حالة تطبيق النماذج الكبيرة في الصناعة المالية وآفاقها
منذ ظهور ChatGPT، انتشرت مشاعر القلق حول تقنية الذكاء الاصطناعي بسرعة في القطاع المالي. قال أحد المتخصصين في الصناعة إنه أثناء سفره إلى دالي في مايو من هذا العام، تمكن حتى من مقابلة ممارسين ماليين يناقشون النماذج الكبيرة حتى في المعابد.
ومع ذلك، فإن هذا القلق بدأ يتلاشى تدريجياً، وأصبحت آراء الصناعة حول النماذج الكبيرة أكثر عقلانية. وصف سون هونغجون، الرئيس التنفيذي لتكنولوجيا المعلومات في بنك سوفتون، مراحل مختلفة من موقف الصناعة المالية تجاه النماذج الكبيرة هذا العام: في شهري فبراير ومارس، كان هناك شعور عام بالقلق؛ في شهري أبريل ومايو، بدأوا جميعاً في تشكيل فرق للعمل على المشاريع ذات الصلة؛ ثم واجهوا صعوبات في تحديد الاتجاه والتنفيذ خلال الأشهر القليلة التالية، وبدأوا يصبحون أكثر عقلانية؛ والآن يتم استخدام مؤشرات مرجعية، ومحاولة اختبار سيناريوهات التطبيقات التي تم التحقق منها.
من الجدير بالذكر أن العديد من المؤسسات المالية قد رفعت النموذج الكبير إلى مستوى استراتيجي. وفقًا للإحصاءات غير المكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A قد ذكرت بوضوح في أحدث تقاريرها نصف السنوية أنها تستكشف تطبيقات النموذج الكبير. من خلال الاتجاهات الأخيرة، يبدو أنهم يقومون بتفكير أكثر وضوحًا وتخطيطًا للطرق من منظور استراتيجي وتصميم قمة.
من الحماس المفرط إلى العودة العقلانية
قال شخص بارز في صناعة التمويل من شركة تكنولوجيا كبيرة، إنه مقارنةً بما كان عليه قبل عدة أشهر، فإن فهم العملاء الماليين لنموذج الذكاء الاصطناعي الكبير قد تحسن بشكل ملحوظ. في بداية العام، عندما تم إطلاق ChatGPT، على الرغم من الحماس الكبير، إلا أن الفهم لطبيعة نموذج الذكاء الاصطناعي الكبير وطرق تطبيقه كان محدودًا.
في هذه المرحلة، بدأت بعض البنوك الكبيرة في اتخاذ المبادرة وبدء حملات دعائية متنوعة. على سبيل المثال، في مارس من هذا العام، أطلقت إحدى البنوك الكبيرة تطبيق نموذج كبير مشابه لـ ChatGPT، لكن تقييمات الصناعة كانت متباينة. في ذلك الوقت، اعتبر البعض أن تسمية التطبيق تركز بشكل مفرط على وظيفة الدردشة، متجاهلة الجزء الأكثر أهمية المتعلق بـ GPT.
مع إصدار العديد من شركات التكنولوجيا نماذج كبيرة، بدأت بعض أقسام التكنولوجيا في المؤسسات المالية الكبرى بالتواصل بنشاط مع شركات التكنولوجيا الكبرى لمناقشة بناء النماذج الكبيرة. وكشف المصدر ذو الخبرة أن هذه المؤسسات المالية تأمل عمومًا في تطوير نماذج كبيرة بشكل مستقل، وتسعى للحصول على توجيهات حول بناء مجموعات البيانات، وتكوين الخوادم، وطرق التدريب. كما اقترحت إحدى شركات التكنولوجيا المالية التابعة لأحد البنوك الكبرى أنها تأمل في إكمال القدرات ذات الصلة لتقديمها إلى نظيراتها.
بدأت الأمور في التغير بعد مايو. بسبب نقص موارد قوة الحوسبة وارتفاع التكاليف، انتقلت العديد من المؤسسات المالية من الرغبة في بناء قوة الحوسبة والنماذج الخاصة بها إلى التركيز أكثر على قيمة التطبيق. "الآن كل مؤسسة مالية تراقب كيف تطبق المؤسسات الأخرى النماذج الكبيرة والنتائج التي تحققها."
بالنسبة لمختلف أحجام الشركات، تم تشكيل مسارين للتطوير. يمكن للمؤسسات المالية الكبيرة التي تمتلك بيانات مالية هائلة وسيناريوهات تطبيقية، اعتماد نماذج أساسية رائدة في الصناعة، وبناء نماذج كبيرة خاصة بالشركة، وفي نفس الوقت استخدام طريقة التعديل الدقيق، لتشكيل نماذج كبيرة لمهام المجالات المتخصصة، وتمكين الأعمال بسرعة. بينما يمكن للمؤسسات المالية الصغيرة والمتوسطة أن تأخذ في الاعتبار عائد الاستثمار، وتستعين حسب الحاجة بخدمات واجهات برمجة التطبيقات العامة لنماذج كبيرة أو خدمات نشر خاصة، لتلبية احتياجات الأعمال مباشرة.
