データインテリジェンス業界のイノベーションサービスメディア
——デジタルインテリジェンスに注力し、ビジネスを変える
最近、Hang Seng Electronics とその子会社の Hang Seng Juyuan は、ビッグ言語モデル技術に基づく新しいデジタル金融製品、つまり金融インテリジェント アシスタント Photon と新しくアップグレードされたインテリジェント投資調査プラットフォーム WarrenQ を正式にリリースしました。さらに、ハンセン電子の金融業界の大型モデルであるLightGPTもデビューした。
Hundsun Electronics の Liu Shufeng 会長は、この大型モデルは情報技術における最新のブレークスルーであり、機械知能に対する人々の理解を一新し、同時に業界における従来の AI モデルの適用を一新するものであると述べた。
今年初め、ChatGPTに代表される生成AIが世界的に盛り上がりを見せ、大規模モデル技術があらゆる分野を再定義しつつありますが、中でも金融業界はデジタル化とインテリジェンスの先駆者であり、大規模モデル技術の最新の実装とも見なされます。
大規模モデルの時代には、汎用機能を備えた大規模モデルがインフラとなり、金融業界のインテリジェンスとデジタル化のレベルに大きな影響を与えることになります。
金融業界にサービスを提供するテクノロジー企業として、Hundsun Electronics は、独自の技術力と金融ビジネスへの深い理解を組み合わせて、金融業界の大型モデルと大型モデルに基づく新しいデジタル インテリジェンス製品を継続的に作成し、金融業界に新たな勢いをもたらしています。金融業界における大規模モデルの適用。
テクノロジーの進歩が業界の変化を促す
技術の進歩は社会に大きな変化をもたらしますが、大型モデルは情報技術分野における新たなブレークスルーとなります。
数十年にわたる情報技術の発展を見ると、初期のメインフレームやPCの情報化から、インターネット、ネットワーク、モバイルインターネットに至るまで、地球全体が一つの「村」になっていることがはっきりと分かります。 . .
大型モデルの誕生は、この情報技術ラウンドの第 3 の波です。5G、従来の AI を含むクラウド コンピューティングの影響により、外部の世界は AI によるデジタル化の波を感じていますが、大型モデルはこの波を押し上げています。新しいレベルの高さ。
実際、中国の金融テクノロジーの発展には「3つの波」が重なっており、金融監督という垂直分野では、テクノロジーの進歩の波がもたらす混乱はそれほど強くないかもしれないが、あらゆる進歩はまた新たな生を生むことになる。初期のビジネスに。
劉樹峰氏は、情報化時代において招商銀行はテクノロジーで地位を確立し、情報テクノロジーがもたらす成長力を把握したという例を挙げた。インターネットの発展により、Alipay や Yu'E Bao などの新しいシナリオの金融サービス商品が誕生したほか、Ant Financial、Oriental Fortune、Zhongan Insurance などのインターネット ネイティブの金融サービス機関も誕生しました。
したがって、従来の時代のアップデートには大規模モデル技術の導入が不可欠であり、技術の敷居が高く、大規模化することを意味し、大規模モデル時代では「データ＋アルゴリズム＋計算能力」が新たなパラダイムの基本要素となります。 、およびこれらの基本要素は、一般分野と垂直分野に参入し、拡大し続けます。
Hang Seng Electronics は、基本的な大型モデルに基づいて、垂直シーンとの接続について 2 つの可能性を見出しました。1 つは水平に接続し、もう 1 つは垂直に結合することです。Lianheng は、プラグイン方式として業界プラグインを使用して、常識知識、ドメイン知識、イベント知識などのさまざまな種類の知識モジュールを大きな言語モデルに追加し、大きな言語モデルに適応して統合します。複雑なタスクのパフォーマンスを向上させるために。もう 1 つの形式は、Hang Seng Electronics が検討している「ジョイント垂直」モードです。
Liu Shufeng氏は、金融分野では、大規模模型サプライヤーが独占する「連恒」モデルはデータ財産権の所有権など多くの問題に直面すると述べた。「連結された水平モデル」の徹底的な適用を達成することが難しい場合、垂直分野の「垂直」ニーズを引き受ける「業界大規模モデル」を確立する必要があります。
同氏はまた、大規模なインダストリ モデルは、コンピューティング能力のコラボレーション、内部および外部のデータ コラボレーション、シナリオ コラボレーション、機関間のコラボレーションなどの固有の課題にも直面していると述べました。「特にデータ調整は非常に具体的で解決が非常に難しい問題であり、特に金融業界は多くのコンプライアンス制限に直面している。」
