ظهور ChatGPT جعل صناعة المالية تشعر بقلق شديد. هذه الصناعة المليئة بالإيمان بالتكنولوجيا تخشى أن تُترك وراءها في أمواج العصر. قال أحد المهنيين في هذا المجال إنه في مايو من هذا العام، أثناء سفرها إلى دالي، استطاعت حتى في المعبد أن تسمع العاملين في المالية يناقشون النماذج الكبيرة.
ومع ذلك، فإن هذه المشاعر القلقة بدأت تتلاشى تدريجياً، وأصبحت أفكار الناس أكثر وضوحاً وعقلانية. وصف سون هونغجون، CTO للأعمال المصرفية في SoftTech، عدة مراحل من موقف صناعة المال تجاه النماذج الكبيرة هذا العام: في شهري فبراير ومارس، شعر الجميع بالقلق؛ في شهري أبريل ومايو، بدأوا بتشكيل فرق للعمل؛ وفي الأشهر القليلة التالية، واجهوا صعوبات في التنفيذ وبدأوا يصبحون عقلانيين؛ والآن، هم يركزون على دراسات الحالة الرائدة، ويحاولون التحقق من السيناريوهات التي تم تجربتها.
من الجدير بالذكر أن العديد من المؤسسات المالية بدأت تعطي أهمية لنماذج الذكاء الاصطناعي الكبيرة من منظور استراتيجي. وفقًا لإحصائيات غير كاملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A قدمت في أحدث تقاريرها نصف السنوية أنها تستكشف تطبيقات النماذج الكبيرة. من خلال التحركات الأخيرة، يبدو أنهم يقومون أيضًا بالتفكير والتخطيط بشكل أعمق من منظور استراتيجي وتصميم أعلى.
من الحماس الشديد إلى العودة العقلانية
أشار أحد المحترفين المخضرمين في صناعة المالية من شركة كبيرة إلى أنه مقارنةً قبل عدة أشهر، فإن فهم العملاء الماليين للنماذج الكبيرة قد تحسن بشكل ملحوظ. عندما ظهرت ChatGPT في بداية العام، على الرغم من حماس الجميع، إلا أن فهمهم لطبيعة النماذج الكبيرة وطرق تطبيقها كان محدودًا.
في هذه المرحلة، بدأت بعض البنوك الكبيرة التحرك في مقدمة الصف، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". على سبيل المثال، في مارس من هذا العام، أطلق بنك معين تطبيقاً كبيراً نموذجياً شبيهاً بـ ChatGPT. لكن الآراء في الصناعة كانت متباينة، حيث اعتبر البعض أن اسم هذا التطبيق يركز بشكل مفرط على الجزء "الدردشة" الذي ليس له أهمية كبيرة في ChatGPT، متجاهلاً الجزء الأكثر أهمية "GPT".
في الوقت نفسه، مع إصدار العديد من الشركات المحلية لنماذج كبيرة، بدأت بعض الأقسام التكنولوجية في المؤسسات المالية الرائدة بالتعاون بنشاط مع الشركات الكبرى لمناقشة بناء النماذج الكبيرة. وكشف الأشخاص المطلعون أن هذه المؤسسات المالية تأمل عمومًا في بناء نماذجها الخاصة، وتسعى للحصول على إرشادات من الشركات المصنعة في مجالات إعداد مجموعات البيانات، وشراء الخوادم، وتدريب النماذج. حتى أن إحدى الشركات التابعة لبنك كبير اقترحت أنها تأمل في أن تتمكن بعد الانتهاء من تقديم خدماتها للقطاع.
بعد مايو، بدأت الأمور تتغير. بسبب نقص موارد الحوسبة وارتفاع التكاليف، لم تعد العديد من المؤسسات المالية تسعى ببساطة لبناء موارد ونماذج خاصة بها، بل بدأت تركز أكثر على القيمة التطبيقية. الآن، يركز كل مؤسسة مالية على كيفية تطبيق المؤسسات الأخرى للنماذج الكبيرة والنتائج التي حققتها.
بالنسبة لمختلف أحجام الشركات، تم تشكيل مسارين. يمكن للمؤسسات المالية الكبيرة التي تمتلك كميات هائلة من البيانات المالية وسيناريوهات التطبيقات، إدخال نماذج كبيرة رائدة في الصناعة، وإنشاء نماذج كبيرة خاصة بها، وفي الوقت نفسه استخدام أسلوب التعديل الدقيق، لتشكيل نماذج كبيرة لمهام في مجالات متخصصة، مما يمكنها من تمكين الأعمال بسرعة لتعويض النقص في طول دورة بناء النماذج الكبيرة. أما المؤسسات المالية الصغيرة والمتوسطة، فيمكنها أخذ العائد على الاستثمار بعين الاعتبار، وجلب أنواع مختلفة من واجهات برمجة التطبيقات العامة للنماذج الكبيرة أو خدمات النشر الخاصة حسب الحاجة، لتلبية متطلبات التمكين مباشرة.
