「モックアップ」は何も新しいものではありません。
このビッグモデルブームの波が起こる前から、業界にはあらゆるサイズのモデルが存在していました。ただし、産業分野の多くは重要な意思決定を伴うため、実用化には慎重になります。
大型モデルの恩恵により、業界における人工知能の応用は新たな機会をもたらしました。しかし、「モデル」が乱舞するこの時代、業界の大規模モデルと大規模アプリケーションはどこまで離れているのでしょうか？突破すべき真のコアテクノロジーは何でしょうか?
これらの疑問を念頭に置き、私たちは WAIC 2023 グローバル人工知能カンファレンスの機会を利用して、最前線の産業実務者を見つけ、その答えを探っていきたいと考えています。すぐに消費者金融が目に入りました。
Ma Ma Consumer Finance の副総支配人兼最高情報責任者 (CIO) である Jiang Ning 氏によると、Ma Ma Consumer Finance は 2015 年に設立され、現在約 3,000 名の従業員がおり、そのうち 2,000 名以上が研究開発に従事しており、そのほとんどが従業員です。人工知能とビッグデータの方向性であり、外部委託ではなく独立した研究開発を堅持しており、2023年6月末現在、発明特許出願は1315件、公開特許は983件あり、消費者金融業界の52.9％を占め、業界1位となっている。インダストリーは健全なテクノロジー主導の金融機関です。同社は現在、100,000 を超えるリスク特性変数、100 を超える細分化反復モデル、2,000 を超えるリスク戦略、意思決定、およびデータ モデル アルゴリズムを保有しており、92.4% のスマート カスタマー サービス転換率、100% のスマート品質検査カバー率、全体の 98.6% を達成しています。顧客満足。
Mashang Consumer Finance 副ゼネラルマネージャー兼最高情報責任者、Jiang Ning 氏
金融業界における大規模モデル適用の問題点を克服する4つの主要な課題
金融業界は、テクノロジーを活用したビジネスのパイオニアとして、常に新しいテクノロジーの応用実践の先頭に立ってきました。金融業界で新しいテクノロジーがどのように使用されるかは常に注目を集めています。もちろん大型モデルも例外ではありません。
Jiang Ning 氏の見解では、現在、金融業界における大規模モデルの適用は 4 つの課題に直面しています。
1 つはミッションクリティカルで動的な適応性です。重要なタスクは、自動運転や銀行預金など、人命や主要な資産に関連することが多く、人工知能が 100% 正確であることは容易ではありません。生成モデルに関しては、業界で化学反応と判別モデルを組み合わせても、現時点では明らかな効果はありません。同時に、AlphaGo のクローズド システムとは異なり、大きなモデルがますますインテリジェントになりたい場合は、オープン システムでグループの力をモデルに貢献させる方法を見つけなければなりません。可能な限りフィードバックに参加し、エコロジーを形成できます。
2 つ目は、パーソナライズされた要件とプライバシー保護です。これは、同じ独断的なサービスを放棄し、数千人を達成するために解決する必要がある問題でもあり、大規模なモデルは、ユーザーのプライバシーを確保しながら、ユーザーにパーソナライズされたエクスペリエンスを提供できます。
3 つ目は、群れのインテリジェンス、安全性、および制御性です。中国ではモバイルインターネットとPCインターネットが分離されているため、利用できるデータが限られている一方で、産業分野のデータは閉鎖的なことが多く共有が困難です。業界や組織を超えたデータ共有と株式共有のための安全で制御可能なメカニズムをどのように設計するかも大きな課題です。
4 番目はインフラストラクチャの容量です。GPU、ネットワーク、コンピュータ室などの基本環境は、大規模なモデルのトレーニングと推論のニーズに合わせて変更し、その効果を最大化する必要があります。この課題が最初に解決されることが期待されます。
金融業界における大型テクノロジーの方向性を読み解く3大テクノロジー
上記の最初の 3 つの課題に応えて、Jiang Ning 氏は、彼が理解している大規模モデルの 3 つの実際のコア テクノロジーを示しました。
1 つは継続的な学習です。これがビッグモデルがもたらした最大の変化であり、ビッグモデルの成功の鍵となる。数千モデルであろうと1万モデルであろうと、最も重要なことはモデルのパラメータではなく、大きなモデルがエコロジー機能を備えているかどうかです。そのため、できるだけ多くの人がそれを使用でき、多ければ多いほど賢くなります。使用され、継続的な学習機能があり、肯定的なフィードバックを提供します。
