νέα

Στις 24 Ιανουαρίου 2024, η «2024 Generative AI Application Report in the Financial Industry» που συγχρηματοδοτήθηκε από τη Σχολή Οικονομικών και Διοίκησης του Πανεπιστημίου Tsinghua, Du Xiaoman, MIT Technology Review China, και το ερευνητικό κέντρο Dynamic Competition and Innovation Strategy του Πανεπιστημίου Tsinghua Σχολή Οικονομικών και Διοίκησης 》Η έκδοση και το σεμινάριο πραγματοποιήθηκαν με επιτυχία στη Σχολή Οικονομικών και Διοίκησης του Πανεπιστημίου Tsinghua. Η συνέντευξη Τύπου φιλοξενήθηκε από τον Li Jizhen, καθηγητή και αναπληρωτή κοσμήτορα της Σχολής Οικονομικών και Διοίκησης του Πανεπιστημίου Tsinghua.

Ο καθηγητής Li Jizhen παρουσίασε αρχικά το σχετικό υπόβαθρο της συνέντευξης Τύπου και εκφώνησε ομιλία εκ μέρους της Σχολής Οικονομικών και Διοίκησης του Πανεπιστημίου Tsinghua, καλωσορίζοντας τους προσκεκλημένους και όλα τα ακροατήρια. Στη συνέχεια, ο καθηγητής Li Jizhen κάλεσε τον Xu Dongliang, CTO της Duxiaoman, και τον Zhang Lan, αναπληρωτή εκδότη του MIT Technology Review China, να εκφωνήσουν ομιλίες αντίστοιχα. Μετά τις ομιλίες, οι προσκεκλημένοι έκαναν βασικές ομιλίες και μοιράστηκαν τις απόψεις τους.

Εικόνα |. Sun Kewei, Τεχνικός Διευθυντής Τεχνολογίας ICBC

Sun Kewei, Τεχνικός Διευθυντής της ICBC Technology: Ένα νέο παράδειγμα συνεργασίας ανθρώπου-μηχανής

Ο Sun Kewei, Τεχνικός Διευθυντής της ICBC Technology, μοιράστηκε το θέμα «Εφαρμογή Μεγάλων Μοντέλων στον Πεδίο της Χρηματοοικονομικής Τεχνολογίας».

Ο Sun Kewei επεσήμανε ότι με την άφιξη μεγάλων μοντέλων, οι εφαρμογές τεχνητής νοημοσύνης μπορούν να χωριστούν σε τρία στάδια. Το πρώτο είναι το στάδιο αρχικής επένδυσης και κατασκευής της τεχνητής νοημοσύνης, το οποίο κατασκευάζεται κυρίως μέσω προμηθειών. Το δεύτερο βήμα είναι το στάδιο της πολυδιάστατης δοκιμαστικής διάταξης, το οποίο υιοθετεί ένα μοντέλο που συνδυάζει την αυτο-έρευνα και την ανάπτυξη για να κάνει διαφοροποιημένες προσπάθειες. Το τελευταίο στάδιο είναι το στάδιο της εις βάθος ώριμης αίτησης, όπου τα μεγάλα χρηματοπιστωτικά ιδρύματα είναι πιο διατεθειμένα να διεξάγουν αυτο-έρευνα, που συμπληρώνεται από προμήθειες.

Σύμφωνα με τον Sun Kewei, η κατασκευή συστημάτων τεχνολογίας τεχνητής νοημοσύνης στον χρηματοοικονομικό τομέα περιλαμβάνει έξι πτυχές. Το πρώτο είναι η υπολογιστική ισχύς, οι αλγόριθμοι και η μοντελοποίηση Η υπολογιστική ισχύς αντιστοιχεί στην τεχνολογική πλατφόρμα και οι αλγόριθμοι αντιστοιχούν στην αποκρυστάλλωση της υψηλότερης σοφίας. Έπειτα έρχεται η δημιουργία ικανοτήτων, με βάση τη συσσώρευση δεδομένων και την εξέταση των πλαισίων εφαρμογών. Οι δυνατότητες, τα δεδομένα και τα πλαίσια επικεντρώνονται στην επιχείρηση.

Από επιχειρηματική άποψη, τα μεγάλα μοντέλα τεχνητής νοημοσύνης μπορούν να χωριστούν σε τέσσερις κατηγορίες: βασικά μεγάλα μοντέλα, μεγάλα μοντέλα βιομηχανίας, μεγάλα μοντέλα επιχειρήσεων και μεγάλα μοντέλα εργασιών. Μια άλλη αλλαγή που επιφέρουν τα μεγάλα μοντέλα είναι η δημιουργία ενός νέου παραδείγματος συνεργασίας ανθρώπου-μηχανής. Η Sun Kewei πιστεύει ότι μετά την εισαγωγή μεγάλων μοντέλων, μπορεί να αντικαταστήσει τη δουλειά ορισμένων ανθρώπων, γεγονός που φέρνει την πρόκληση της αλλαγής ρόλων και παραδειγμάτων.

"(Πρέπει να επιλύσουμε ζητήματα τεχνικής σταθερότητας και τεχνικά λογικά ζητήματα, να εξετάσουμε διεξοδικά τα τεχνικά πλεονεκτήματα και τους ανεξέλεγκτους κινδύνους της τεχνολογίας μεγάλων μοντέλων στη δημιουργία περιεχομένου, πολλαπλών τρόπων, μικρών δειγμάτων κ.λπ., και να τηρούμε τον προσανατολισμό του προβλήματος και τον προσανατολισμό της ζήτησης. "Εξήγησε τον δρόμο.

Εν μέσω ζωηρών συζητήσεων και ατελείωτων ανταλλαγών, η κυκλοφορία και το σεμινάριο της «2024 Generative AI Application Report in the Financial Industry» κατέληξε με επιτυχία. Μπορεί να φανεί ότι παρόλο που υπάρχουν πολλές δυσκολίες και αβεβαιότητες στην εφαρμογή της γενετικής τεχνητής νοημοσύνης, όλοι οι συμμετέχοντες είναι γεμάτοι αισιοδοξία και προσδοκίες για το μέλλον της. Είναι προφανές ότι είτε πρόκειται για χρηματοοικονομικά είτε για άλλους κλάδους, οι αλλαγές που επιφέρει η γενετική τεχνητή νοημοσύνη έχουν αρχίσει αθόρυβα. Κοιτάζοντας το 2024 και μετά, είναι ολοένα και πιο σημαντικό για τον χρηματοπιστωτικό κλάδο να αγκαλιάσει προληπτικά τη μετασχηματιστική τεχνολογία της γενετικής τεχνητής νοημοσύνης και να ξεκινήσει υπεύθυνες στρατηγικές διακυβέρνησης της τεχνητής νοημοσύνης, οι οποίες θα επιτρέψουν στην κοινωνία να αξιοποιήσει πλήρως τη μετασχηματιστική δύναμη της γενετικής τεχνητής νοημοσύνης ευημερία.