهدار الكثير من الاستكشاف.

لتسريع الاستكشاف وخفض التكاليف وتقليل المخاطر، يجب على المؤسسات المالية وشركات التكنولوجيا العمل معًا، مما يسمح للخبراء الماليين وعلماء الخوارزميات والمهندسين والمختبرين وما إلى ذلك بالجلوس معًا والاستكشاف معًا شيئًا فشيئًا واكتساب رؤى متعمقة حول السيناريوهات و"إزالة الأباطيل مع الاحتفاظ بصحتها" من حيث الطلب".

قال الشخص المسؤول عن مؤسسة مالية بصراحة إن الصناعة المالية اليوم لديها مجموعة غنية جدًا من التطبيقات الذكية. إذا قمت بفتح دليل ترويج المنتجات المالية لشركة الذكاء الاصطناعي، فيمكنك رؤية المئات من الإمكانات المجزأة، ولكن كيفية اختيار أكثرها مناسب للاندماج في مؤسستك الخاصة؟في مجال الأعمال، سيكون هناك الكثير من التجربة والخطأ في هذه العملية.

**في الوقت الحاضر، توصلت الصناعة بشكل أساسي إلى إجماع على ضرورة تحسين السيناريوهات للنماذج المالية الكبيرة. هناك عدة كلمات رئيسية: **

** 1. التردد العالي. **في بعض السيناريوهات الرئيسية والتطبيقات الرئيسية، يمكن تشغيل النماذج الكبيرة في أسرع وقت ممكن لحل المشكلات وخفض عتبة التطبيق. على سبيل المثال، يمكن للوظائف كثيفة العمالة في الأصل مثل خدمة العملاء الذكية والاستشارات الاستثمارية الذكية أن تؤدي بسرعة إلى خفض كبير في التكلفة ونتائج تحسين الكفاءة.

** 2. قيمة عالية. ** كن أول من يستكشف المناطق ذات القيمة الاجتماعية والتجارية. على سبيل المثال، التمويل الشامل هو خدمة مالية تحظى بتقدير حاليًا من قبل كل من الحكومة والقطاع الخاص، وهي تتطلب رؤى بيانات دقيقة، وتكلفة أقل، وقدرات خدمية يسهل الوصول إليها بشكل كبير لتقليل التكاليف المالية للمؤسسات الصغيرة والمتوسطة ومتناهية الصغر بشكل شامل. التجار. من بينها، يمكن أن تلعب قدرات التعبير متعدد الوسائط وقدرات الفهم والتحليل القوية للنماذج الكبيرة دورًا جيدًا للغاية.

**3. سهل النشر. **رد الفعل الأول للعديد من الممارسين الماليين عند سماعهم عن النماذج الكبيرة هو، هل تستطيع النماذج الصغيرة القيام بذلك؟ لقد وضعت النماذج الكبيرة متطلبات أعلى لقوة الحوسبة واستقرار البنية التحتية للأجهزة. وتعمل المؤسسات المالية على تسريع الترويج للأجهزة المحلية. ويتم نشر النماذج الكبيرة في كل خط عمل، مما يؤدي إلى ضغوط الأداء، وضغط التكلفة، وضغط النشر. وكلها كبيرة جدًا. لذلك، بعد ضغط النموذج الكبير وتحسينه، أو النموذج الصغير بنفس التأثير، يمكن تنفيذه في سيناريوهات الأعمال، مثل النموذج الكبير الذي يولد توصيات للمنتجات المالية المصرفية، والنموذج الكبير الذي يعمل كمساعد باحث لـ بالنسبة لشركات الأوراق المالية التقليدية المستخدمة بالفعل، يمكن استخدام النموذج الكبير. لن تؤدي ترقية النموذج إلى زيادة تكاليف الطاقة الحاسوبية المفرطة وعبء العمل الهندسي، وهو سيناريو تقدمي أسهل في التنفيذ.

على وجه التحديد، نظرًا لأن النموذج الكبير عبارة عن طبقة واحدة من الجلد والتطبيق الفعلي هو طبقة أخرى من الجلد، فإن كيفية دمج طبقتين من الجلد وفي أي السيناريوهات يجب تحديد الأولويات هي طريق غير سالك. ولا تستطيع المؤسسات المالية ولا شركات التكنولوجيا أن تعمل بمفردها. ولن يتسنى لنا أن نجد أفضل مسار للتكامل بين السيناريوهات المالية والنماذج الضخمة إلا من خلال العمل معا بشكل وثيق.