ومع ذلك، نظرًا للاحتياجات العالية للامتثال للبيانات والأمان والموثوقية في قطاع المالية، يعتقد بعض الأشخاص أن تقدم تطبيق نماذج الذكاء الاصطناعي الكبيرة في هذه الصناعة كان أبطأ قليلاً مما كان متوقعًا في بداية العام. قال سون هونغجون من شركة Softstone إنهم كانوا يتوقعون في البداية أن يكون قطاع المالية هو الذي سيستخدم نماذج الذكاء الاصطناعي الكبيرة على نطاق واسع أولاً، ولكن بناءً على الوضع النهائي لعملائهم، كان تقدم القطاع المالي أبطأ من قطاعات مثل القانون والتوظيف.
بدأت بعض المؤسسات المالية بالبحث عن حلول لمواجهة مختلف "العقبات" في عملية تطبيق النماذج الكبيرة.
على سبيل المثال، في مجال قوة الحوسبة، لاحظ الخبراء في الصناعة أن هناك عدة أفكار لحل المشكلات تظهر حالياً في القطاع المالي:
أولاً، إنشاء قوة حسابية مباشرة، التكلفة مرتفعة ولكن الأمان هو الأفضل. مناسب للمؤسسات المالية القوية التي تأمل في بناء نماذج كبيرة للصناعة أو الشركات، مثل بعض البنوك الكبيرة المملوكة للدولة.
ثانياً، يتم اعتماد طريقة النشر المختلط، مع عدم خروج البيانات الحساسة من النطاق، واستدعاء واجهة خدمة النموذج الكبير من السحابة العامة، بينما يتم معالجة خدمات البيانات المحلية من خلال النشر الخاص. هذه الطريقة تكلفة نسبياً منخفضة، حيث يتطلب الأمر استثمار عشرات الآلاف من اليوان لشراء عدد قليل من بطاقات GPU لتلبية الاحتياجات، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة التي تعاني من ضعف في الإمكانيات المالية وتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه مشكلة عدم القدرة على شراء بطاقات GPU اللازمة للنماذج الكبيرة أو عدم قدرتها على تحمل تكلفتها. وفيما يتعلق بهذه المشكلة، كشف المصدرون المذكورون أعلاه أن الجهات التنظيمية بدأت مؤخرًا في إجراء بعض الأبحاث لدراسة إمكانية بناء بنية تحتية للنماذج الكبيرة موجهة للصناعة بطريقة توفيقية، من خلال تركيز القوة الحاسوبية والموارد للنماذج الكبيرة العامة، بحيث تتمكن المؤسسات المالية الصغيرة والمتوسطة في الصناعة من استخدام خدمات النماذج الكبيرة، ومنعها من التراجع تقنيًا.
بالإضافة إلى مشكلات قوة الحوسبة، مع استكشاف تطبيق النماذج الكبيرة على مدار الأشهر الستة الماضية، بدأت العديد من المؤسسات المالية أيضًا في تعزيز جهود إدارة البيانات.
قدم أحد كبار المسؤولين في مزود خدمات السحابة المعروف، معلومات تفيد بأنه بالإضافة إلى المؤسسات المالية الكبيرة التي تتمتع بممارسات ناضجة في مجال حوكمة البيانات، بدأت المزيد من المؤسسات المالية المتوسطة في بناء منصات بيانات ونظم حوكمة بيانات، مثل بعض البنوك المحلية في النصف الأول من هذا العام. ويعتقد أن بناء نظام حوكمة بيانات متكامل ومنصة تقنية بحيرة البيانات سيكون من الموضوعات المهمة في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.
تعمل بعض البنوك أيضًا على حل مشاكل البيانات من خلال نموذج كبير + MLOps. على سبيل المثال، قامت إحدى البنوك الكبرى بتبني نموذج MLOps لإنشاء نظام مغلق للبيانات للنموذج الكبير، مما حقق التشغيل الآلي لكامل العملية، وكذلك الإدارة الموحدة والمعالجة الفعالة للبيانات المتعددة المصادر والهندسية. ووفقًا للتقارير، تم بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
الدخول من مشهد خارجي
على مدار أكثر من نصف عام ، كانت شركات النماذج الكبيرة والمؤسسات المالية الكبرى تبحث بنشاط عن سيناريوهات تطبيق. تم استكشاف مجالات مثل المكاتب الذكية ، والتطوير الذكي ، والتسويق الذكي ، وخدمة العملاء الذكية ، والبحث الذكي في الاستثمار ، وإدارة المخاطر الذكية ، وتحليل الطلبات واحدة تلو الأخرى.
كما قال أحد التنفيذيين في شركة تكنولوجيا مالية معروفة: "كل وظيفة رئيسية في سلسلة الأعمال المالية تستحق أن يتم إعادة تصميمها باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا في مجال المالية، وهي الآن تعمل مع مؤسسات شريكة لاختبار وبناء منتج نموذج كبير موجه لصناعة المالية. الهدف هو إنشاء مساعد أعمال ذكاء اصطناعي شامل لمتخصصي المالية مثل مستشاري الاستثمار، ووكلاء التأمين، وباحثي الاستثمار، وتسويق المالية، وتعويضات التأمين.
