تطبيقات النماذج الكبيرة للذكاء الاصطناعي في الصناعة المالية: من الحماس المرتفع إلى العودة العقلانية
منذ ظهور ChatGPT، أثار بسرعة شعور القلق في قطاع المالية. هذا القطاع الذي يؤمن بالتكنولوجيا يخشى أن يُترك خلفه في تيار زمن سريع. وقد انتشرت هذه الأجواء المتوترة حتى إلى المعابد الهادئة. وذكرت أحدى المتخصصات في هذا المجال أنها خلال سفرها إلى دالي في مايو قابلت في معبد أشخاص من الوسط المالي يتحدثون معها عن النماذج الكبيرة.
ومع ذلك، فإن هذه القلق بدأت تعود ببطء إلى طبيعتها، وبدأت أفكار الناس تصبح أكثر وضوحًا وعقلانية. وصف بعض الخبراء مراحل مختلفة من موقف الصناعة المالية تجاه النماذج الكبيرة هذا العام: في فبراير ومارس، كان هناك شعور عام بالقلق، والخوف من التخلف؛ في أبريل ومايو، بدأوا في تشكيل فرق للعمل؛ وبعد بضعة أشهر، واجهوا صعوبات في العثور على الاتجاه والتنفيذ، وبدأوا يصبحون عقلانيين؛ والآن، هم يركزون على الشركات الرائدة، ويحاولون التحقق من السيناريوهات التي تم التحقق منها.
تتمثل إحدى الاتجاهات الجديدة في أن العديد من المؤسسات المالية قد رفعت النماذج الكبيرة إلى المستوى الاستراتيجي. وفقًا لإحصاءات غير مكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A في الصين قد ذكرت بوضوح في تقاريرها نصف السنوية الأخيرة أنها تستكشف تطبيق النماذج الكبيرة. من خلال التحركات الأخيرة، يبدو أنهم يقومون أيضًا بتفكير أكثر وضوحًا وتخطيط مسار من المستوى الاستراتيجي والمستوى الأعلى.
من الارتفاع في الحماس إلى العودة إلى العقلانية
"مقارنةً قبل عدة أشهر، يمكن الشعور بوضوح أن العملاء الماليين قد فهموا نموذج الذكاء الاصطناعي الكبير بشكل أفضل بكثير الآن." قال أحد الخبراء، إنه في بداية العام عندما تم إصدار ChatGPT، كانت حماسة الجميع عالية، لكن الفهم الحقيقي لماهية النموذج الكبير وكيفية استخدامه كان محدودًا جدًا.
في هذه المرحلة، كانت بعض البنوك الكبيرة رائدة في اتخاذ الإجراءات، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". على سبيل المثال، في مارس من هذا العام، أطلقت إحدى البنوك تطبيق نموذج كبير مشابه لـ ChatGPT. لكن تقييمات الصناعة كانت مختلطة. في ذلك الوقت، اعتقد البعض أن اسم هذا المنتج يبرز "الدردشة" في ChatGPT، وهو ما يعتبر جزءًا غير مهم، في حين تم تجاهل الجزء الحقيقي المهم وهو GPT.
في الوقت نفسه، مع قيام العديد من شركات التكنولوجيا المحلية بإصدار نماذج كبيرة، بدأت أقسام التكنولوجيا في بعض المؤسسات المالية الرائدة في التفاوض بنشاط مع الشركات الكبرى بشأن بناء النماذج الكبيرة. تأمل هذه المؤسسات المالية بشكل عام في بناء نماذجها الكبيرة، وتحتاج إلى توجيه من الشركات المصنعة بشأن إعداد مجموعات البيانات، وشراء الخوادم، وطرق التدريب، وغيرها. حتى أن بعض شركات التكنولوجيا المالية اقترحت، بعد الانتهاء، ما إذا كان بالإمكان تصديرها إلى المنافسين.
بعد مايو، بدأت الأوضاع تتغير تدريجياً. بسبب نقص موارد الحوسبة وارتفاع التكاليف، بدأت العديد من المؤسسات المالية تتحول من الأمل البسيط في بناء قوة الحوسبة والنماذج إلى التركيز بشكل أكبر على القيمة التطبيقية. "الآن، كل مؤسسة مالية تهتم بما قامت به المؤسسات الأخرى باستخدام النماذج الكبيرة، وما هي النتائج التي حققتها."
بالنسبة لمختلف أحجام الشركات، تم تحديد مسارين. يمكن للمؤسسات المالية الكبيرة التي تمتلك كميات هائلة من البيانات المالية وسيناريوهات التطبيق، أن تستفيد من نماذج أساسية رائدة، وتبني نماذج كبيرة خاصة بها، مع استخدام أساليب التخصيص، لتشكيل نماذج كبيرة مخصصة لمجالات معينة، مما يمكّن الأعمال بسرعة، لتعويض عيب طول دورة بناء النموذج الكبير. بينما يمكن للمؤسسات المالية الصغيرة والمتوسطة أن تأخذ في الاعتبار العائد على الاستثمار، وتطبق نماذج كبيرة مختلفة من خدمات السحابة أو النشر الخاص حسب الحاجة، لتلبية احتياجات التمكين مباشرة.