03 السؤال 3: لماذا يوجد الكثير من الأغلال؟

فهل من الممكن إيجاد سيناريو ما، والتركيز على التغلب عليه، ثم تكراره على نطاق واسع، حتى يتسنى للنماذج المالية الضخمة أن تتقدم بسرعة فائقة؟

ونحن نقول إن المؤسسات المالية لديها "المزيد من الناس، والمزيد من الأموال، والمزيد من التكنولوجيا"، ولكن هذا لا يتناسب إلا مع الصناعات الأخرى. في الواقع، من المستحيل على المؤسسات المالية تخصيص ميزانيات غير محدودة، واستثمار قوى عاملة غير محدودة، وفتح سيناريوهات غير محدودة للنماذج الكبيرة لإظهار مهاراتها حسب الرغبة. علاوة على ذلك، لا يزال هناك عدد كبير من البنوك وشركات الأوراق المالية الصغيرة والمتوسطة الحجم في المجال المالي، كما أن تكلفة الإبداع التكنولوجي التي يمكنها تحملها محدودة أيضًا.

ذكر أحد العاملين في البنوك شركة AIGC وقال: المنافسة تشتد، وعدد الموظفين محدود، والمواهب منعدمة، والتكاليف ضئيلة.

**يمكن القول أن الرقص بالأغلال هو السبب الرئيسي لـ "الجلد المزدوج" للتمويل والعارضات الكبيرة، "عرض البائع وعرض المشتري". **

** على سبيل المثال، مشكلة قوة الحوسبة. **في عملية استبدال التوطين، يجب أن تكسر النماذج المالية الكبيرة أغلال التدريب الباهظ التكلفة وتكاليف الطاقة الحاسوبية المرتفعة، مما يشكل اختبارًا شاملاً لأساس الأجهزة الخاصة بمصنعي النماذج، وقدرات البحث الذاتي، وقدرات التوافق البيئي، والتعاون في البرامج تحسين.

في الوقت الحاضر، يبذل كبار البائعين السحابيين جهودًا كبيرة لتطوير الأجهزة ذاتية التطوير، مثل Baidu's Kunlun، وYitian من Alibaba، وShengteng من Huawei، بالإضافة إلى دعم البرامج والنظام البيئي، وبدون ذلك، يكون من الصعب الفوز حقًا بالنموذج المالي الكبير.

**هناك أيضًا قيود على التكنولوجيا نفسها. **بصراحة، لا تزال هناك مشاكل كثيرة في تكنولوجيا النماذج الكبيرة نفسها، خاصة عند تنفيذها في المجال المالي، ولا بد من حل مشكلة الوهم، فالهراء غير مقبول للأعمال المالية الصارمة. إن طبيعة الصندوق الأسود للنموذج ستجعل عملية صنع القرار الذكي للذكاء الاصطناعي غير جديرة بالثقة وغير جديرة بالثقة، مما يجعلها غير قابلة للاستخدام حقًا في استشارات الاستثمار المالي وقرارات تحليل السوق.

**بالإضافة إلى ذلك، ستقوم المؤسسات المالية أيضًا بقياس نسبة المدخلات إلى المخرجات لعائد الاستثمار. **ولكن نظرًا لتراكم قدر كبير من الذكاء الاصطناعي التقليدي في المشهد المالي، مثل خدمة العملاء الذكية، فقد يكون الجميع قد تلقوا مكالمات مبيعات المنتجات ومكالمات تحصيل الفواتير من الروبوتات.

لذلك، بعد طرح النماذج الكبيرة، لا يوجد حاليًا معيار قياس واضح لمدى الفائدة التي يمكن أن تجلبها للعملاء، وكيفية تقييم نسبة العائد إلى الإنتاج (ROI)، وما هي التحسينات التي جلبتها النماذج الكبيرة.

ومن الواضح أن عدم القدرة على قياس مساهمة النماذج الضخمة في الأعمال التجارية من شأنه أن يؤدي إلى منافسة غير منظمة بين الشركات المصنعة للنماذج الضخمة أو المنافسة على العلاقات مع العملاء. وقد أصبح هذا أيضاً مصدراً للقلق الخفي إزاء عدم فعالية النماذج المالية الضخمة.

سيكون القضاء على الفجوة بين الصناعة والنماذج الكبيرة بمثابة خطوة قياسية في مسار النماذج الكبيرة في المستقبل.

في هذه العملية، قد توفر النماذج المالية الأولى واسعة النطاق التي تواجه مشكلة "الجلد ذو الطبقتين" الكثير من المراجع والممارسات المفيدة، وستصبح المؤسسات المالية الدفعة الأولى من المنقبين عن الذهب النموذجيين على نطاق واسع لاكتشاف مناجم الذهب سابقًا.