تمتلك كل مؤسسة مالية أفكارًا غنية حول تطبيقات النماذج الكبيرة. تشير إحدى البنوك الكبرى إلى أنه تم إطلاق تطبيقات في أكثر من 20 سيناريو داخليًا، بينما أفادت بنك آخر أنهم قاموا بتجريبها في أكثر من 30 سيناريو، في حين صرحت شركة أوراق مالية بأنها تستكشف ربط النماذج الكبيرة مع منصة الشخصيات الرقمية الافتراضية التي تم إطلاقها سابقًا...
لكن عندما يتعلق الأمر بإدخال النماذج الكبيرة في الأعمال، هناك إجماع عام على البدء من الداخل ثم التوسع إلى الخارج. لا يزال تكنولوجيا النماذج الكبيرة في مرحلة عدم النضج، حيث توجد مشكلات مثل الوهم، بينما يعد القطاع المالي مجالاً ذو تنظيم قوي، وأمن عالي، وموثوقية عالية.
"لا يُنصح باستخدامه مباشرة مع العملاء في المدى القصير." يعتبر المسؤول التقني في أحد البنوك الكبرى أن المؤسسات المالية ينبغي عليها أن تعطي الأولوية لتطبيق النماذج الكبيرة في فهم وإنشاء النصوص المالية والصور المالية في السيناريوهات ذات الكثافة الذهنية، لتحقيق التعاون بين الإنسان والآلة في شكل مساعد، وزيادة كفاءة عمل الموظفين.
قال المسؤولون التنفيذيون في مزود خدمة السحابة المذكور أعلاه إن العديد من العملاء الماليين يعتبرون أن مساعد الشيفرة ومساعد خدمة العملاء هما المشهدين اللذين يمكن أن يحققوا نتائج مباشرة في المرحلة الأولية. أما مشاهد مثل أبحاث الاستثمار، واستشارات الاستثمار، رغم قيمتها الكبيرة، فإنه من الصعب تحقيق نتائج سريعة، كما أن لها متطلبات عالية على البيانات.
حالياً، تم تطبيق مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك الكبرى بإنشاء نظام تطوير ذكي يعتمد على نموذج كبير، حيث وصلت نسبة الكود الذي تم إنشاؤه بواسطة مساعد البرمجة إلى 40% من إجمالي كمية الكود. ومثال آخر في مجال التأمين، قامت إحدى شركات التأمين بتطوير ملحق برمجة مساعد يعتمد على نموذج كبير، تم تضمينه مباشرة في أدوات التطوير الداخلية.
استنادًا إلى ذلك، تقدم بعض الشركات منتجات جاهزة للاستخدام للعملاء الماليين، مستندةً إلى قدرة نماذج الذكاء الاصطناعي الكبيرة على توليد الأكواد. وقدم أحد التنفيذيين في شركة خدمات تكنولوجيا المعلومات شرحًا حول منتجهم الذي أضاف مجموعة من الميزات مثل تقسيم المهام، والإجابات الدقيقة، وتجاوز قيود السياق، بناءً على قدرة النموذج الكبيرة على إكمال الأكواد. حاليًا، يتم استخدام هذا المنتج من قبل أكثر من 3000 شخص في أحد البنوك الدولية، بمعدل إكمال تلقائي للكود يتراوح بين 50% و90%.
هناك العديد من الحالات التطبيقية في مجال المكتب الذكي. قدم خبير من شركة تكنولوجيا كبيرة مسؤولة عن منتجات النماذج الكبيرة في الصناعة المالية، أن وظيفة أسئلة وأجوبة في الفروع التي أطلقوها بناءً على النماذج الكبيرة في القطاع المالي، تم إطلاقها في يوليو في أحد البنوك الكبيرة وقد تم推广ها إلى مئات الفروع، حيث تجاوزت نسبة قبول الإجابات 85%. حالياً، تم نسخ الحل القياسي الذي تم تطويره من أسئلة وأجوبة الوثائق بسرعة إلى العديد من البنوك والمؤسسات المالية الأخرى.
ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تطبيقها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، وأن النماذج الكبيرة لا تزال بعيدة عن التعمق في المستوى العملي لصناعة المالية.
"نحن نحكم بأن صعوبة العمل في سيناريوهات تطبيق الأعمال لا تزال كبيرة للغاية." قال أحد كبار المسؤولين في شركة خدمات تكنولوجيا المعلومات، إن التسويق، وإدارة المخاطر، والامتثال، وغيرها من السيناريوهات هي مناطق قد يؤدي فيها النموذج الكبير إلى تغييرات، وفي نفس الوقت هي أجزاء من نقاط الطلب من عملاء القطاع المالي، لكن في الوقت الحالي، لا يزال يتعين أن تعتمد هذه الأعمال على تحسين قدرات موردي النماذج الكبيرة في الأساس، ثم العمل على تنفيذ سيناريوهات الأعمال.
توقع كبار الشخصيات من الشركات الكبرى أن تظهر بحلول نهاية هذا العام مجموعة من المشاريع الحقيقية التي تستخدم النماذج الكبيرة في السيناريوهات الأساسية للأعمال في المؤسسات المالية أو معلومات المناقصة.