ومع ذلك، نظرًا لأن صناعة التمويل لديها متطلبات عالية فيما يتعلق بالامتثال للبيانات والأمان والموثوقية، يعتقد بعض الأفراد أن تقدم تطبيق النماذج الكبيرة في هذه الصناعة قد تأخر قليلاً عن التوقعات في بداية العام. وأشار بعض الخبراء إلى أنهم توقعوا في البداية أن صناعة التمويل قد تكون أول من يستخدم النماذج الكبيرة على نطاق واسع، ولكن من خلال النظر إلى حالة توصيل العملاء النهائية، فإن تقدم صناعة التمويل ليس سريعًا مثل صناعات القانون والتوظيف.
بدأت بعض المؤسسات المالية في البحث عن طرق لحل القيود المختلفة في عملية تنفيذ النماذج الكبيرة.
في جانب الحوسبة، لاحظ المتخصصون في الصناعة عدة أفكار لحل المشكلة:
أولاً، بناء القوة الحاسوبية بشكل مباشر، التكلفة مرتفعة، لكن الأمان كافٍ. مناسب للمؤسسات المالية الكبيرة ذات القوة الكبيرة، التي تأمل في بناء نماذج كبيرة للصناعة أو الشركات.
ثانياً، نشر مختلط للقوة الحاسوبية، في ظل عدم خروج البيانات الحساسة من النطاق، يقبل استدعاء واجهة خدمات النموذج الكبير من السحابة العامة، وفي نفس الوقت يعالج البيانات المحلية من خلال نشر خاص. هذه الطريقة ذات تكلفة منخفضة، حيث يتطلب الأمر استثمار عشرات الآلاف من اليوان لشراء عدد قليل من بطاقات الحساب لتلبية الاحتياجات، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة ذات الموارد المالية المحدودة والتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه مشكلة عدم قدرتها على شراء أو تحمل تكلفة بطاقات GPU المطلوبة لنماذج الذكاء الاصطناعي الكبيرة. وفي هذا الصدد، تشير الأنباء إلى أن الجهات التنظيمية تدرس إمكانية بناء بنية تحتية لنماذج الذكاء الاصطناعي الكبيرة موجهة لصناعة الأوراق المالية بطريقة وسطية، مما يسمح بتجميع القدرة الحاسوبية والموارد الأخرى لنماذج الذكاء الاصطناعي الكبيرة، لتمكين المؤسسات المالية الصغيرة والمتوسطة في القطاع من استخدام خدمات تلك النماذج، ومنعها من التراجع تقنيًا.
ليس فقط القوة الحاسوبية، بل مع استكشاف النماذج الكبيرة خلال النصف عام الماضي، بدأت العديد من المؤسسات المالية أيضًا في تعزيز إدارة البيانات.
أشار الخبراء إلى أنه بالإضافة إلى بعض البنوك الكبرى التي لديها ممارسات ناضجة في مجال إدارة البيانات، بدأ عدد متزايد من المؤسسات المالية المتوسطة في بناء مركز بيانات ونظام إدارة بيانات. ويعتقد أن بناء نظام إدارة بيانات متكامل ومنصة تكنولوجيا بحيرة البيانات سيكون موضوعًا مهمًا في بناء تكنولوجيا المعلومات في المؤسسات المالية في المستقبل.
هناك أيضًا بنوك تعمل على حل مشكلات البيانات من خلال نموذج كبير + MLOps. على سبيل المثال، استخدمت إحدى البنوك نموذج MLOps لإنشاء نظام حلقة مغلقة لبيانات النموذج الكبير، مما حقق أتمتة العملية بأكملها، بالإضافة إلى الإدارة الموحدة والمعالجة الفعالة للبيانات المتعددة المصادر وغير المتجانسة. ووفقًا للتقارير، تم حاليًا بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
الدخول من المشهد الخارجي
خلال أكثر من نصف عام مضى، كان مقدمو خدمات النماذج الكبيرة، وكذلك المؤسسات المالية الكبرى، يبحثون بنشاط عن سيناريوهات تطبيقية. تم استكشاف مجالات مثل المكتب الذكي، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث في الاستثمار الذكي، وإدارة المخاطر الذكية، وتحليل الطلب على نطاق واسع.
كما قال أحد التنفيذيين في شركة تكنولوجيا مالية، "كل وظيفة رئيسية في سلسلة الأعمال المالية، تستحق أن يُعاد تصميمها باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا في المالية، وتعاونت مع المؤسسات الشريكة لاختبار وبناء منتج نموذج كبير موجه لصناعة المالية، بهدف إنشاء مساعدات أعمال AI شاملة لمستشاري الاستثمار، ووكلاء التأمين، وأبحاث الاستثمار، وتسويق المالية، وتعويضات التأمين وغيرها من الخبراء في مجال المالية.
تتمتع المؤسسات المالية المختلفة بأفكار غنية حول النماذج الكبيرة. وقد أفادت إحدى البنوك أن لديها أكثر من 20 سيناريو تم نشره داخليًا، بينما ذكرت بنك آخر أنها قامت بتجربة في أكثر من 30 سيناريو، في حين أن إحدى شركات السمسرة تستكشف ربط النماذج الكبيرة مع منصة الأشخاص الرقميين الافتراضية التي تم طرحها سابقًا.
