亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        數(shù)字人與大模型在風(fēng)控領(lǐng)域的融合創(chuàng)新應(yīng)用

        2023-12-27 11:28:14趙瑞蘭
        銀行家 2023年12期
        關(guān)鍵詞:智能模型

        趙瑞蘭

        數(shù)字人是數(shù)字社會中的新型產(chǎn)物,以數(shù)字形式存在于數(shù)字空間中,數(shù)字人包括有虛擬形象的和無特定形象的。在可控性、可編程性、規(guī)模成本等方面具有優(yōu)勢,雖然在銀行場景的覆蓋面較大,但其參與程度不是很深。伴隨著銀行業(yè)數(shù)字化轉(zhuǎn)型步入深水區(qū),其應(yīng)用的廣度和深度將不斷拓展。

        隨著技術(shù)的不斷發(fā)展,特別AI技術(shù)的發(fā)展,逐步推動了數(shù)字人的智能化升級。北銀金融科技有限責(zé)任公司(以下簡稱“北銀金科”)探索研究大模型技術(shù)+傳統(tǒng)數(shù)字人的創(chuàng)新應(yīng)用,賦能智能風(fēng)控、智能客服、智能營銷、智能運營等業(yè)務(wù)領(lǐng)域持續(xù)升級。本文重點探討數(shù)字人與大模型在風(fēng)控領(lǐng)域的融合創(chuàng)新應(yīng)用,闡述商業(yè)銀行如何通過數(shù)字人與大模型的融合,合規(guī)有效地進(jìn)行企業(yè)風(fēng)險分析,實現(xiàn)降本增效,加速推進(jìn)銀行數(shù)字化轉(zhuǎn)型。

        銀行業(yè)數(shù)字人運用現(xiàn)狀及挑戰(zhàn)

        銀行領(lǐng)域的數(shù)字人分為有形象和無特定形象的,有形象的虛擬數(shù)字人就像銀行前臺服務(wù)人員,客戶可以看到并可與之交流,如智能客服領(lǐng)域的數(shù)字人。無特定形象的數(shù)字人更像后臺人員,雖然不可見卻做了大量的工作,例如,在智能風(fēng)控領(lǐng)域,數(shù)字人利用機器學(xué)習(xí)、大數(shù)據(jù)和自然語言處理技術(shù),實時監(jiān)測和評估客戶交易和行為,自動識別潛在的欺詐或異常交易,能夠為客戶提供風(fēng)險提示,增強銀行的風(fēng)險防范能力,提升客戶的服務(wù)體驗。然而,當(dāng)前銀行應(yīng)用數(shù)字人在數(shù)據(jù)智能方面仍面臨不少挑戰(zhàn)。

        數(shù)據(jù)整合挑戰(zhàn)大。大多數(shù)銀行的系統(tǒng)均獨立且分散,無法集中管理,導(dǎo)致客戶數(shù)據(jù)散落于不同系統(tǒng)或業(yè)務(wù)部門,生態(tài)內(nèi)外的“數(shù)據(jù)孤島”問題日漸凸顯。另外,數(shù)據(jù)質(zhì)量方面也存在數(shù)據(jù)缺失、數(shù)據(jù)重復(fù)、數(shù)據(jù)錯誤和數(shù)據(jù)格式不統(tǒng)一等多種問題。數(shù)據(jù)質(zhì)量不高不僅會影響數(shù)字人技術(shù)的應(yīng)用效果,還會給業(yè)務(wù)帶來一定的風(fēng)險。

        智能交互門檻高。傳統(tǒng)的數(shù)字人主要基于預(yù)設(shè)的腳本和固定邏輯進(jìn)行響應(yīng),只能按照預(yù)設(shè)知識庫輸出答案,可能無法處理復(fù)雜或非標(biāo)準(zhǔn)的查詢和任務(wù),難以做到對交互式場景的有效替代。此外,隨著銀行業(yè)務(wù)和合規(guī)要求的不斷變化,數(shù)字人的知識庫和邏輯也要及時更新,這就需要耗費大量的時間和資源定期進(jìn)行人工更新和維護(hù),將產(chǎn)生高昂的維護(hù)成本。

        “大模型+數(shù)字人”的主要應(yīng)用領(lǐng)域

        數(shù)字人的關(guān)鍵是交互,而交互的關(guān)鍵是擬人化,大模型相比傳統(tǒng)AI模型更具智慧性,銀行業(yè)數(shù)字人對接大模型已然成為趨勢。

        大模型是具有巨大參數(shù)數(shù)量的深度學(xué)習(xí)模型,通常用于處理復(fù)雜的任務(wù),如自然語言處理、圖像識別等,通過大量的數(shù)據(jù)進(jìn)行訓(xùn)練以捕獲細(xì)微的模式和關(guān)聯(lián)。因此,可以利用大模型能力解決數(shù)字人訓(xùn)練中存在的數(shù)據(jù)質(zhì)量問題,進(jìn)行自動數(shù)據(jù)清洗、數(shù)據(jù)增強與語義識別優(yōu)化。另外,大模型和數(shù)字人都具有AI基因,兩者的融合不僅是兩項技術(shù)的結(jié)合,更能發(fā)揮“一加一大于二”的作用,可以更好地理解用戶的需求、回應(yīng)查詢并模仿人類的交往模式,為用戶提供更加豐富和滿意的體驗。在銀行領(lǐng)域,“大模型+數(shù)字人”的主要應(yīng)用場景如圖1所示。