ومع ذلك، نظراً للمتطلبات العالية للامتثال الأمني والموثوقية في الصناعة المالية، يعتقد بعض الأشخاص أن تقدم النماذج الكبيرة في هذه الصناعة قد يكون أبطأ قليلاً من التوقعات الأولية في بداية العام. وأشار سون هونغ جون من شركة SoftStone إلى أنهم كانوا يتوقعون في البداية أن تكون الصناعة المالية هي الأكثر استخداماً للنماذج الكبيرة على نطاق واسع، ولكن من خلال النظر إلى الحالة النهائية للعملاء، فإن سرعة استخدام الصناعة المالية ليست كما هي في مجالات مثل القانون والتوظيف.
بدأت بعض المؤسسات المالية في السعي إلى حل العوامل المقيدة المختلفة في عملية تنفيذ النماذج الكبيرة.
في جانب قوة الحوسبة، لاحظ المتخصصون في الصناعة عدة أفكار لحل المشكلة:
بناء القوة الحاسوبية مباشرة، التكلفة مرتفعة ولكن الأمان جيد، مناسب للمؤسسات المالية الكبيرة ذات القوة الكبيرة التي تأمل في بناء نماذج صناعية أو مؤسسية.
نشر قوة الحوسبة المختلطة، في حالة عدم خروج البيانات الحساسة من المجال، قبول استدعاء واجهة خدمات النموذج الكبير من السحابة العامة، وفي نفس الوقت معالجة خدمات البيانات المحلية من خلال النشر الخاص. هذه الطريقة ذات تكلفة منخفضة، وتناسب المؤسسات المالية الصغيرة والمتوسطة التي لديها موارد مالية محدودة وتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه صعوبة في شراء بطاقات GPU اللازمة للنماذج الكبيرة، بالإضافة إلى ارتفاع التكاليف. وفي إطار هذا، تقوم الجهات المعنية بإجراء أبحاث موضوعية لاستكشاف إمكانية بناء بنية تحتية للنماذج الكبيرة موجهة نحو صناعات معينة بطريقة وسطية، تجمع بين القوة الحاسوبية والموارد الأخرى للنماذج الكبيرة، بحيث تتمكن المؤسسات المالية الصغيرة والمتوسطة في القطاع من استخدام خدمات النماذج الكبيرة، وتجنب "التأخر التكنولوجي".
في مجال البيانات، وخلال الأشهر الستة الماضية، مع استكشاف تطبيق النماذج الكبيرة، قامت العديد من المؤسسات المالية بتعزيز جهودها في إدارة البيانات.
قدم أحد التنفيذيين في شركة تكنولوجيا كبرى, أن المزيد من المؤسسات المالية المتوسطة بدأت أيضًا في بناء منصات بيانات ونظم حوكمة بيانات, بالإضافة إلى البنوك الكبرى التي لديها ممارسات ناضجة في مجال حوكمة البيانات. ويعتقد أن بناء نظام حوكمة بيانات متكامل ومنصة تقنية بحيرة بيانات, سيكون موضوعًا مهمًا في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.
تقوم بعض البنوك أيضًا بحل مشكلات البيانات من خلال دمج النماذج الكبيرة بأسلوب MLOps. على سبيل المثال، اعتمدت إحدى البنوك الكبيرة نموذج MLOps لإنشاء نظام حلقة مغلقة لبيانات النموذج الكبير، مما حقق أتمتة كاملة للعملية وإدارة موحدة ومعالجة فعالة للبيانات المتنوعة. ويُقال إنه تم بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
من المشهد الخارجي
على مدى أكثر من نصف عام، كانت مزودات النماذج الكبيرة والعديد من المؤسسات المالية تبحث بنشاط عن سيناريوهات تطبيقية. تم استكشاف مجالات مثل المكاتب الذكية، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث الاستثماري الذكي، وإدارة المخاطر الذكية، وتحليل الطلب.
كما قال أحد التنفيذيين في شركة تكنولوجيا معينة: "يستحق كل وظيفة رئيسية في سلسلة الأعمال المالية أن تُعاد باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا موجهًا نحو الصناعة المالية، وهي تعمل حاليًا مع المؤسسات الشريكة لاختبار وبناء منتج نموذج كبير لصناعة المالية، بهدف إنشاء مساعد أعمال AI شامل للخبراء الماليين في مجالات مثل مستشاري الثروات، ووكلاء التأمين، والبحث والتطوير، والتسويق المالي، وتعويضات التأمين.
تتمتع جميع المؤسسات المالية بأفكار غنية حول تطبيقات النماذج الكبيرة. قالت إحدى البنوك الكبرى أن لديها أكثر من 20 سيناريو تم تطبيقه داخلياً، بينما أفاد بنك آخر بأنه تم إجراء تجارب في أكثر من 30 سيناريو، بينما تقوم شركة أوراق مالية باستكشاف ربط النماذج الكبيرة مع منصة الأشخاص الرقميين الافتراضية التي أطلقتها سابقاً.
لكن عند تطبيق النموذج الكبير فعليًا في الأعمال، فإن هناك توافق عام في الصناعة على أن يتم استخدامه داخليًا أولاً ثم خارجيًا. فبالنظر إلى أن تقنية النموذج الكبير لا تزال غير ناضجة، مثل مشكلة الهلوسة وغيرها، فإن قطاع المال هو قطاع خاضع لرقابة صارمة، ويتطلب مستوى عالٍ من الأمان والثقة.
أوصى كبير موظفي التكنولوجيا في أحد البنوك الكبرى بعدم استخدام النماذج الكبيرة مباشرة مع العملاء في المدى القصير. ينبغي على المؤسسات المالية أن تعطي الأولوية لتطبيق النماذج الكبيرة في فهم وتحليل النصوص المالية والصور المالية، في سياقات كثيفة الذكاء، لتحقيق التعاون بين الإنسان والآلة، وزيادة كفاءة موظفي الأعمال.