لكن عند تطبيق النماذج الكبيرة في الأعمال، فإن الإجماع العام هو أن يتم ذلك داخليًا أولاً ثم خارجيًا. فبالفعل، فإن تقنية النماذج الكبيرة في المرحلة الحالية ليست ناضجة، مثل وجود مشكلة الهلوسة، بينما يعتبر القطاع المالي قطاعًا يخضع لتنظيم صارم، ويتميز بالأمان العالي والموثوقية العالية.
يعتقد بعض الخبراء أنه لا يُنصح باستخدام النماذج الكبيرة مباشرةً مع العملاء على المدى القصير. يجب أن تفضل المؤسسات المالية استخدام النماذج الكبيرة في مشاهد التحليل والفهم والإبداع النصي والمرئي المالي، لتحقيق التعاون بين الإنسان والآلة في شكل مساعد، مما يعزز كفاءة العمل للموظفين.
حاليًا، تم تنفيذ مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك ببناء نظام تطوير ذكي قائم على نموذج كبير، حيث تصل نسبة الكود الذي يتم توليده بواسطة مساعد البرمجة إلى 40% من إجمالي كمية الكود. في مجال التأمين، طورت إحدى شركات التأمين مكون برمجي مساعد قائم على نموذج كبير، يتم دمجه مباشرة في أدوات التطوير الداخلية.
هناك العديد من حالات التطبيق في مجال المكاتب الذكية. وقد قدم الخبراء نظام أسئلة وأجوبة قائمًا على نموذج مالي كبير، والذي تم إطلاقه في أحد البنوك وتم تعميمه على مئات الفروع، حيث تجاوزت نسبة قبول الإجابات 85%. حاليًا، تم نسخ هذا الحل بسرعة إلى بنوك ومؤسسات مالية أخرى.
ومع ذلك، يرى المتخصصون في الصناعة أن هذه السيناريوهات التي تم تنفيذها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، ولا يزال هناك مسافة معينة تفصل النماذج الكبيرة عن التعمق في مستوى الأعمال في القطاع المالي.
توقع الخبراء أنه بحلول نهاية هذا العام، ستظهر مجموعة من المشاريع أو معلومات المناقصات التي تستخدم نماذج كبيرة بالفعل في السيناريوهات الأساسية للأعمال في المؤسسات المالية.
قبل ذلك، كانت هناك بعض التغييرات على مستوى التصميم العلوي التي تتم. وقد حكم بعض العلماء على أن النظام الذكي والرقمي بالكامل في المستقبل سيعاد بناؤه على أساس النماذج الكبيرة. وهذا يتطلب من صناعة المالية إعادة هيكلة الأنظمة أثناء دفع نماذج الكبيرة نحو التطبيق. وفي نفس الوقت، لا يجب تجاهل قيمة النماذج الصغيرة التقليدية، بل ينبغي تحقيق التعاون بين النماذج الكبيرة والنماذج الصغيرة.
لقد تجلى هذا الاتجاه على نطاق واسع في القطاع المالي. تقوم المؤسسات المالية حاليًا بتجربة النماذج الكبيرة، وعادةً ما تتبنى نموذجًا هرميًا. على عكس النموذج المتقطع السابق، حيث كان من الضروري بناء منصة لكل سيناريو، فإن النماذج الكبيرة قد منحت المؤسسات المالية فرصة للتخطيط للنظام بالكامل بشكل أكثر علمية من الصفر.
يمكن رؤية أنه قد قامت العديد من المؤسسات المالية الرائدة حاليًا ببناء إطار نظام هرمي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمة النموذج الكبير، وطبقة التطبيق، استنادًا إلى النموذج الكبير.
تتمتع هذه الأنظمة بإطارين رئيسيين: الأول، أن النماذج الكبيرة تؤدي دور المركز، حيث يتم استدعاء النماذج التقليدية كمهارات؛ الثاني، أن طبقة النماذج الكبيرة تعتمد استراتيجية متعددة النماذج، حيث يتم المقارنة الداخلية لاختيار أفضل أداء.
في الواقع، ليس فقط المؤسسات المالية، ولكن في ظل عدم استقرار الوضع الحالي، بعض مقدمي تطبيقات النماذج الكبيرة يتبنون أيضًا استراتيجية النماذج المتعددة، مع التركيز على فعالية الخدمة. كشف بعض الخبراء أن طبقة النماذج الأساسية لديهم تدمج عددًا كبيرًا من النماذج اللغوية الكبيرة، وستقوم بتجميع الإجابات المثلى بناءً على كل إجابة نموذج كبيرة تقدمها للمستخدم.
لا يزال هناك نقص هائل في المواهب
تطبيق النماذج الكبيرة بدأ يواجه بعض التحديات والتحولات في هيكل العاملين في صناعة المالية.
وردت أنباء سابقاً تفيد بأنه مع ظهور ChatGPT، قامت شركة تكنولوجيا مالية بفصل أكثر من 300 محلل بيانات كبيرة من بداية هذا العام حتى نهاية مايو. قبل بضع سنوات، كانت هذه مهنة رائجة جداً. وقد أدى ذلك إلى قلق العاملين في هذا المجال، بل بدأوا في التفكير مسبقاً في خياراتهم المهنية للأجيال القادمة.
شارك خبراء من بنك معين أيضًا تأثير استبدال الإنسان بالنموذج الكبير. كان لدى البنك سابقًا متدربون يجمعون المعلومات من جميع الجوانب كل صباح ويقدمونها إلى قسم الأبحاث الاستثمارية، ولكن الآن يمكن إتمام هذه الأعمال بواسطة النموذج الكبير.