قبل ذلك، كانت هناك بعض التغييرات على مستوى التصميم الأعلى قيد التنفيذ.
في بداية سبتمبر، خلال مؤتمر صناعي، أبدى أستاذ معروف من جامعة شهيرة هذا الحكم: ستعيد الأنظمة الذكية والرقمية بأكملها في المستقبل بناءها على أساس النماذج الكبيرة. وهذا يتطلب من القطاع المالي إعادة هيكلة النظام أثناء دفع تنفيذ النماذج الكبيرة. في الوقت نفسه، لا ينبغي تجاهل قيمة النماذج الصغيرة التقليدية، بل يجب أن تتعاون النماذج الكبيرة والصغيرة معًا.
لقد تجلى هذا الاتجاه بشكل واسع في صناعة المالية. "الآن تقوم المؤسسات المالية باختبار نماذج كبيرة، وعادة ما تتبع نمطًا هرميًا." وقد قدم أحد التنفيذيين في مزود خدمات سحابية ، على عكس النموذج السابق الذي يتطلب بناء منصة لكل سيناريو، فإن النماذج الكبيرة قد منحت المؤسسات المالية فرصة للبدء من الصفر، بطريقة أكثر علمية لتخطيط النظام بشكل شامل.
يمكننا أن نرى أن العديد من المؤسسات المالية الرائدة قد أنشأت بالفعل إطار نظام طبقي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمات النموذج الكبير، وطبقة التطبيقات، مثل العديد من البنوك الكبيرة وشركات الأوراق المالية وشركات التأمين.
تتمتع هذه الأطر بنقطتين بارزتين: أولاً، تلعب النماذج الكبيرة دور المحور، حيث يتم استدعاء النماذج التقليدية كمهارات؛ ثانياً، تعتمد طبقة النماذج الكبيرة استراتيجية النماذج المتعددة، حيث يتم إجراء سباق داخلي لاختيار أفضل النتائج.
في الواقع، ليست المؤسسات المالية فقط، ففي ظل عدم استقرار الوضع الحالي، يعتمد بعض مقدمي خدمات التطبيقات الكبيرة أيضًا على استراتيجية النماذج المتعددة لاختيار أفضل أداء للخدمات. كشف مسؤول تنفيذي في شركة خدمات تكنولوجيا المعلومات أن طبقة النموذج الأساسية لديهم تضم أيضًا عددًا كبيرًا من النماذج اللغوية الكبيرة، وستقوم بتجميع الإجابات المثلى وفقًا لما تعيده كل نموذج كبير وتقديمها للمستخدم.
لا يزال هناك نقص كبير في المواهب
أدى تطبيق النماذج الكبيرة إلى بدء مواجهة الهيكل الوظيفي في صناعة المالية لبعض التحديات والتحولات.
في وقت سابق، قال أحد الأشخاص من شركة تكنولوجيا مالية في شنغهاي إنه مع ظهور ChatGPT، من بداية هذا العام حتى نهاية مايو، قامت شركته بالفعل بتسريح أكثر من 300 محلل بيانات. قبل بضع سنوات، كانت هذه وظيفة رائجة. وقد أثار هذا قلقه، بل بدأ يفكر مسبقًا في خيارات العمل المستقبلية لابنته.
شارك شخص ذو خبرة في المجال المالي من أحد البنوك الكبرى التأثيرات البديلة للنماذج الكبيرة على الأفراد. كان من المعتاد أن يقوم المتدربون في البنك بتلخيص المعلومات من جميع الجوانب كل صباح، ثم يتم تقديمها للأشخاص في قسم البحث والتطوير، ولكن الآن يمكن للنماذج الكبيرة إنجاز هذه الأعمال بدلاً من المتدربين.
ومع ذلك، فإن بعض البنوك لا ترغب في أن تؤدي النماذج الكبيرة إلى تقليص عدد الموظفين. على سبيل المثال، فإن أحد البنوك الكبيرة التي لديها 200,000 موظف في فروعها، قد أوضحت لموردي التكنولوجيا أنها لا ترغب في استبدال الموظفين بالنماذج الكبيرة، بل تريد أن توفر هذه النماذج فرصًا جديدة، لتحسين جودة خدمة الموظفين وكفاءة العمل، بينما يتم تحرير بعض الموظفين للقيام بمزيد من الأعمال ذات القيمة العالية.
تشمل هذه الاعتبارات أيضًا الاستقرار في الأفراد والهياكل. من ناحية أخرى، فإن هناك أيضًا نقص في المواهب في العديد من المناصب داخل الصناعة.
أفاد أحد التنفيذيين في شركة خدمات تكنولوجيا المعلومات أن البنوك الكبيرة لديها الكثير من الأعمال غير المكتملة، حيث تم جدولة بعض متطلبات تكنولوجيا المعلومات حتى نهاية العام المقبل، وهم يتوقعون أن تساعد النماذج الكبيرة الموظفين على إنجاز المزيد من الأعمال، وزيادة الكفاءة والسرعة، بدلاً من تقليل عدد الموظفين.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
استكشاف تطبيقات نماذج كبيرة في القطاع المالي: من القلق إلى العقلانية، تتضح السيناريوهات تدريجياً
استكشاف تطبيق النماذج الكبيرة في الصناعة المالية
ظهور ChatGPT جعل صناعة المالية تشعر بقلق شديد. هذه الصناعة المليئة بالإيمان بالتكنولوجيا تخشى أن تُترك وراءها في أمواج العصر. قال أحد المهنيين في هذا المجال إنه في مايو من هذا العام، أثناء سفرها إلى دالي، استطاعت حتى في المعبد أن تسمع العاملين في المالية يناقشون النماذج الكبيرة.