حالياً، تم تطبيق مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك الكبرى ببناء نظام تطوير ذكي قائم على نموذج كبير، حيث يمثل الكود الذي يولده مساعد البرمجة 40% من إجمالي حجم الكود. في مجال التأمين، قامت إحدى شركات التأمين بتطوير مكون إضافي للمساعدة في البرمجة قائم على نموذج كبير، وتم دمجه مباشرة في أدوات التطوير الداخلية.
بعض شركات التكنولوجيا تقدم أيضًا منتجات جاهزة للاستخدام للعملاء في القطاع المالي بناءً على قدرة نموذج التعليم الكبير على توليد الشيفرات. أوضح سون هونغجون من شركة SoftStone أن أحد منتجاتهم، الذي يعتمد على قدرة تكملة الشيفرات باستخدام النموذج الكبير، قد أضاف وظائف مثل تفكيك المهام، والإجابة الدقيقة، وتجاوز قيود السياق، مما يتيح للمستخدمين استخدامه بسهولة. حاليًا، يستخدم أكثر من 3000 شخص هذا المنتج في أحد البنوك الدولية، ومعدل إكمال الشيفرات التلقائي يتراوح بين 50% إلى 90%.
توجد العديد من الحالات العملية في مجال المكاتب الذكية. وقد قدم المسؤول عن منتج نماذج الذكاء الاصطناعي في القطاع المالي لشركة تكنولوجيا كبيرة، شرحاً عن وظيفة الأسئلة والأجوبة الخاصة بالفرع التي تم إطلاقها بناءً على نموذج الذكاء الاصطناعي المالي. بعد إطلاقها في يوليو في أحد البنوك الكبيرة، تم توسيعها لتشمل مئات الفروع، حيث تجاوز معدل اعتماد الإجابات 85%. حالياً، تم نسخ هذه الوظيفة بسرعة إلى العديد من البنوك والمؤسسات المالية.
ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تنفيذها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، وأن النماذج الكبيرة لا تزال بعيدة عن التعمق في مستوى الأعمال في صناعة المالية.
قال سون هونغجون إن صعوبة كبيرة تكمن في سيناريوهات تطبيق الأعمال. التسويق، إدارة المخاطر، والامتثال هي المجالات التي قد bring ثورة بها نماذج كبيرة، وهي أيضاً المجالات التي يحتاجها العملاء الماليون، لكن في الوقت الحالي تعتمد هذه الأعمال على تحسين قدرات الشركات المصنعة للنماذج الكبيرة، من أجل متابعة تطبيقات سيناريو الأعمال.
توقع خبير كبير في نموذج شركة تكنولوجيا ضخمة أنه بحلول نهاية هذا العام، ستظهر مجموعة من المشاريع أو معلومات المناقصة التي تستخدم نماذج كبيرة في سيناريوهات الأعمال الأساسية للمؤسسات المالية.
قبل ذلك، كانت هناك بعض الإصلاحات على مستوى التصميم العلوي قيد التنفيذ.
يعتقد بعض الخبراء أن النظام الذكي والرقمي بأكمله سيتم إعادة بنائه في المستقبل على أساس النماذج الكبيرة. وهذا يتطلب من صناعة المالية إعادة هيكلة النظام أثناء دفع تنفيذ النماذج الكبيرة. في الوقت نفسه، لا يمكن إغفال قيمة النماذج الصغيرة التقليدية، بل يجب أن تعمل النماذج الكبيرة والصغيرة بشكل متعاون.
هذا الاتجاه قد تجلى بشكل واسع في صناعة المالية. في الوقت الحالي، قامت العديد من المؤسسات المالية الرائدة ببناء إطار نظام طبقي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمات النموذج الكبير، وطبقة التطبيقات بناءً على النماذج الكبيرة.
تتمتع هذه الأطر بشكل عام بخصيصتين رئيسيتين: الأولى هي أن النموذج الكبير يلعب دورًا مركزيًا، حيث يتم استدعاء النماذج التقليدية كمهارات؛ والثانية هي أن طبقة النموذج الكبير تعتمد على استراتيجية النماذج المتعددة، حيث يتم المقارنة داخليًا واختيار أفضل النتائج.
في الواقع، ليس فقط المؤسسات المالية، ولكن في ظل عدم وضوح الوضع الحالي، فإن بعض مزودي تطبيقات النماذج الكبيرة يتبنون أيضًا استراتيجية النماذج المتعددة، لاختيار أفضل نتائج الخدمة. كشف سون هونغجون أن طبقة النموذج الأساسية لديهم تدمج أيضًا عدة نماذج لغوية كبيرة، وسيتم تجميع وإعادة اختيار الإجابات من كل نموذج كبير لتقديمها للمستخدمين.
لا يزال هناك نقص كبير في المواهب
بدأ تطبيق النماذج الكبيرة في إحداث بعض التحديات والتغيرات في هيكل العاملين في صناعة المالية.
قال أحد الأفراد من شركة تكنولوجيا المالية إنه مع ظهور ChatGPT ، قامت شركته بتسريح أكثر من 300 محلل بيانات كبير من بداية هذا العام حتى نهاية مايو. قبل بضع سنوات ، كانت هذه مهنة شائعة. وقد أثار ذلك قلقه بشأن التوظيف في المستقبل.