ومع ذلك، فإن بعض البنوك في الواقع لا ترغب في أن تؤدي النماذج الكبيرة إلى تقليص عدد الموظفين. على سبيل المثال، فإن أحد البنوك الكبرى التي تمتلك 200,000 موظف في فروعها قد صرحت بوضوح أنها لا ترغب في استبدال الموظفين بالنماذج الكبيرة، بل تأمل أن توفر هذه النماذج فرصًا جديدة، وتحسن من جودة خدمة الموظفين وكفاءتهم في العمل، وفي نفس الوقت تتيح لبعض الموظفين العمل في وظائف ذات قيمة أعلى.
يتضمن ذلك اعتبارات تتعلق باستقرار الأفراد والهياكل. ومن ناحية أخرى، هناك أيضًا نقص في المواهب في العديد من المناصب.
قال خبراء إن البنوك الكبرى لديها الكثير من العمل الذي يتعين القيام به، وبعض متطلبات تكنولوجيا المعلومات تم جدولتها حتى نهاية العام المقبل. إنهم يأملون أن تساعد النماذج الكبيرة الموظفين في إنجاز المزيد من العمل، وزيادة الكفاءة والسرعة، بدلاً من تقليص عدد الموظفين.
الأهم من ذلك، أن التطور السريع للنماذج الكبيرة يجعل من الصعب تلبية الطلب المتزايد على المواهب النادرة في فترة زمنية قصيرة. هذا يشبه عندما ظهرت الـ iPhone لأول مرة، حيث أراد الجميع تطوير التطبيقات، لكن كان من الصعب العثور على مبرمجي iOS.
في مؤتمر التكنولوجيا المالية الأخير، قام أحد كبار المسؤولين في بنك ما بتلخيص التحديات الستة التي تواجهها صناعة المال حاليًا عند استخدام قدرات النماذج الكبيرة في العمليات التجارية الأساسية، وأحدها هو نقص المواهب. وأشار إلى أن نسبة كبيرة من الموظفين الجدد الذين تم تعيينهم مؤخرًا يدرسون مجال الذكاء الاصطناعي، لكن هناك قلة من المواهب التي تفهم النماذج الكبيرة.
لدى بعض الخبراء تجربة عميقة في هذا الأمر، حيث تلقوا مؤخرًا طلب دعم من موظفين من عميل مصرفي. هذا المصرف يواجه نقصًا في اليد العاملة بسبب غياب أحد أعضاء فريق النماذج الكبيرة الذي قاموا بإنشائه، مما جعلهم يضطرون للبحث عن دعم خارجي مؤقت.
"في الوقت الحالي، هناك نقص فعلي في المواهب في هذا المجال، ولا يزال يتطلب الأمر بعض الوقت لتدريبهم." يعتقد هذا الخبير أن الطلب على المواهب التي تستخدم النماذج الكبيرة مباشرة هو بسيط نسبيًا، حيث تحتاج فقط إلى أشخاص يعرفون كيفية طرح الأسئلة. ولكن إذا كان الأمر يتطلب إنشاء نماذج كبيرة خاصة بالصناعة أو الشركة، فإن المؤسسات المالية تحتاج إلى فريق تقني قوي متخصص في النماذج الكبيرة.
أقر خبير آخر أيضًا بأن هناك فجوة كبيرة في المواهب في مجال نماذج الذكاء الاصطناعي الكبيرة، حيث تقوم المؤسسات الرائدة حاليًا بتوظيف مواهب متعلقة بالذكاء الاصطناعي، مثل حاملي الدكتوراه في الخوارزميات. وذلك لأن العملاء الماليين، على الرغم من أنهم يمكنهم الحصول على الدعم الفني من شركات نماذج الذكاء الاصطناعي، إلا أنهم في النهاية هم الطرف المستخدم والجهة الرائدة في الابتكار، ويحتاجون إلى تراكم معين من المواهب لدعم بناء منصات الذكاء الاصطناعي الكبيرة، وتخطيط تطبيقات الذكاء الاصطناعي المختلفة، وكذلك التعاون مع شركات نماذج الذكاء الاصطناعي في عملية النمذجة، وضبط الأداء، والضبط الدقيق، من أجل تحسين التداخل بين السيناريوهات والنماذج، وتوسيع نطاق وفعالية تطبيقات نماذج الذكاء الاصطناعي باستمرار.
بعض المشاركين قد اتخذوا إجراءات. قامت شركة بالتعاون مع فريق الموارد البشرية في أحد مختبرات البنوك، بتنظيم ممارسات التحول الوظيفي لنماذج كبيرة في تطبيقات الشركات، وتصميم سلسلة من التدريبات.
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.
تطبيقات النماذج الكبيرة في القطاع المالي: من القلق إلى العقلانية، تكلفة قوة الحوسبة والمواهب أصبحت مفتاحية
تطبيقات النماذج الكبيرة للذكاء الاصطناعي في الصناعة المالية: من الحماس المرتفع إلى العودة العقلانية
منذ ظهور ChatGPT، أثار بسرعة شعور القلق في قطاع المالية. هذا القطاع الذي يؤمن بالتكنولوجيا يخشى أن يُترك خلفه في تيار زمن سريع. وقد انتشرت هذه الأجواء المتوترة حتى إلى المعابد الهادئة. وذكرت أحدى المتخصصات في هذا المجال أنها خلال سفرها إلى دالي في مايو قابلت في معبد أشخاص من الوسط المالي يتحدثون معها عن النماذج الكبيرة.