ومع ذلك، فإن هذه المشاعر القلقة بدأت تتلاشى تدريجياً، وأصبحت أفكار الناس أكثر وضوحاً وعقلانية. وصف سون هونغجون، CTO للأعمال المصرفية في SoftTech، عدة مراحل من موقف صناعة المال تجاه النماذج الكبيرة هذا العام: في شهري فبراير ومارس، شعر الجميع بالقلق؛ في شهري أبريل ومايو، بدأوا بتشكيل فرق للعمل؛ وفي الأشهر القليلة التالية، واجهوا صعوبات في التنفيذ وبدأوا يصبحون عقلانيين؛ والآن، هم يركزون على دراسات الحالة الرائدة، ويحاولون التحقق من السيناريوهات التي تم تجربتها.
من الجدير بالذكر أن العديد من المؤسسات المالية بدأت تعطي أهمية لنماذج الذكاء الاصطناعي الكبيرة من منظور استراتيجي. وفقًا لإحصائيات غير كاملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A قدمت في أحدث تقاريرها نصف السنوية أنها تستكشف تطبيقات النماذج الكبيرة. من خلال التحركات الأخيرة، يبدو أنهم يقومون أيضًا بالتفكير والتخطيط بشكل أعمق من منظور استراتيجي وتصميم أعلى.
من الحماس الشديد إلى العودة العقلانية
أشار أحد المحترفين المخضرمين في صناعة المالية من شركة كبيرة إلى أنه مقارنةً قبل عدة أشهر، فإن فهم العملاء الماليين للنماذج الكبيرة قد تحسن بشكل ملحوظ. عندما ظهرت ChatGPT في بداية العام، على الرغم من حماس الجميع، إلا أن فهمهم لطبيعة النماذج الكبيرة وطرق تطبيقها كان محدودًا.
في هذه المرحلة، بدأت بعض البنوك الكبيرة التحرك في مقدمة الصف، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". على سبيل المثال، في مارس من هذا العام، أطلق بنك معين تطبيقاً كبيراً نموذجياً شبيهاً بـ ChatGPT. لكن الآراء في الصناعة كانت متباينة، حيث اعتبر البعض أن اسم هذا التطبيق يركز بشكل مفرط على الجزء "الدردشة" الذي ليس له أهمية كبيرة في ChatGPT، متجاهلاً الجزء الأكثر أهمية "GPT".
في الوقت نفسه، مع إصدار العديد من الشركات المحلية لنماذج كبيرة، بدأت بعض الأقسام التكنولوجية في المؤسسات المالية الرائدة بالتعاون بنشاط مع الشركات الكبرى لمناقشة بناء النماذج الكبيرة. وكشف الأشخاص المطلعون أن هذه المؤسسات المالية تأمل عمومًا في بناء نماذجها الخاصة، وتسعى للحصول على إرشادات من الشركات المصنعة في مجالات إعداد مجموعات البيانات، وشراء الخوادم، وتدريب النماذج. حتى أن إحدى الشركات التابعة لبنك كبير اقترحت أنها تأمل في أن تتمكن بعد الانتهاء من تقديم خدماتها للقطاع.
بعد مايو، بدأت الأمور تتغير. بسبب نقص موارد الحوسبة وارتفاع التكاليف، لم تعد العديد من المؤسسات المالية تسعى ببساطة لبناء موارد ونماذج خاصة بها، بل بدأت تركز أكثر على القيمة التطبيقية. الآن، يركز كل مؤسسة مالية على كيفية تطبيق المؤسسات الأخرى للنماذج الكبيرة والنتائج التي حققتها.
بالنسبة لمختلف أحجام الشركات، تم تشكيل مسارين. يمكن للمؤسسات المالية الكبيرة التي تمتلك كميات هائلة من البيانات المالية وسيناريوهات التطبيقات، إدخال نماذج كبيرة رائدة في الصناعة، وإنشاء نماذج كبيرة خاصة بها، وفي الوقت نفسه استخدام أسلوب التعديل الدقيق، لتشكيل نماذج كبيرة لمهام في مجالات متخصصة، مما يمكنها من تمكين الأعمال بسرعة لتعويض النقص في طول دورة بناء النماذج الكبيرة. أما المؤسسات المالية الصغيرة والمتوسطة، فيمكنها أخذ العائد على الاستثمار بعين الاعتبار، وجلب أنواع مختلفة من واجهات برمجة التطبيقات العامة للنماذج الكبيرة أو خدمات النشر الخاصة حسب الحاجة، لتلبية متطلبات التمكين مباشرة.