شارك أحد كبار المسؤولين من بنك كبير تأثير استبدال الإنسان بالنماذج الكبيرة. كان لدى البنك في السابق متدرب يجمع المعلومات من جوانب مختلفة لقسم الأبحاث الاستثمارية كل صباح، لكن الآن يمكن إتمام هذه الأعمال بواسطة النماذج الكبيرة.
ومع ذلك، لا ترغب بعض البنوك في أن يؤدي النموذج الكبير إلى تقليل عدد الموظفين. فقد صرح بنك كبير لديه 200,000 موظف في فروعه بوضوح أنه يأمل أن يوفر النموذج الكبير فرصًا جديدة، ويعزز جودة خدمة الموظفين وكفاءة العمل، بينما يحرر جزءًا من الموظفين للقيام بمزيد من الأعمال ذات القيمة العالية، بدلاً من استبدال الموظفين.
تشمل هذه الاعتبارات استقرار الأفراد والهياكل، وأيضًا لأن هناك نقصًا في المواهب في العديد من الوظائف. وقال سون هونغجون إن البنوك الكبرى لديها الكثير من العمل الذي يجب القيام به، وبعض متطلبات تكنولوجيا المعلومات موقوتة حتى نهاية العام المقبل، وهم يأملون أن تساعد النماذج الكبيرة الموظفين على زيادة الكفاءة بدلاً من تقليل عددهم.
الأهم من ذلك، أن التطور السريع للنماذج الكبيرة أدى إلى صعوبة تلبية العرض النادر من المواهب مع الطلب المتزايد في فترة قصيرة. إنه مثلما كان الأمر عند ظهور iPhone، حيث كان من الصعب العثور على مبرمجي iOS لتطوير التطبيقات.
أحد كبار المسؤولين في بنك كبير لخص التحديات الستة التي تواجهها صناعة المالية حاليًا في تطبيق النموذج الكبير في العمليات التجارية الأساسية، ومن بينها التحدي المتعلق بالمواهب. لقد وجدوا مؤخرًا أن نسبة كبيرة من الموظفين الجدد وطلاب الجامعات الذين يتم توظيفهم يدرسون مجال الذكاء الاصطناعي، لكن القليل منهم فقط لديهم فهم للنموذج الكبير.
سون هونغجون لديه تجربة مشابهة، قبل أسبوع من العيد الوطني، تلقوا طلب دعم المواهب من أحد عملاء البنك. بعض الأشخاص في فريق النموذج الكبير الذي أنشأه البنك غابوا مؤقتاً، مما أدى إلى نقص في اليد العاملة لتدريب النموذج، واضطروا للبحث عن دعم خارجي.
"حاليًا، يوجد نقص فعلي في المواهب في هذا المجال، ويحتاج الأمر إلى وقت معين للتطوير." يرى سون هونغجون أن الحاجة إلى المواهب التي تطبق النماذج الكبيرة مباشرةً هي نسبيًا بسيطة، حيث تقتصر على أولئك القادرين على طرح الأسئلة. ولكن إذا كانت هناك حاجة لبناء نموذج كبير خاص بالصناعة أو الشركة، فإن ذلك يتطلب من المؤسسات المالية وجود فريق تقني متخصص ومؤهل في النماذج الكبيرة.
أقر أحد كبار التنفيذيين في شركة تكنولوجيا كبرى أن هناك فجوة كبيرة في المواهب المتعلقة بالنماذج الكبيرة للذكاء الاصطناعي، حيث تقوم المؤسسات الرائدة حاليًا بتوظيف مواهب مرتبطة بالذكاء الاصطناعي مثل حاملي الدكتوراه في الخوارزميات. ويرجع ذلك إلى أن العملاء الماليين يمكنهم الحصول على الدعم الفني من الشركات المصنعة للنماذج الكبيرة، لكنهم بصفتهم المستخدمين النهائيين والمبتكرين الرئيسيين، يحتاجون إلى تراكم معين من المواهب لدعم بناء منصات الذكاء الاصطناعي الكبيرة، والتخطيط لتطبيقات الذكاء الاصطناعي، وكذلك التعاون مع الشركات المصنعة للنماذج الكبيرة في عمليات النمذجة والتعديل لتحسين السيناريوهات والنماذج، وتوسيع نطاق وتطبيقات نماذج الذكاء الاصطناعي بشكل مستمر.
اتخذت بعض المؤسسات إجراءات. قدم مسؤول في إحدى شركات التكنولوجيا الكبرى عرضًا تفصيليًا عن تعاونهم مع مختبر أحد البنوك الكبرى، حيث قاموا بترتيب ممارسات تحويل الأفراد لاستخدام النماذج الكبيرة في تطبيقات الشركات، وتصميم سلسلة من الدورات التدريبية حول تحسين Prompt، والتعديل الدقيق، وتشغيل النماذج الكبيرة، بالإضافة إلى التعاون مع عدة أقسام لتأسيس فرق مشاريع مشتركة لتعزيز قدرات الأفراد في الشركات.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
تسجيلات الإعجاب 11
أعجبني
11
4
مشاركة
تعليق
0/400
AirdropChaser
· منذ 8 س
القصر داخل القصر وخارجه كله في卷ai
شاهد النسخة الأصليةرد0
HodlKumamon
· منذ 8 س
宫廷玉液酒家躺平中 بيانات العقلانية هذه الجولة ليست خسارة.jpg لا تداول العملات الرقمية فقط انظر إلى العملة احسب نسبة شارب عبر الإنترنت
اتجاهات تطبيق النماذج الكبيرة في الصناعة المالية: من القلق إلى العقلانية، نقص المواهب لا يزال تحديًا
حالة تطبيق النماذج الكبيرة في الصناعة المالية وآفاقها
منذ ظهور ChatGPT، انتشرت مشاعر القلق حول تقنية الذكاء الاصطناعي بسرعة في القطاع المالي. قال أحد المتخصصين في الصناعة إنه أثناء سفره إلى دالي في مايو من هذا العام، تمكن حتى من مقابلة ممارسين ماليين يناقشون النماذج الكبيرة حتى في المعابد.