ومع ذلك، فإن هذه القلق بدأت تعود ببطء إلى طبيعتها، وبدأت أفكار الناس تصبح أكثر وضوحًا وعقلانية. وصف بعض الخبراء مراحل مختلفة من موقف الصناعة المالية تجاه النماذج الكبيرة هذا العام: في فبراير ومارس، كان هناك شعور عام بالقلق، والخوف من التخلف؛ في أبريل ومايو، بدأوا في تشكيل فرق للعمل؛ وبعد بضعة أشهر، واجهوا صعوبات في العثور على الاتجاه والتنفيذ، وبدأوا يصبحون عقلانيين؛ والآن، هم يركزون على الشركات الرائدة، ويحاولون التحقق من السيناريوهات التي تم التحقق منها.
تتمثل إحدى الاتجاهات الجديدة في أن العديد من المؤسسات المالية قد رفعت النماذج الكبيرة إلى المستوى الاستراتيجي. وفقًا لإحصاءات غير مكتملة، هناك على الأقل 11 بنكًا من الشركات المدرجة في سوق الأسهم A في الصين قد ذكرت بوضوح في تقاريرها نصف السنوية الأخيرة أنها تستكشف تطبيق النماذج الكبيرة. من خلال التحركات الأخيرة، يبدو أنهم يقومون أيضًا بتفكير أكثر وضوحًا وتخطيط مسار من المستوى الاستراتيجي والمستوى الأعلى.
من الارتفاع في الحماس إلى العودة إلى العقلانية
"مقارنةً قبل عدة أشهر، يمكن الشعور بوضوح أن العملاء الماليين قد فهموا نموذج الذكاء الاصطناعي الكبير بشكل أفضل بكثير الآن." قال أحد الخبراء، إنه في بداية العام عندما تم إصدار ChatGPT، كانت حماسة الجميع عالية، لكن الفهم الحقيقي لماهية النموذج الكبير وكيفية استخدامه كان محدودًا جدًا.
في هذه المرحلة، كانت بعض البنوك الكبيرة رائدة في اتخاذ الإجراءات، وبدأت في القيام بأنواع مختلفة من الدعاية "للاستفادة من الضجة". على سبيل المثال، في مارس من هذا العام، أطلقت إحدى البنوك تطبيق نموذج كبير مشابه لـ ChatGPT. لكن تقييمات الصناعة كانت مختلطة. في ذلك الوقت، اعتقد البعض أن اسم هذا المنتج يبرز "الدردشة" في ChatGPT، وهو ما يعتبر جزءًا غير مهم، في حين تم تجاهل الجزء الحقيقي المهم وهو GPT.
في الوقت نفسه، مع قيام العديد من شركات التكنولوجيا المحلية بإصدار نماذج كبيرة، بدأت أقسام التكنولوجيا في بعض المؤسسات المالية الرائدة في التفاوض بنشاط مع الشركات الكبرى بشأن بناء النماذج الكبيرة. تأمل هذه المؤسسات المالية بشكل عام في بناء نماذجها الكبيرة، وتحتاج إلى توجيه من الشركات المصنعة بشأن إعداد مجموعات البيانات، وشراء الخوادم، وطرق التدريب، وغيرها. حتى أن بعض شركات التكنولوجيا المالية اقترحت، بعد الانتهاء، ما إذا كان بالإمكان تصديرها إلى المنافسين.
بعد مايو، بدأت الأوضاع تتغير تدريجياً. بسبب نقص موارد الحوسبة وارتفاع التكاليف، بدأت العديد من المؤسسات المالية تتحول من الأمل البسيط في بناء قوة الحوسبة والنماذج إلى التركيز بشكل أكبر على القيمة التطبيقية. "الآن، كل مؤسسة مالية تهتم بما قامت به المؤسسات الأخرى باستخدام النماذج الكبيرة، وما هي النتائج التي حققتها."
بالنسبة لمختلف أحجام الشركات، تم تحديد مسارين. يمكن للمؤسسات المالية الكبيرة التي تمتلك كميات هائلة من البيانات المالية وسيناريوهات التطبيق، أن تستفيد من نماذج أساسية رائدة، وتبني نماذج كبيرة خاصة بها، مع استخدام أساليب التخصيص، لتشكيل نماذج كبيرة مخصصة لمجالات معينة، مما يمكّن الأعمال بسرعة، لتعويض عيب طول دورة بناء النموذج الكبير. بينما يمكن للمؤسسات المالية الصغيرة والمتوسطة أن تأخذ في الاعتبار العائد على الاستثمار، وتطبق نماذج كبيرة مختلفة من خدمات السحابة أو النشر الخاص حسب الحاجة، لتلبية احتياجات التمكين مباشرة.
ومع ذلك، نظرًا لأن صناعة التمويل لديها متطلبات عالية فيما يتعلق بالامتثال للبيانات والأمان والموثوقية، يعتقد بعض الأفراد أن تقدم تطبيق النماذج الكبيرة في هذه الصناعة قد تأخر قليلاً عن التوقعات في بداية العام. وأشار بعض الخبراء إلى أنهم توقعوا في البداية أن صناعة التمويل قد تكون أول من يستخدم النماذج الكبيرة على نطاق واسع، ولكن من خلال النظر إلى حالة توصيل العملاء النهائية، فإن تقدم صناعة التمويل ليس سريعًا مثل صناعات القانون والتوظيف.