ومع ذلك، نظرًا للاحتياجات العالية للامتثال للبيانات والأمان والموثوقية في قطاع المالية، يعتقد بعض الأشخاص أن تقدم تطبيق نماذج الذكاء الاصطناعي الكبيرة في هذه الصناعة كان أبطأ قليلاً مما كان متوقعًا في بداية العام. قال سون هونغجون من شركة Softstone إنهم كانوا يتوقعون في البداية أن يكون قطاع المالية هو الذي سيستخدم نماذج الذكاء الاصطناعي الكبيرة على نطاق واسع أولاً، ولكن بناءً على الوضع النهائي لعملائهم، كان تقدم القطاع المالي أبطأ من قطاعات مثل القانون والتوظيف.
بدأت بعض المؤسسات المالية بالبحث عن حلول لمواجهة مختلف "العقبات" في عملية تطبيق النماذج الكبيرة.
على سبيل المثال، في مجال قوة الحوسبة، لاحظ الخبراء في الصناعة أن هناك عدة أفكار لحل المشكلات تظهر حالياً في القطاع المالي:
أولاً، إنشاء قوة حسابية مباشرة، التكلفة مرتفعة ولكن الأمان هو الأفضل. مناسب للمؤسسات المالية القوية التي تأمل في بناء نماذج كبيرة للصناعة أو الشركات، مثل بعض البنوك الكبيرة المملوكة للدولة.
ثانياً، يتم اعتماد طريقة النشر المختلط، مع عدم خروج البيانات الحساسة من النطاق، واستدعاء واجهة خدمة النموذج الكبير من السحابة العامة، بينما يتم معالجة خدمات البيانات المحلية من خلال النشر الخاص. هذه الطريقة تكلفة نسبياً منخفضة، حيث يتطلب الأمر استثمار عشرات الآلاف من اليوان لشراء عدد قليل من بطاقات GPU لتلبية الاحتياجات، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة التي تعاني من ضعف في الإمكانيات المالية وتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه مشكلة عدم القدرة على شراء بطاقات GPU اللازمة للنماذج الكبيرة أو عدم قدرتها على تحمل تكلفتها. وفيما يتعلق بهذه المشكلة، كشف المصدرون المذكورون أعلاه أن الجهات التنظيمية بدأت مؤخرًا في إجراء بعض الأبحاث لدراسة إمكانية بناء بنية تحتية للنماذج الكبيرة موجهة للصناعة بطريقة توفيقية، من خلال تركيز القوة الحاسوبية والموارد للنماذج الكبيرة العامة، بحيث تتمكن المؤسسات المالية الصغيرة والمتوسطة في الصناعة من استخدام خدمات النماذج الكبيرة، ومنعها من التراجع تقنيًا.
بالإضافة إلى مشكلات قوة الحوسبة، مع استكشاف تطبيق النماذج الكبيرة على مدار الأشهر الستة الماضية، بدأت العديد من المؤسسات المالية أيضًا في تعزيز جهود إدارة البيانات.
قدم أحد كبار المسؤولين في مزود خدمات السحابة المعروف، معلومات تفيد بأنه بالإضافة إلى المؤسسات المالية الكبيرة التي تتمتع بممارسات ناضجة في مجال حوكمة البيانات، بدأت المزيد من المؤسسات المالية المتوسطة في بناء منصات بيانات ونظم حوكمة بيانات، مثل بعض البنوك المحلية في النصف الأول من هذا العام. ويعتقد أن بناء نظام حوكمة بيانات متكامل ومنصة تقنية بحيرة البيانات سيكون من الموضوعات المهمة في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.
تعمل بعض البنوك أيضًا على حل مشاكل البيانات من خلال نموذج كبير + MLOps. على سبيل المثال، قامت إحدى البنوك الكبرى بتبني نموذج MLOps لإنشاء نظام مغلق للبيانات للنموذج الكبير، مما حقق التشغيل الآلي لكامل العملية، وكذلك الإدارة الموحدة والمعالجة الفعالة للبيانات المتعددة المصادر والهندسية. ووفقًا للتقارير، تم بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
الدخول من مشهد خارجي
على مدار أكثر من نصف عام ، كانت شركات النماذج الكبيرة والمؤسسات المالية الكبرى تبحث بنشاط عن سيناريوهات تطبيق. تم استكشاف مجالات مثل المكاتب الذكية ، والتطوير الذكي ، والتسويق الذكي ، وخدمة العملاء الذكية ، والبحث الذكي في الاستثمار ، وإدارة المخاطر الذكية ، وتحليل الطلبات واحدة تلو الأخرى.
كما قال أحد التنفيذيين في شركة تكنولوجيا مالية معروفة: "كل وظيفة رئيسية في سلسلة الأعمال المالية تستحق أن يتم إعادة تصميمها باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا في مجال المالية، وهي الآن تعمل مع مؤسسات شريكة لاختبار وبناء منتج نموذج كبير موجه لصناعة المالية. الهدف هو إنشاء مساعد أعمال ذكاء اصطناعي شامل لمتخصصي المالية مثل مستشاري الاستثمار، ووكلاء التأمين، وباحثي الاستثمار، وتسويق المالية، وتعويضات التأمين.