        圖1 “大模型+數(shù)字人”的應(yīng)用領(lǐng)域

        智能風(fēng)控領(lǐng)域。數(shù)字人通過與大型模型結(jié)合,利用深度學(xué)習(xí)模型對大量歷史數(shù)據(jù)進(jìn)行訓(xùn)練,從而識別和預(yù)測潛在的風(fēng)險因素?!按竽P?數(shù)字人”的結(jié)合可促進(jìn)企業(yè)及時采取相應(yīng)的措施進(jìn)行風(fēng)險防范和應(yīng)對,大幅度降低企業(yè)的風(fēng)險事件發(fā)生率,提高整體安全性。

        智能客服領(lǐng)域。利用大模型可以實時反饋在線回答業(yè)務(wù)問題,無論是有關(guān)銀行產(chǎn)品的常見問題,還是特定的賬戶查詢,數(shù)字人都可以隨時為客戶提供答案,結(jié)合大模型,數(shù)字人可以根據(jù)客戶的反饋和行為模式進(jìn)行學(xué)習(xí),以提供更加準(zhǔn)確和個性化的服務(wù)。

        智能營銷領(lǐng)域。數(shù)字人可為潛在客戶提供產(chǎn)品的詳細(xì)信息、答疑解惑,并根據(jù)客戶的需求,使用大模型為其推薦合適的金融產(chǎn)品。在個性化營銷策略方面,利用大模型分析客戶的交易和行為數(shù)據(jù),數(shù)字人可以發(fā)送個性化的推廣消息和優(yōu)惠,從而提高轉(zhuǎn)化率。

        智能運營領(lǐng)域。數(shù)字人可以自動處理某些標(biāo)準(zhǔn)化的后臺操作流程,如數(shù)據(jù)錄入、審批等,而大模型則可以持續(xù)優(yōu)化這些流程,確保其高效和準(zhǔn)確性。

        “大模型+數(shù)字人”在企業(yè)風(fēng)險分析方面的實踐

        當(dāng)前,信貸業(yè)務(wù)依然是銀行業(yè)主要的營收來源,如何控制信貸投放風(fēng)險,如何更準(zhǔn)確高效地進(jìn)行企業(yè)風(fēng)險分析一直是困擾銀行業(yè)的難題,為此商業(yè)銀行在企業(yè)風(fēng)險分析中投入了大量的資源和人力。利用大模型與數(shù)字人技術(shù)結(jié)合的方式進(jìn)行企業(yè)風(fēng)險分析,既替代了大量人工投入,又可以極大地提升效率和準(zhǔn)確度,這對面臨嚴(yán)峻經(jīng)營形勢的當(dāng)前銀行業(yè)來說顯得尤為重要。

        北銀金科自主研發(fā)的“財報專精大模型+數(shù)字人”——財報助手,旨在為銀行的信貸決策提供更加全面、客觀的深刻洞察。聚焦貸前、貸中、貸后企業(yè)經(jīng)營狀況場景,從企業(yè)基本信息、宏觀經(jīng)濟、產(chǎn)業(yè)鏈、企業(yè)運營情況、企業(yè)財務(wù)情況等多個維度,全方位掃描相關(guān)企業(yè),分析企業(yè)的經(jīng)營狀況和盈利能力,并自動識別出潛在的風(fēng)險因素,同時,結(jié)合市場主流的分析維度和特色指標(biāo)進(jìn)行深度分析,并通過自然逼真的交互體驗、簡單易懂的表達(dá)方式為用戶提供診斷結(jié)論,助力商業(yè)銀行做出更準(zhǔn)確和可靠的信貸決策。

        技術(shù)方案

        財報助手是一個融合多種數(shù)據(jù)源的智能系統(tǒng),通過檢索和圖譜融合方案提高準(zhǔn)確性和時效性,不斷迭代和優(yōu)化提示工程,提升大模型的行為可控性,為用戶提供精準(zhǔn)可靠的多模態(tài)內(nèi)容生成能力。財報助手的建設(shè)包含三大中心(見圖2)。

        圖2 財報助手整體規(guī)劃圖

        源材料中心——企業(yè)級知識庫。企業(yè)級知識庫以知識服務(wù)為目標(biāo),將數(shù)據(jù)采集、底層模型、知識校驗以及知識存儲等知識組織過程,有條不紊地串聯(lián)打通,形成可持續(xù)迭代和成長的知識整合中心。知識庫通過處理包括各類非結(jié)構(gòu)化文本語料,如財經(jīng)新聞、上市公司年報、行業(yè)分析報告、區(qū)域經(jīng)濟報告等信息,對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理,同時結(jié)合金融領(lǐng)域文本數(shù)據(jù)特色進(jìn)行知識抽取,構(gòu)建高質(zhì)量的企業(yè)級知識庫。