بدأت بعض المؤسسات المالية في البحث عن طرق لحل القيود المختلفة في عملية تنفيذ النماذج الكبيرة.
في جانب الحوسبة، لاحظ المتخصصون في الصناعة عدة أفكار لحل المشكلة:
أولاً، بناء القوة الحاسوبية بشكل مباشر، التكلفة مرتفعة، لكن الأمان كافٍ. مناسب للمؤسسات المالية الكبيرة ذات القوة الكبيرة، التي تأمل في بناء نماذج كبيرة للصناعة أو الشركات.
ثانياً، نشر مختلط للقوة الحاسوبية، في ظل عدم خروج البيانات الحساسة من النطاق، يقبل استدعاء واجهة خدمات النموذج الكبير من السحابة العامة، وفي نفس الوقت يعالج البيانات المحلية من خلال نشر خاص. هذه الطريقة ذات تكلفة منخفضة، حيث يتطلب الأمر استثمار عشرات الآلاف من اليوان لشراء عدد قليل من بطاقات الحساب لتلبية الاحتياجات، وهي مناسبة للمؤسسات المالية الصغيرة والمتوسطة ذات الموارد المالية المحدودة والتطبيقات حسب الطلب.
ومع ذلك، لا تزال العديد من المؤسسات الصغيرة والمتوسطة تواجه مشكلة عدم قدرتها على شراء أو تحمل تكلفة بطاقات GPU المطلوبة لنماذج الذكاء الاصطناعي الكبيرة. وفي هذا الصدد، تشير الأنباء إلى أن الجهات التنظيمية تدرس إمكانية بناء بنية تحتية لنماذج الذكاء الاصطناعي الكبيرة موجهة لصناعة الأوراق المالية بطريقة وسطية، مما يسمح بتجميع القدرة الحاسوبية والموارد الأخرى لنماذج الذكاء الاصطناعي الكبيرة، لتمكين المؤسسات المالية الصغيرة والمتوسطة في القطاع من استخدام خدمات تلك النماذج، ومنعها من التراجع تقنيًا.
ليس فقط القوة الحاسوبية، بل مع استكشاف النماذج الكبيرة خلال النصف عام الماضي، بدأت العديد من المؤسسات المالية أيضًا في تعزيز إدارة البيانات.
أشار الخبراء إلى أنه بالإضافة إلى بعض البنوك الكبرى التي لديها ممارسات ناضجة في مجال إدارة البيانات، بدأ عدد متزايد من المؤسسات المالية المتوسطة في بناء مركز بيانات ونظام إدارة بيانات. ويعتقد أن بناء نظام إدارة بيانات متكامل ومنصة تكنولوجيا بحيرة البيانات سيكون موضوعًا مهمًا في بناء تكنولوجيا المعلومات في المؤسسات المالية في المستقبل.
هناك أيضًا بنوك تعمل على حل مشكلات البيانات من خلال نموذج كبير + MLOps. على سبيل المثال، استخدمت إحدى البنوك نموذج MLOps لإنشاء نظام حلقة مغلقة لبيانات النموذج الكبير، مما حقق أتمتة العملية بأكملها، بالإضافة إلى الإدارة الموحدة والمعالجة الفعالة للبيانات المتعددة المصادر وغير المتجانسة. ووفقًا للتقارير، تم حاليًا بناء وتخزين مجموعة بيانات تدريب عالية الجودة بحجم 2.6 تيرابايت.
الدخول من المشهد الخارجي
خلال أكثر من نصف عام مضى، كان مقدمو خدمات النماذج الكبيرة، وكذلك المؤسسات المالية الكبرى، يبحثون بنشاط عن سيناريوهات تطبيقية. تم استكشاف مجالات مثل المكتب الذكي، والتطوير الذكي، والتسويق الذكي، وخدمة العملاء الذكية، والبحث في الاستثمار الذكي، وإدارة المخاطر الذكية، وتحليل الطلب على نطاق واسع.
كما قال أحد التنفيذيين في شركة تكنولوجيا مالية، "كل وظيفة رئيسية في سلسلة الأعمال المالية، تستحق أن يُعاد تصميمها باستخدام تقنية النماذج الكبيرة." أصدرت الشركة مؤخرًا نموذجًا كبيرًا في المالية، وتعاونت مع المؤسسات الشريكة لاختبار وبناء منتج نموذج كبير موجه لصناعة المالية، بهدف إنشاء مساعدات أعمال AI شاملة لمستشاري الاستثمار، ووكلاء التأمين، وأبحاث الاستثمار، وتسويق المالية، وتعويضات التأمين وغيرها من الخبراء في مجال المالية.
تتمتع المؤسسات المالية المختلفة بأفكار غنية حول النماذج الكبيرة. وقد أفادت إحدى البنوك أن لديها أكثر من 20 سيناريو تم نشره داخليًا، بينما ذكرت بنك آخر أنها قامت بتجربة في أكثر من 30 سيناريو، في حين أن إحدى شركات السمسرة تستكشف ربط النماذج الكبيرة مع منصة الأشخاص الرقميين الافتراضية التي تم طرحها سابقًا.