تمتلك كل مؤسسة مالية أفكارًا غنية حول تطبيقات النماذج الكبيرة. تشير إحدى البنوك الكبرى إلى أنه تم إطلاق تطبيقات في أكثر من 20 سيناريو داخليًا، بينما أفادت بنك آخر أنهم قاموا بتجريبها في أكثر من 30 سيناريو، في حين صرحت شركة أوراق مالية بأنها تستكشف ربط النماذج الكبيرة مع منصة الشخصيات الرقمية الافتراضية التي تم إطلاقها سابقًا...
لكن عندما يتعلق الأمر بإدخال النماذج الكبيرة في الأعمال، هناك إجماع عام على البدء من الداخل ثم التوسع إلى الخارج. لا يزال تكنولوجيا النماذج الكبيرة في مرحلة عدم النضج، حيث توجد مشكلات مثل الوهم، بينما يعد القطاع المالي مجالاً ذو تنظيم قوي، وأمن عالي، وموثوقية عالية.
"لا يُنصح باستخدامه مباشرة مع العملاء في المدى القصير." يعتبر المسؤول التقني في أحد البنوك الكبرى أن المؤسسات المالية ينبغي عليها أن تعطي الأولوية لتطبيق النماذج الكبيرة في فهم وإنشاء النصوص المالية والصور المالية في السيناريوهات ذات الكثافة الذهنية، لتحقيق التعاون بين الإنسان والآلة في شكل مساعد، وزيادة كفاءة عمل الموظفين.
قال المسؤولون التنفيذيون في مزود خدمة السحابة المذكور أعلاه إن العديد من العملاء الماليين يعتبرون أن مساعد الشيفرة ومساعد خدمة العملاء هما المشهدين اللذين يمكن أن يحققوا نتائج مباشرة في المرحلة الأولية. أما مشاهد مثل أبحاث الاستثمار، واستشارات الاستثمار، رغم قيمتها الكبيرة، فإنه من الصعب تحقيق نتائج سريعة، كما أن لها متطلبات عالية على البيانات.
حالياً، تم تطبيق مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك الكبرى بإنشاء نظام تطوير ذكي يعتمد على نموذج كبير، حيث وصلت نسبة الكود الذي تم إنشاؤه بواسطة مساعد البرمجة إلى 40% من إجمالي كمية الكود. ومثال آخر في مجال التأمين، قامت إحدى شركات التأمين بتطوير ملحق برمجة مساعد يعتمد على نموذج كبير، تم تضمينه مباشرة في أدوات التطوير الداخلية.
استنادًا إلى ذلك، تقدم بعض الشركات منتجات جاهزة للاستخدام للعملاء الماليين، مستندةً إلى قدرة نماذج الذكاء الاصطناعي الكبيرة على توليد الأكواد. وقدم أحد التنفيذيين في شركة خدمات تكنولوجيا المعلومات شرحًا حول منتجهم الذي أضاف مجموعة من الميزات مثل تقسيم المهام، والإجابات الدقيقة، وتجاوز قيود السياق، بناءً على قدرة النموذج الكبيرة على إكمال الأكواد. حاليًا، يتم استخدام هذا المنتج من قبل أكثر من 3000 شخص في أحد البنوك الدولية، بمعدل إكمال تلقائي للكود يتراوح بين 50% و90%.
هناك العديد من الحالات التطبيقية في مجال المكتب الذكي. قدم خبير من شركة تكنولوجيا كبيرة مسؤولة عن منتجات النماذج الكبيرة في الصناعة المالية، أن وظيفة أسئلة وأجوبة في الفروع التي أطلقوها بناءً على النماذج الكبيرة في القطاع المالي، تم إطلاقها في يوليو في أحد البنوك الكبيرة وقد تم推广ها إلى مئات الفروع، حيث تجاوزت نسبة قبول الإجابات 85%. حالياً، تم نسخ الحل القياسي الذي تم تطويره من أسئلة وأجوبة الوثائق بسرعة إلى العديد من البنوك والمؤسسات المالية الأخرى.
ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تطبيقها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، وأن النماذج الكبيرة لا تزال بعيدة عن التعمق في المستوى العملي لصناعة المالية.
"نحن نحكم بأن صعوبة العمل في سيناريوهات تطبيق الأعمال لا تزال كبيرة للغاية." قال أحد كبار المسؤولين في شركة خدمات تكنولوجيا المعلومات، إن التسويق، وإدارة المخاطر، والامتثال، وغيرها من السيناريوهات هي مناطق قد يؤدي فيها النموذج الكبير إلى تغييرات، وفي نفس الوقت هي أجزاء من نقاط الطلب من عملاء القطاع المالي، لكن في الوقت الحالي، لا يزال يتعين أن تعتمد هذه الأعمال على تحسين قدرات موردي النماذج الكبيرة في الأساس، ثم العمل على تنفيذ سيناريوهات الأعمال.
توقع كبار الشخصيات من الشركات الكبرى أن تظهر بحلول نهاية هذا العام مجموعة من المشاريع الحقيقية التي تستخدم النماذج الكبيرة في السيناريوهات الأساسية للأعمال في المؤسسات المالية أو معلومات المناقصة.