ومع ذلك، فإن هذا القلق بدأ يتلاشى تدريجياً، وأصبحت آراء الصناعة حول النماذج الكبيرة أكثر عقلانية. وصف سون هونغجون، الرئيس التنفيذي لتكنولوجيا المعلومات في بنك سوفتون، مراحل مختلفة من موقف الصناعة المالية تجاه النماذج الكبيرة هذا العام: في شهري فبراير ومارس، كان هناك شعور عام بالقلق؛ في شهري أبريل ومايو، بدأوا جميعاً في تشكيل فرق للعمل على المشاريع ذات الصلة؛ ثم واجهوا صعوبات في تحديد الاتجاه والتنفيذ خلال الأشهر القليلة التالية، وبدأوا يصبحون أكثر عقلانية؛ والآن يتم استخدام مؤشرات مرجعية، ومحاولة اختبار سيناريوهات التطبيقات التي تم التحقق منها.
من الجدير بالذكر أن العديد من المؤسسات المالية قد رفعت النموذج الكبير إلى مستوى استراتيجي. وفقًا للإحصاءات غير المكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A قد ذكرت بوضوح في أحدث تقاريرها نصف السنوية أنها تستكشف تطبيقات النموذج الكبير. من خلال الاتجاهات الأخيرة، يبدو أنهم يقومون بتفكير أكثر وضوحًا وتخطيطًا للطرق من منظور استراتيجي وتصميم قمة.
من الحماس المفرط إلى العودة العقلانية
قال شخص بارز في صناعة التمويل من شركة تكنولوجيا كبيرة، إنه مقارنةً بما كان عليه قبل عدة أشهر، فإن فهم العملاء الماليين لنموذج الذكاء الاصطناعي الكبير قد تحسن بشكل ملحوظ. في بداية العام، عندما تم إطلاق ChatGPT، على الرغم من الحماس الكبير، إلا أن الفهم لطبيعة نموذج الذكاء الاصطناعي الكبير وطرق تطبيقه كان محدودًا.
في هذه المرحلة، بدأت بعض البنوك الكبيرة في اتخاذ المبادرة وبدء حملات دعائية متنوعة. على سبيل المثال، في مارس من هذا العام، أطلقت إحدى البنوك الكبيرة تطبيق نموذج كبير مشابه لـ ChatGPT، لكن تقييمات الصناعة كانت متباينة. في ذلك الوقت، اعتبر البعض أن تسمية التطبيق تركز بشكل مفرط على وظيفة الدردشة، متجاهلة الجزء الأكثر أهمية المتعلق بـ GPT.
مع إصدار العديد من شركات التكنولوجيا نماذج كبيرة، بدأت بعض أقسام التكنولوجيا في المؤسسات المالية الكبرى بالتواصل بنشاط مع شركات التكنولوجيا الكبرى لمناقشة بناء النماذج الكبيرة. وكشف المصدر ذو الخبرة أن هذه المؤسسات المالية تأمل عمومًا في تطوير نماذج كبيرة بشكل مستقل، وتسعى للحصول على توجيهات حول بناء مجموعات البيانات، وتكوين الخوادم، وطرق التدريب. كما اقترحت إحدى شركات التكنولوجيا المالية التابعة لأحد البنوك الكبرى أنها تأمل في إكمال القدرات ذات الصلة لتقديمها إلى نظيراتها.
بدأت الأمور في التغير بعد مايو. بسبب نقص موارد قوة الحوسبة وارتفاع التكاليف، انتقلت العديد من المؤسسات المالية من الرغبة في بناء قوة الحوسبة والنماذج الخاصة بها إلى التركيز أكثر على قيمة التطبيق. "الآن كل مؤسسة مالية تراقب كيف تطبق المؤسسات الأخرى النماذج الكبيرة والنتائج التي تحققها."
بالنسبة لمختلف أحجام الشركات، تم تشكيل مسارين للتطوير. يمكن للمؤسسات المالية الكبيرة التي تمتلك بيانات مالية هائلة وسيناريوهات تطبيقية، اعتماد نماذج أساسية رائدة في الصناعة، وبناء نماذج كبيرة خاصة بالشركة، وفي نفس الوقت استخدام طريقة التعديل الدقيق، لتشكيل نماذج كبيرة لمهام المجالات المتخصصة، وتمكين الأعمال بسرعة. بينما يمكن للمؤسسات المالية الصغيرة والمتوسطة أن تأخذ في الاعتبار عائد الاستثمار، وتستعين حسب الحاجة بخدمات واجهات برمجة التطبيقات العامة لنماذج كبيرة أو خدمات نشر خاصة، لتلبية احتياجات الأعمال مباشرة.