لكن عند تطبيق النماذج الكبيرة في الأعمال، فإن الإجماع العام هو أن يتم ذلك داخليًا أولاً ثم خارجيًا. فبالفعل، فإن تقنية النماذج الكبيرة في المرحلة الحالية ليست ناضجة، مثل وجود مشكلة الهلوسة، بينما يعتبر القطاع المالي قطاعًا يخضع لتنظيم صارم، ويتميز بالأمان العالي والموثوقية العالية.
يعتقد بعض الخبراء أنه لا يُنصح باستخدام النماذج الكبيرة مباشرةً مع العملاء على المدى القصير. يجب أن تفضل المؤسسات المالية استخدام النماذج الكبيرة في مشاهد التحليل والفهم والإبداع النصي والمرئي المالي، لتحقيق التعاون بين الإنسان والآلة في شكل مساعد، مما يعزز كفاءة العمل للموظفين.
حاليًا، تم تنفيذ مساعد البرمجة في العديد من المؤسسات المالية. على سبيل المثال، قامت إحدى البنوك ببناء نظام تطوير ذكي قائم على نموذج كبير، حيث تصل نسبة الكود الذي يتم توليده بواسطة مساعد البرمجة إلى 40% من إجمالي كمية الكود. في مجال التأمين، طورت إحدى شركات التأمين مكون برمجي مساعد قائم على نموذج كبير، يتم دمجه مباشرة في أدوات التطوير الداخلية.
هناك العديد من حالات التطبيق في مجال المكاتب الذكية. وقد قدم الخبراء نظام أسئلة وأجوبة قائمًا على نموذج مالي كبير، والذي تم إطلاقه في أحد البنوك وتم تعميمه على مئات الفروع، حيث تجاوزت نسبة قبول الإجابات 85%. حاليًا، تم نسخ هذا الحل بسرعة إلى بنوك ومؤسسات مالية أخرى.
ومع ذلك، يرى المتخصصون في الصناعة أن هذه السيناريوهات التي تم تنفيذها على نطاق واسع ليست في الواقع التطبيقات الأساسية للمؤسسات المالية، ولا يزال هناك مسافة معينة تفصل النماذج الكبيرة عن التعمق في مستوى الأعمال في القطاع المالي.
توقع الخبراء أنه بحلول نهاية هذا العام، ستظهر مجموعة من المشاريع أو معلومات المناقصات التي تستخدم نماذج كبيرة بالفعل في السيناريوهات الأساسية للأعمال في المؤسسات المالية.
قبل ذلك، كانت هناك بعض التغييرات على مستوى التصميم العلوي التي تتم. وقد حكم بعض العلماء على أن النظام الذكي والرقمي بالكامل في المستقبل سيعاد بناؤه على أساس النماذج الكبيرة. وهذا يتطلب من صناعة المالية إعادة هيكلة الأنظمة أثناء دفع نماذج الكبيرة نحو التطبيق. وفي نفس الوقت، لا يجب تجاهل قيمة النماذج الصغيرة التقليدية، بل ينبغي تحقيق التعاون بين النماذج الكبيرة والنماذج الصغيرة.
لقد تجلى هذا الاتجاه على نطاق واسع في القطاع المالي. تقوم المؤسسات المالية حاليًا بتجربة النماذج الكبيرة، وعادةً ما تتبنى نموذجًا هرميًا. على عكس النموذج المتقطع السابق، حيث كان من الضروري بناء منصة لكل سيناريو، فإن النماذج الكبيرة قد منحت المؤسسات المالية فرصة للتخطيط للنظام بالكامل بشكل أكثر علمية من الصفر.
يمكن رؤية أنه قد قامت العديد من المؤسسات المالية الرائدة حاليًا ببناء إطار نظام هرمي يتضمن طبقات متعددة مثل طبقة البنية التحتية، وطبقة النموذج، وطبقة خدمة النموذج الكبير، وطبقة التطبيق، استنادًا إلى النموذج الكبير.
تتمتع هذه الأنظمة بإطارين رئيسيين: الأول، أن النماذج الكبيرة تؤدي دور المركز، حيث يتم استدعاء النماذج التقليدية كمهارات؛ الثاني، أن طبقة النماذج الكبيرة تعتمد استراتيجية متعددة النماذج، حيث يتم المقارنة الداخلية لاختيار أفضل أداء.
في الواقع، ليس فقط المؤسسات المالية، ولكن في ظل عدم استقرار الوضع الحالي، بعض مقدمي تطبيقات النماذج الكبيرة يتبنون أيضًا استراتيجية النماذج المتعددة، مع التركيز على فعالية الخدمة. كشف بعض الخبراء أن طبقة النماذج الأساسية لديهم تدمج عددًا كبيرًا من النماذج اللغوية الكبيرة، وستقوم بتجميع الإجابات المثلى بناءً على كل إجابة نموذج كبيرة تقدمها للمستخدم.
لا يزال هناك نقص هائل في المواهب
تطبيق النماذج الكبيرة بدأ يواجه بعض التحديات والتحولات في هيكل العاملين في صناعة المالية.