قبل ذلك، كانت هناك بعض التغييرات على مستوى التصميم الأعلى قيد التنفيذ.
في بداية سبتمبر، خلال مؤتمر صناعي، أبدى أستاذ معروف من جامعة شهيرة هذا الحكم: ستعيد الأنظمة الذكية والرقمية بأكملها في المستقبل بناءها على أساس النماذج الكبيرة. وهذا يتطلب من القطاع المالي إعادة هيكلة النظام أثناء دفع تنفيذ النماذج الكبيرة. في الوقت نفسه، لا ينبغي تجاهل قيمة النماذج الصغيرة التقليدية، بل يجب أن تتعاون النماذج الكبيرة والصغيرة معًا.
لقد تجلى هذا الاتجاه بشكل واسع في صناعة المالية. "الآن تقوم المؤسسات المالية باختبار نماذج كبيرة، وعادة ما تتبع نمطًا هرميًا." وقد قدم أحد التنفيذيين في مزود خدمات سحابية ، على عكس النموذج السابق الذي يتطلب بناء منصة لكل سيناريو، فإن النماذج الكبيرة قد منحت المؤسسات المالية فرصة للبدء من الصفر، بطريقة أكثر علمية لتخطيط النظام بشكل شامل.
يمكننا أن نرى أن العديد من المؤسسات المالية الرائدة قد أنشأت بالفعل إطار نظام طبقي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمات النموذج الكبير، وطبقة التطبيقات، مثل العديد من البنوك الكبيرة وشركات الأوراق المالية وشركات التأمين.
تتمتع هذه الأطر بنقطتين بارزتين: أولاً، تلعب النماذج الكبيرة دور المحور، حيث يتم استدعاء النماذج التقليدية كمهارات؛ ثانياً، تعتمد طبقة النماذج الكبيرة استراتيجية النماذج المتعددة، حيث يتم إجراء سباق داخلي لاختيار أفضل النتائج.
في الواقع، ليست المؤسسات المالية فقط، ففي ظل عدم استقرار الوضع الحالي، يعتمد بعض مقدمي خدمات التطبيقات الكبيرة أيضًا على استراتيجية النماذج المتعددة لاختيار أفضل أداء للخدمات. كشف مسؤول تنفيذي في شركة خدمات تكنولوجيا المعلومات أن طبقة النموذج الأساسية لديهم تضم أيضًا عددًا كبيرًا من النماذج اللغوية الكبيرة، وستقوم بتجميع الإجابات المثلى وفقًا لما تعيده كل نموذج كبير وتقديمها للمستخدم.
لا يزال هناك نقص كبير في المواهب
أدى تطبيق النماذج الكبيرة إلى بدء مواجهة الهيكل الوظيفي في صناعة المالية لبعض التحديات والتحولات.
في وقت سابق، قال أحد الأشخاص من شركة تكنولوجيا مالية في شنغهاي إنه مع ظهور ChatGPT، من بداية هذا العام حتى نهاية مايو، قامت شركته بالفعل بتسريح أكثر من 300 محلل بيانات. قبل بضع سنوات، كانت هذه وظيفة رائجة. وقد أثار هذا قلقه، بل بدأ يفكر مسبقًا في خيارات العمل المستقبلية لابنته.
شارك شخص ذو خبرة في المجال المالي من أحد البنوك الكبرى التأثيرات البديلة للنماذج الكبيرة على الأفراد. كان من المعتاد أن يقوم المتدربون في البنك بتلخيص المعلومات من جميع الجوانب كل صباح، ثم يتم تقديمها للأشخاص في قسم البحث والتطوير، ولكن الآن يمكن للنماذج الكبيرة إنجاز هذه الأعمال بدلاً من المتدربين.
ومع ذلك، فإن بعض البنوك لا ترغب في أن تؤدي النماذج الكبيرة إلى تقليص عدد الموظفين. على سبيل المثال، فإن أحد البنوك الكبيرة التي لديها 200,000 موظف في فروعها، قد أوضحت لموردي التكنولوجيا أنها لا ترغب في استبدال الموظفين بالنماذج الكبيرة، بل تريد أن توفر هذه النماذج فرصًا جديدة، لتحسين جودة خدمة الموظفين وكفاءة العمل، بينما يتم تحرير بعض الموظفين للقيام بمزيد من الأعمال ذات القيمة العالية.
تشمل هذه الاعتبارات أيضًا الاستقرار في الأفراد والهياكل. من ناحية أخرى، فإن هناك أيضًا نقص في المواهب في العديد من المناصب داخل الصناعة.
أفاد أحد التنفيذيين في شركة خدمات تكنولوجيا المعلومات أن البنوك الكبيرة لديها الكثير من الأعمال غير المكتملة، حيث تم جدولة بعض متطلبات تكنولوجيا المعلومات حتى نهاية العام المقبل، وهم يتوقعون أن تساعد النماذج الكبيرة الموظفين على إنجاز المزيد من الأعمال، وزيادة الكفاءة والسرعة، بدلاً من تقليل عدد الموظفين.
أكثر
النموذج الكبير يواجه اختبارًا حقيقيًا