ومع ذلك، نظراً للمتطلبات العالية للامتثال الأمني والموثوقية في الصناعة المالية، يعتقد بعض الأشخاص أن تقدم النماذج الكبيرة في هذه الصناعة قد يكون أبطأ قليلاً من التوقعات الأولية في بداية العام. وأشار سون هونغ جون من شركة SoftStone إلى أنهم كانوا يتوقعون في البداية أن تكون الصناعة المالية هي الأكثر استخداماً للنماذج الكبيرة على نطاق واسع، ولكن من خلال النظر إلى الحالة النهائية للعملاء، فإن سرعة استخدام الصناعة المالية ليست كما هي في مجالات مثل القانون والتوظيف.
بدأت بعض المؤسسات المالية في السعي إلى حل العوامل المقيدة المختلفة في عملية تنفيذ النماذج الكبيرة.
في جانب قوة الحوسبة، لاحظ المتخصصون في الصناعة عدة أفكار لحل المشكلة:
بناء القوة الحاسوبية مباشرة، التكلفة مرتفعة ولكن الأمان جيد، مناسب للمؤسسات المالية الكبيرة ذات القوة الكبيرة التي تأمل في بناء نماذج صناعية أو مؤسسية.
نشر قوة الحوسبة المختلطة، في حالة عدم خروج البيانات الحساسة من المجال، قبول استدعاء واجهة خدمات النموذج الكبير من السحابة العامة، وفي نفس الوقت معالجة خدمات البيانات المحلية من خلال النشر الخاص. هذه الطريقة ذات تكلفة منخفضة، وتناسب المؤسسات المالية الصغيرة والمتوسطة التي لديها موارد مالية محدودة وتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه صعوبة في شراء بطاقات GPU اللازمة للنماذج الكبيرة، بالإضافة إلى ارتفاع التكاليف. وفي إطار هذا، تقوم الجهات المعنية بإجراء أبحاث موضوعية لاستكشاف إمكانية بناء بنية تحتية للنماذج الكبيرة موجهة نحو صناعات معينة بطريقة وسطية، تجمع بين القوة الحاسوبية والموارد الأخرى للنماذج الكبيرة، بحيث تتمكن المؤسسات المالية الصغيرة والمتوسطة في القطاع من استخدام خدمات النماذج الكبيرة، وتجنب "التأخر التكنولوجي".
في مجال البيانات، وخلال الأشهر الستة الماضية، مع استكشاف تطبيق النماذج الكبيرة، قامت العديد من المؤسسات المالية بتعزيز جهودها في إدارة البيانات.
قدم أحد التنفيذيين في شركة تكنولوجيا كبرى, أن المزيد من المؤسسات المالية المتوسطة بدأت أيضًا في بناء منصات بيانات ونظم حوكمة بيانات, بالإضافة إلى البنوك الكبرى التي لديها ممارسات ناضجة في مجال حوكمة البيانات. ويعتقد أن بناء نظام حوكمة بيانات متكامل ومنصة تقنية بحيرة بيانات, سيكون موضوعًا مهمًا في بناء تكنولوجيا المعلومات للمؤسسات المالية في المستقبل.
تقوم بعض البنوك أيضًا بحل مشكلات البيانات من خلال دمج النماذج الكبيرة بأسلوب MLOps. على سبيل المثال، اعتمدت إحدى البنوك الكبيرة نموذج MLOps لإنشاء نظام حلقة مغلقة لبيانات النموذج الكبير، مما حقق أتمتة كاملة للعملية وإدارة موحدة ومعالجة فعالة للبيانات المتنوعة. ويُقال إنه تم بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
من المشهد الخارجي
على مدى أكثر من نصف عام، كانت مزودات النماذج الكبيرة والعديد من المؤسسات المالية تبحث بنشاط عن سيناريوهات تطبيقية. تم استكشاف مجالات مثل المكاتب الذكية، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث الاستثماري الذكي، وإدارة المخاطر الذكية، وتحليل الطلب.
كما قال أحد التنفيذيين في شركة تكنولوجيا معينة: "يستحق كل وظيفة رئيسية في سلسلة الأعمال المالية أن تُعاد باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا موجهًا نحو الصناعة المالية، وهي تعمل حاليًا مع المؤسسات الشريكة لاختبار وبناء منتج نموذج كبير لصناعة المالية، بهدف إنشاء مساعد أعمال AI شامل للخبراء الماليين في مجالات مثل مستشاري الثروات، ووكلاء التأمين، والبحث والتطوير، والتسويق المالي، وتعويضات التأمين.
تتمتع جميع المؤسسات المالية بأفكار غنية حول تطبيقات النماذج الكبيرة. قالت إحدى البنوك الكبرى أن لديها أكثر من 20 سيناريو تم تطبيقه داخلياً، بينما أفاد بنك آخر بأنه تم إجراء تجارب في أكثر من 30 سيناريو، بينما تقوم شركة أوراق مالية باستكشاف ربط النماذج الكبيرة مع منصة الأشخاص الرقميين الافتراضية التي أطلقتها سابقاً.
لكن عند تطبيق النموذج الكبير فعليًا في الأعمال، فإن هناك توافق عام في الصناعة على أن يتم استخدامه داخليًا أولاً ثم خارجيًا. فبالنظر إلى أن تقنية النموذج الكبير لا تزال غير ناضجة، مثل مشكلة الهلوسة وغيرها، فإن قطاع المال هو قطاع خاضع لرقابة صارمة، ويتطلب مستوى عالٍ من الأمان والثقة.