وردت أنباء سابقاً تفيد بأنه مع ظهور ChatGPT، قامت شركة تكنولوجيا مالية بفصل أكثر من 300 محلل بيانات كبيرة من بداية هذا العام حتى نهاية مايو. قبل بضع سنوات، كانت هذه مهنة رائجة جداً. وقد أدى ذلك إلى قلق العاملين في هذا المجال، بل بدأوا في التفكير مسبقاً في خياراتهم المهنية للأجيال القادمة.
شارك خبراء من بنك معين أيضًا تأثير استبدال الإنسان بالنموذج الكبير. كان لدى البنك سابقًا متدربون يجمعون المعلومات من جميع الجوانب كل صباح ويقدمونها إلى قسم الأبحاث الاستثمارية، ولكن الآن يمكن إتمام هذه الأعمال بواسطة النموذج الكبير.
ومع ذلك، فإن بعض البنوك في الواقع لا ترغب في أن تؤدي النماذج الكبيرة إلى تقليص عدد الموظفين. على سبيل المثال، فإن أحد البنوك الكبرى التي تمتلك 200,000 موظف في فروعها قد صرحت بوضوح أنها لا ترغب في استبدال الموظفين بالنماذج الكبيرة، بل تأمل أن توفر هذه النماذج فرصًا جديدة، وتحسن من جودة خدمة الموظفين وكفاءتهم في العمل، وفي نفس الوقت تتيح لبعض الموظفين العمل في وظائف ذات قيمة أعلى.
يتضمن ذلك اعتبارات تتعلق باستقرار الأفراد والهياكل. ومن ناحية أخرى، هناك أيضًا نقص في المواهب في العديد من المناصب.
قال خبراء إن البنوك الكبرى لديها الكثير من العمل الذي يتعين القيام به، وبعض متطلبات تكنولوجيا المعلومات تم جدولتها حتى نهاية العام المقبل. إنهم يأملون أن تساعد النماذج الكبيرة الموظفين في إنجاز المزيد من العمل، وزيادة الكفاءة والسرعة، بدلاً من تقليص عدد الموظفين.
الأهم من ذلك، أن التطور السريع للنماذج الكبيرة يجعل من الصعب تلبية الطلب المتزايد على المواهب النادرة في فترة زمنية قصيرة. هذا يشبه عندما ظهرت الـ iPhone لأول مرة، حيث أراد الجميع تطوير التطبيقات، لكن كان من الصعب العثور على مبرمجي iOS.
في مؤتمر التكنولوجيا المالية الأخير، قام أحد كبار المسؤولين في بنك ما بتلخيص التحديات الستة التي تواجهها صناعة المال حاليًا عند استخدام قدرات النماذج الكبيرة في العمليات التجارية الأساسية، وأحدها هو نقص المواهب. وأشار إلى أن نسبة كبيرة من الموظفين الجدد الذين تم تعيينهم مؤخرًا يدرسون مجال الذكاء الاصطناعي، لكن هناك قلة من المواهب التي تفهم النماذج الكبيرة.
لدى بعض الخبراء تجربة عميقة في هذا الأمر، حيث تلقوا مؤخرًا طلب دعم من موظفين من عميل مصرفي. هذا المصرف يواجه نقصًا في اليد العاملة بسبب غياب أحد أعضاء فريق النماذج الكبيرة الذي قاموا بإنشائه، مما جعلهم يضطرون للبحث عن دعم خارجي مؤقت.
"في الوقت الحالي، هناك نقص فعلي في المواهب في هذا المجال، ولا يزال يتطلب الأمر بعض الوقت لتدريبهم." يعتقد هذا الخبير أن الطلب على المواهب التي تستخدم النماذج الكبيرة مباشرة هو بسيط نسبيًا، حيث تحتاج فقط إلى أشخاص يعرفون كيفية طرح الأسئلة. ولكن إذا كان الأمر يتطلب إنشاء نماذج كبيرة خاصة بالصناعة أو الشركة، فإن المؤسسات المالية تحتاج إلى فريق تقني قوي متخصص في النماذج الكبيرة.
أقر خبير آخر أيضًا بأن هناك فجوة كبيرة في المواهب في مجال نماذج الذكاء الاصطناعي الكبيرة، حيث تقوم المؤسسات الرائدة حاليًا بتوظيف مواهب متعلقة بالذكاء الاصطناعي، مثل حاملي الدكتوراه في الخوارزميات. وذلك لأن العملاء الماليين، على الرغم من أنهم يمكنهم الحصول على الدعم الفني من شركات نماذج الذكاء الاصطناعي، إلا أنهم في النهاية هم الطرف المستخدم والجهة الرائدة في الابتكار، ويحتاجون إلى تراكم معين من المواهب لدعم بناء منصات الذكاء الاصطناعي الكبيرة، وتخطيط تطبيقات الذكاء الاصطناعي المختلفة، وكذلك التعاون مع شركات نماذج الذكاء الاصطناعي في عملية النمذجة، وضبط الأداء، والضبط الدقيق، من أجل تحسين التداخل بين السيناريوهات والنماذج، وتوسيع نطاق وفعالية تطبيقات نماذج الذكاء الاصطناعي باستمرار.
بعض المشاركين قد اتخذوا إجراءات. قامت شركة بالتعاون مع فريق الموارد البشرية في أحد مختبرات البنوك، بتنظيم ممارسات التحول الوظيفي لنماذج كبيرة في تطبيقات الشركات، وتصميم سلسلة من التدريبات.