大規模モデルの商用アプリケーションはある程度、金融の垂直分野に焦点を当てていますが、ドメイン知識の適時性、データのセキュリティとプライバシーの保護、特定のアプリケーションのサポートの点で依然として制限があります。共同垂直モデルの下では、大規模業界の上流と下流の協力を最大限に活用して、金融分野におけるAIアプリケーションのレベルを向上させると同時に、データセキュリティとプライバシー保護の問題を解決し、金融デジタルインテリジェンスをより強力にサポートすることができます。
金融業界のデジタル インテリジェンスは定量的なものから定性的なものへと変化しています
「優れた金融大規模モデルの構築は、高品質のデータ、優れた基本的な大規模モデル、専門的な大規模モデル能力、および十分なコンピューティング能力にかかっています。」とハンセン研究所所長でハンセン電子の主席研究員であるバイ・シュオ氏は述べた。 。
2014 年から、Hundsun Electronics は AI 研究活動を正式に開始し、NLP、OCR、CV、ナレッジ グラフなどの機能を作成し、AI テクノロジー機能をインテリジェントな顧客サービス、インテリジェントな投資調査、インテリジェントなオペレーション、インテリジェントなマーケティング、インテリジェントな投資に強化しました。 Gu とデータおよびリスク関連のビジネス システム。
これまで、フンサン電子は20以上の人工知能製品をリリースしており、サービス機関には銀行、証券、ファンド、先物取引などの金融機関が含まれており、500以上の顧客事例があり、人工知能製品を実用的なものから使いやすいもの、そしてより使いやすいものへと進化させてきました。使用。
WarrenQ は、投資調査と投資シナリオのために Hang Seng Juyuan によって立ち上げられた、専門的な統合投資調査ツール プラットフォームです。この記者会見で、WarrenQ は、WarrenQ-Chat と ChatMiner という 2 つの AI ツール製品を発表しました。
WarrenQ-Chat は金融垂直分野のチャット製品で、大規模モデルの重ね合わせ検索と Juyuan 金融データベースを使用して、対話指示を通じて金融市場の状況、情報、データを簡単に取得し、生成された各対話はオリジナル テキストのトレーサビリティをサポートし、ニュース ソースを追跡でき、財務専門レポートも生成できるため、簡単に「音声コントロール」を実現できます。
ChatMiner は、大規模なモデルとベクトル データベースに基づいて構築された財務文書マイナーであり、ユーザーの対話指示に従って指定された文書を迅速に解釈し、正確な検索と位置決めを提供し、重要な情報を抽出し、情報を効果的に統合および洗練したり、インテリジェントに拡張したりすることができます。大量のテキストデータを処理します。
Hang Seng Juyuan の副ゼネラルマネージャー兼製品ディレクターである Bai Xue 氏は、WarrenQ には全能のリーダーとライター、引用と計算、計算バージョン モデルなど、多くのシナリオと機能があると述べました。
たとえば、ChatMiner では大量のニュースを収集できるので、興味のあるニュースがあれば、ニュースをたどって調査レポートの内容を原文で確認することができます。中央の段落が表示され、それを保持したい場合は、それをクリックしたままにして、ワンクリックでメモにドラッグします。
プロダクト マネージャーの観点から、Bai Xue 氏は、今年多くの製品を試した後、大きなモデルはソフトウェア製品を変え、ソフトウェア インタラクションを変え、そしてソフトウェア業界を変えることであると実感していると述べました。「ビッグモデル + データ + ソフトウェア」の将来がどうなるかは、業界で広く議論されるトピックです。
彼らの見解では、最下層はデータ層であり、生成されたデータ層とは異なります。従来のデータ層は、組織がデジタル インテリジェンス プラットフォームを構築するのに役立ちます。最下層の多くは、公開データと組織独自のデータベースです。現在、組織データベースには、財務基本コーパス、製品コーパス、公共大規模モデル コーパスが追加され、大規模モデルの新時代におけるデジタル インテリジェンス製品の最下層を形成します。
モデル層では、用意したデータとコーパスを組み合わせて財務データの事前学習を行うことができ、同時に監視の微調整も行うことができ、調整後は財務版の大規模モデルが構築できます。得られる。金融分野の製品化においては、プラグインの育成を継続する必要がある。
より専門的な財務モデルを構築するにはどうすればよいでしょうか?