أوصى كبير موظفي التكنولوجيا في أحد البنوك الكبرى بعدم استخدام النماذج الكبيرة مباشرة مع العملاء في المدى القصير. ينبغي على المؤسسات المالية أن تعطي الأولوية لتطبيق النماذج الكبيرة في فهم وتحليل النصوص المالية والصور المالية، في سياقات كثيفة الذكاء، لتحقيق التعاون بين الإنسان والآلة، وزيادة كفاءة موظفي الأعمال.
حالياً، تم تطبيق مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك الكبرى ببناء نظام تطوير ذكي قائم على نموذج كبير، حيث يمثل الكود الذي يولده مساعد البرمجة 40% من إجمالي حجم الكود. في مجال التأمين، قامت إحدى شركات التأمين بتطوير مكون إضافي للمساعدة في البرمجة قائم على نموذج كبير، وتم دمجه مباشرة في أدوات التطوير الداخلية.
بعض شركات التكنولوجيا تقدم أيضًا منتجات جاهزة للاستخدام للعملاء في القطاع المالي بناءً على قدرة نموذج التعليم الكبير على توليد الشيفرات. أوضح سون هونغجون من شركة SoftStone أن أحد منتجاتهم، الذي يعتمد على قدرة تكملة الشيفرات باستخدام النموذج الكبير، قد أضاف وظائف مثل تفكيك المهام، والإجابة الدقيقة، وتجاوز قيود السياق، مما يتيح للمستخدمين استخدامه بسهولة. حاليًا، يستخدم أكثر من 3000 شخص هذا المنتج في أحد البنوك الدولية، ومعدل إكمال الشيفرات التلقائي يتراوح بين 50% إلى 90%.
توجد العديد من الحالات العملية في مجال المكاتب الذكية. وقد قدم المسؤول عن منتج نماذج الذكاء الاصطناعي في القطاع المالي لشركة تكنولوجيا كبيرة، شرحاً عن وظيفة الأسئلة والأجوبة الخاصة بالفرع التي تم إطلاقها بناءً على نموذج الذكاء الاصطناعي المالي. بعد إطلاقها في يوليو في أحد البنوك الكبيرة، تم توسيعها لتشمل مئات الفروع، حيث تجاوز معدل اعتماد الإجابات 85%. حالياً، تم نسخ هذه الوظيفة بسرعة إلى العديد من البنوك والمؤسسات المالية.
ومع ذلك، يعتقد المتخصصون في الصناعة أن هذه السيناريوهات التي تم تنفيذها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، وأن النماذج الكبيرة لا تزال بعيدة عن التعمق في مستوى الأعمال في صناعة المالية.
قال سون هونغجون إن صعوبة كبيرة تكمن في سيناريوهات تطبيق الأعمال. التسويق، إدارة المخاطر، والامتثال هي المجالات التي قد bring ثورة بها نماذج كبيرة، وهي أيضاً المجالات التي يحتاجها العملاء الماليون، لكن في الوقت الحالي تعتمد هذه الأعمال على تحسين قدرات الشركات المصنعة للنماذج الكبيرة، من أجل متابعة تطبيقات سيناريو الأعمال.
توقع خبير كبير في نموذج شركة تكنولوجيا ضخمة أنه بحلول نهاية هذا العام، ستظهر مجموعة من المشاريع أو معلومات المناقصة التي تستخدم نماذج كبيرة في سيناريوهات الأعمال الأساسية للمؤسسات المالية.
قبل ذلك، كانت هناك بعض الإصلاحات على مستوى التصميم العلوي قيد التنفيذ.
يعتقد بعض الخبراء أن النظام الذكي والرقمي بأكمله سيتم إعادة بنائه في المستقبل على أساس النماذج الكبيرة. وهذا يتطلب من صناعة المالية إعادة هيكلة النظام أثناء دفع تنفيذ النماذج الكبيرة. في الوقت نفسه، لا يمكن إغفال قيمة النماذج الصغيرة التقليدية، بل يجب أن تعمل النماذج الكبيرة والصغيرة بشكل متعاون.
هذا الاتجاه قد تجلى بشكل واسع في صناعة المالية. في الوقت الحالي، قامت العديد من المؤسسات المالية الرائدة ببناء إطار نظام طبقي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمات النموذج الكبير، وطبقة التطبيقات بناءً على النماذج الكبيرة.
تتمتع هذه الأطر بشكل عام بخصيصتين رئيسيتين: الأولى هي أن النموذج الكبير يلعب دورًا مركزيًا، حيث يتم استدعاء النماذج التقليدية كمهارات؛ والثانية هي أن طبقة النموذج الكبير تعتمد على استراتيجية النماذج المتعددة، حيث يتم المقارنة داخليًا واختيار أفضل النتائج.
في الواقع، ليس فقط المؤسسات المالية، ولكن في ظل عدم وضوح الوضع الحالي، فإن بعض مزودي تطبيقات النماذج الكبيرة يتبنون أيضًا استراتيجية النماذج المتعددة، لاختيار أفضل نتائج الخدمة. كشف سون هونغجون أن طبقة النموذج الأساسية لديهم تدمج أيضًا عدة نماذج لغوية كبيرة، وسيتم تجميع وإعادة اختيار الإجابات من كل نموذج كبير لتقديمها للمستخدمين.
لا يزال هناك نقص كبير في المواهب
بدأ تطبيق النماذج الكبيرة في إحداث بعض التحديات والتغيرات في هيكل العاملين في صناعة المالية.