2 つ目は、堅牢な意思決定です。自動運転、医療、金融などの産業界では、人工知能は99％正しくても、1％が間違っていると人命に関わる重大な意思決定に関わるため、産業界では使えません。 。したがって、大型モデルがノイズや干渉を排除し、予期せぬ予測不可能な状況でも意思決定の安定性、安全性、コンプライアンスを維持できるようにする必要があります。
3つ目は複合AIです。以前は業界には多くのモデルがありましたが、大規模モデルの出現後は、大規模モデルの一般化機能を利用して作業を分解することで、生成モデルを業界の元の識別モデルと効果的に組み合わせることができるようになりました。 2 つのモデルの利点をより有効に活用できるため、GPT を自動化でき、お得です。
「現実の業界で継続的な学習、堅牢性、組み合わせを実装できる新しい AI システムを形成することは、将来業界で効果的に使用できる大規模なモデルを構築するための方向性です。」と Jiang Ning 氏は述べています。
3つの縦と3つの横、消費者金融における即時AI実践
Jiang Ning 氏の見解では、Immediate Consumer Finance は AI 主導の金融テクノロジー企業として、金融業界に共通する 3 つの問題の解決に貢献する必要があります。
1 つは、パーソナライズされたサービスと究極のユーザーエクスペリエンスです。金融サービスは価値が高く頻度が低いという特徴があるため、パーソナライズされたエクスペリエンスを提供することが困難です。従来のアプローチでは、レイヤーにラベルを付けてさまざまな製品を提供しますが、ラベルは動的であるため、顧客に自動化されたエクスペリエンスを提供するための自動化された決定を行うには、製品が異なる必要があります。
2 つ目は、価値の転送効率です。金融はテクノロジーとデータを集約した業界ですが、人工知能にはまだエラーがないわけではなく、多くのタスクが手動操作に大きく依存しているため、現時点ではオフラインの店舗がまだ多数あります。
3 つ目は、堅牢性に関連するコンプライアンスと安全性のための意思決定インテリジェンスです。
これら 3 つの考慮事項に加え、数万台のサーバー、約 1,000 枚の GPU カード、およびテキスト、音声、画像、ビデオ形式の 40PB のデータに基づいて、Immediate Consumer Finance はコンピューティング パワーの閉ループを実現しました。アルゴリズム、データ、シナリオの3つを組み合わせた結果、「3つの縦と3つの横」のAI戦略が構築されました。
即時消費者金融の「3つの縦と3つの横」戦略
3つの垂直
- リアルタイムの人間と機械の意思決定:業界の堅牢性の問題を解決し、人工知能が解決できない問題の 1% を人間に引き継がせます。
- マルチモーダル大規模モデル:大量の言語、テキスト、画像、その他のマテリアルが蓄積され、それらを中心に多くのトレーニングが実施され、マルチモーダル資産の完全なセットが形成されています。
- データ インテリジェンス: 自動マーケティング、リスク管理、その他のサービスを 2 億人以上のユーザーに提供するために、2000 を超えるモデルが構築されていますが、これ自体が希少なシナリオおよびリソースです。
3本の水平線
- 継続的な学習: 行うことは 1 回限りではなく、使えば使うほど賢くなっていきます。
- モデル制御: ロバスト性、突発性、予期せぬ問題を解決し、モデルの出力を安定させ、ノイズを自動的に検出し、社会倫理に違反する有害なデータを効果的に選別します。
- 結合 AI :複数のモデルを組み合わせて適用し、問題を解決します。
現在、即時消費者金融の AI は主に 3 つのシナリオに適用されています: 1 つはリアルタイムの人間と機械のコラボレーション、継続的な学習、信頼できるセキュリティとコンプライアンスを実現する金融インテリジェントな対話、もう 1 つは金融デジタル ヒューマン、大型モデル+組み合わせAIマルチモード 3つ目は、金融サービスのAIハートエンジンで、大型モデルの脳と心理学の有機的な組み合わせを通じて、感情的なヒューマンマシンエクスペリエンスを実現します。
「垂直分野での識別モデルや生成モデルなどの複数のモデルを組み合わせて、オープンな継続学習、堅牢で準拠した安全なシステムを構築することは、数千億のパラメータに依存するモデルではなく、大規模なモデルの実際の実装です。江寧氏はこう締めくくった。