記者会見では、Hundsun Electronicsが作成した金融業界の大型モデルであるLightGPTもデビューした。LightGPT は、金融業界向けのプロフェッショナルな大規模モデルとして、汎用の大規模モデルよりもプロフェッショナルで、準拠性が高く、軽量です。
Hang Seng Research Institute の所長で Hang Seng Electronics の主席研究員である Bai Shuo 氏は、LightGPT には、4,000 億トークンを超える金融分野のデータを使用し、より専門的な金融コーパス蓄積処理と、より効率的で安定した大規模モデルのトレーニング方法があると述べました。 400 億トークンを超える言語 データを強化し、それを大規模モデルの二次事前トレーニング コーパスとして使用して、80 を超える財務固有のタスク命令の微調整をサポートします。金融分野を正確に理解する能力。LightGPT は 9 月末に財務機能のアップグレードの新しいラウンドを完了し、トライアル インターフェイスを正式にオープンします。
Bai Shuo 氏の見解では、既存の大規模モデルを特定の金融分野で実装することが難しい主な理由は次の 3 つです。
まず、モデル自体の品質です。金融業界では回答内容やサービスの品質に対する要求が非常に高く、公的データに基づいた一般的な大規模モデルの学習を実現することは難しく、効果とニーズの間には明らかなギャップがあります。金融業界。
第二に、コンプライアンス監督の観点から見ると、金融業界の監督にはデータフローとアイデンティティ（ライセンスを取得して運営するかどうかなど）に明確な制限があり、既存の一般的なモデルを満たすことが困難です。
第三に、計算能力コストの観点から、上記 2 つの側面の要件と組み合わせると、多くの金融機関は、大規模モデルを使用する場合、少なくとも業界の信頼できる範囲内で、明らかにプライベート展開を必要とします。ボリュームが十分に大きくない場合、品質は比較的低い可能性があります。パラメータのボリュームが十分に大きい場合、推論の観点からだけ見ても、導入の計算能力コストは比較的高くなります。
したがって、フンサン電子は巨人の肩の上に立ち、既存の基本的な大型モデルの高品質な結果を十分に吸収し、業界が必要とする金融大型モデルを磨き続けることを断固として選択します。
これに関して、Bai Shuo 氏は、優れた財務モデルを構築するための 4 つの重要な要素を要約しました。
まず、高品質のデータです。金融業界には高度な専門的要件があり、データは業界の専門性を反映する必要があり、これが一般的なモデルから距離を置くための鍵となります。LightGPT のデータ ソースには、Juyuan のテキスト データと、過去 20 年間の 4,000 億以上のトークンの構造化データ、金融の教科書、金融百科事典、政府の報告書、規制、および 400 億以上のトークンのその他のデータ、および一部の罰金データが含まれます。調整されたデータセット。
2つ目は、優れたベーシックモデルです。優れたベーシック大型モデルを出発点として、プロの現場に臨むには改善の余地がある。Hundsun Electronics は、LightGPT がより高い出発点を持つように、国内外の大規模な金融モデルとの協力を積極的に模索しています。
第三に、プロフェッショナルな大規模モデル機能。アルゴリズム、人材、外部協力など、大規模モデルの専門的な能力をトレーニングします。アルゴリズムに関しては、パラメータの凍結、ドメイン関連の命令の微調整、強化学習に関連するアルゴリズムなど、より高度なアルゴリズムを学習して採用する必要があります。人材の確保という点では、フンサン電子は全国的なポスドク科学研究ワークステーションを有しており、外部協力の面では、復丹大学、浙江大学、中国科学院、中国科学技術大学などの大学と協力関係にある。中国。
4 番目に、十分なコンピューティング能力。これは、Hang Seng とインターネット ベンダーおよびクラウド ベンダーとのコンピューティング能力の面での協力から生まれる一方で、Hang Seng は LightGPT の研究開発をサポートするために独自のコンピューティング能力の一部も投資しています。
中国の大手金融テクノロジー企業として、フンサン電子は金融業界向けに構築する能力を徐々に示しており、市場のさらなる深化に直面して、2030年までに金融業界全体がデジタル化を完了すると予想されると劉樹峰氏は述べた。知性のアップグレード。その先駆者として、フンサン電子は金融業界とともにデジタルインテリジェンスの新時代を迎えます。
文：周瑶 / Data Ape