قال أحد الأفراد من شركة تكنولوجيا المالية إنه مع ظهور ChatGPT ، قامت شركته بتسريح أكثر من 300 محلل بيانات كبير من بداية هذا العام حتى نهاية مايو. قبل بضع سنوات ، كانت هذه مهنة شائعة. وقد أثار ذلك قلقه بشأن التوظيف في المستقبل.
شارك أحد كبار المسؤولين من بنك كبير تأثير استبدال الإنسان بالنماذج الكبيرة. كان لدى البنك في السابق متدرب يجمع المعلومات من جوانب مختلفة لقسم الأبحاث الاستثمارية كل صباح، لكن الآن يمكن إتمام هذه الأعمال بواسطة النماذج الكبيرة.
ومع ذلك، لا ترغب بعض البنوك في أن يؤدي النموذج الكبير إلى تقليل عدد الموظفين. فقد صرح بنك كبير لديه 200,000 موظف في فروعه بوضوح أنه يأمل أن يوفر النموذج الكبير فرصًا جديدة، ويعزز جودة خدمة الموظفين وكفاءة العمل، بينما يحرر جزءًا من الموظفين للقيام بمزيد من الأعمال ذات القيمة العالية، بدلاً من استبدال الموظفين.
تشمل هذه الاعتبارات استقرار الأفراد والهياكل، وأيضًا لأن هناك نقصًا في المواهب في العديد من الوظائف. وقال سون هونغجون إن البنوك الكبرى لديها الكثير من العمل الذي يجب القيام به، وبعض متطلبات تكنولوجيا المعلومات موقوتة حتى نهاية العام المقبل، وهم يأملون أن تساعد النماذج الكبيرة الموظفين على زيادة الكفاءة بدلاً من تقليل عددهم.
الأهم من ذلك، أن التطور السريع للنماذج الكبيرة أدى إلى صعوبة تلبية العرض النادر من المواهب مع الطلب المتزايد في فترة قصيرة. إنه مثلما كان الأمر عند ظهور iPhone، حيث كان من الصعب العثور على مبرمجي iOS لتطوير التطبيقات.
أحد كبار المسؤولين في بنك كبير لخص التحديات الستة التي تواجهها صناعة المالية حاليًا في تطبيق النموذج الكبير في العمليات التجارية الأساسية، ومن بينها التحدي المتعلق بالمواهب. لقد وجدوا مؤخرًا أن نسبة كبيرة من الموظفين الجدد وطلاب الجامعات الذين يتم توظيفهم يدرسون مجال الذكاء الاصطناعي، لكن القليل منهم فقط لديهم فهم للنموذج الكبير.
سون هونغجون لديه تجربة مشابهة، قبل أسبوع من العيد الوطني، تلقوا طلب دعم المواهب من أحد عملاء البنك. بعض الأشخاص في فريق النموذج الكبير الذي أنشأه البنك غابوا مؤقتاً، مما أدى إلى نقص في اليد العاملة لتدريب النموذج، واضطروا للبحث عن دعم خارجي.
"حاليًا، يوجد نقص فعلي في المواهب في هذا المجال، ويحتاج الأمر إلى وقت معين للتطوير." يرى سون هونغجون أن الحاجة إلى المواهب التي تطبق النماذج الكبيرة مباشرةً هي نسبيًا بسيطة، حيث تقتصر على أولئك القادرين على طرح الأسئلة. ولكن إذا كانت هناك حاجة لبناء نموذج كبير خاص بالصناعة أو الشركة، فإن ذلك يتطلب من المؤسسات المالية وجود فريق تقني متخصص ومؤهل في النماذج الكبيرة.
أقر أحد كبار التنفيذيين في شركة تكنولوجيا كبرى أن هناك فجوة كبيرة في المواهب المتعلقة بالنماذج الكبيرة للذكاء الاصطناعي، حيث تقوم المؤسسات الرائدة حاليًا بتوظيف مواهب مرتبطة بالذكاء الاصطناعي مثل حاملي الدكتوراه في الخوارزميات. ويرجع ذلك إلى أن العملاء الماليين يمكنهم الحصول على الدعم الفني من الشركات المصنعة للنماذج الكبيرة، لكنهم بصفتهم المستخدمين النهائيين والمبتكرين الرئيسيين، يحتاجون إلى تراكم معين من المواهب لدعم بناء منصات الذكاء الاصطناعي الكبيرة، والتخطيط لتطبيقات الذكاء الاصطناعي، وكذلك التعاون مع الشركات المصنعة للنماذج الكبيرة في عمليات النمذجة والتعديل لتحسين السيناريوهات والنماذج، وتوسيع نطاق وتطبيقات نماذج الذكاء الاصطناعي بشكل مستمر.
اتخذت بعض المؤسسات إجراءات. قدم مسؤول في إحدى شركات التكنولوجيا الكبرى عرضًا تفصيليًا عن تعاونهم مع مختبر أحد البنوك الكبرى، حيث قاموا بترتيب ممارسات تحويل الأفراد لاستخدام النماذج الكبيرة في تطبيقات الشركات، وتصميم سلسلة من الدورات التدريبية حول تحسين Prompt، والتعديل الدقيق، وتشغيل النماذج الكبيرة، بالإضافة إلى التعاون مع عدة أقسام لتأسيس فرق مشاريع مشتركة لتعزيز قدرات الأفراد في الشركات.