        效率中心——模型工廠。模型工廠定位為“訓(xùn)推一體化工具和平臺”,構(gòu)建模型訓(xùn)練、模型管理、模型應(yīng)用、提示工程和算法安全等模塊,把垂直大模型的數(shù)據(jù)處理、預(yù)訓(xùn)練、精調(diào)的復(fù)雜過程流水線化、標(biāo)準(zhǔn)化,支撐專精模型的訓(xùn)練和部署交付。模型訓(xùn)練包含四個階段,即從模型底座、通用模型、指令微調(diào)模型到專精大模型,知識庫對前三個模型階段向外輸出通用知識和金融知識,同時專精大模型對知識庫進(jìn)行向上反哺?;诟哔|(zhì)量企業(yè)級知識庫,模型工廠通過增量訓(xùn)練將知識庫數(shù)據(jù)不斷注入大模型,實現(xiàn)知識庫擴充與模型自動增量訓(xùn)練效果提升的動態(tài)閉環(huán)(見圖3)。

        圖3 大語言模型訓(xùn)練過程

        服務(wù)中心——大模型服務(wù)平臺(MaaS)。構(gòu)建自助式大模型服務(wù)平臺,平臺具有自動化部署、自動機器學(xué)習(xí)、可解釋性 AI等特性,一方面,能夠使用戶快速構(gòu)建專屬大模型應(yīng)用,并保證生成內(nèi)容的準(zhǔn)確性和效率,另一方面,還能夠讓用戶通過平臺上傳領(lǐng)域知識文檔,精心編輯提示詞模板以完成特定任務(wù)。同時,平臺提供持續(xù)優(yōu)化和監(jiān)控服務(wù),幫助商業(yè)銀行快速建立數(shù)據(jù)驅(qū)動的決策系統(tǒng),降低模型運維成本,提升模型性能(見圖4)。

        圖4 大模型應(yīng)用服務(wù)提示詞管理

        平臺利用金融行業(yè)的典型場景和豐富的數(shù)據(jù)積累,在原有的AI工程化平臺基礎(chǔ)上,進(jìn)行大規(guī)模的模型調(diào)優(yōu)和訓(xùn)練,最終形成了符合金融業(yè)務(wù)需求的系列專精大模型。不僅能提供成熟的基礎(chǔ)模型,還能提供完整的大語言模型運維(LLMOps)閉環(huán)。用戶可以通過簡單的拖拽方式去完成模型的部署和測試,并統(tǒng)一管理提示詞及調(diào)度流程。此外,平臺集成了金融領(lǐng)域大規(guī)模的數(shù)據(jù)集,用戶可以基于自己的數(shù)據(jù)進(jìn)行快速的模型微調(diào)和生成。

        應(yīng)用價值

        通過財報助手,借貸企業(yè)風(fēng)險分析效率和準(zhǔn)確率能實現(xiàn)顯著提升。實時獲取借貸企業(yè)財務(wù)狀況、經(jīng)營狀況、行業(yè)前景、管理水平等信息后,通過大模型技術(shù)實現(xiàn)企業(yè)的信用評級實時調(diào)整,通過數(shù)字人技術(shù)對風(fēng)險信息進(jìn)行實時反饋及跟蹤處理。對于信用狀況持續(xù)改善的企業(yè),銀行可上調(diào)其信用等級,給予更優(yōu)惠的信貸政策。而對于信用不斷惡化的企業(yè),銀行則下調(diào)其信用評級,實施更嚴(yán)格的審查與控制措施,以控制風(fēng)險敞口。

        此外,財報助手在貸前、貸中、貸后環(huán)節(jié)均能發(fā)揮重要價值。在貸前階段,深入分析企業(yè)的經(jīng)營模式、技術(shù)革新能力、市場前景等,審慎評估其違約風(fēng)險與抵押物價值變化風(fēng)險;在貸中階段,定期監(jiān)測企業(yè)運營狀況與技術(shù)發(fā)展動態(tài),分析經(jīng)營波動風(fēng)險,以便在必要時采取包括調(diào)整信貸策略、優(yōu)化產(chǎn)品配置、提高風(fēng)險防控能力等行動,確保資產(chǎn)安全;在貸后階段,準(zhǔn)確披露企業(yè)的風(fēng)險處置與控制情況,讓監(jiān)管機構(gòu)全面了解銀行的風(fēng)險管理水平。

        可以預(yù)見,財報助手將逐步從分析員角色成長為輔助決策的專家顧問角色,實現(xiàn)透視全局經(jīng)營情況,預(yù)測發(fā)展趨勢,輔助經(jīng)營和管理決策(見圖5)。

        圖5 財報助手能力層級體系

        總結(jié)和未來展望

        大模型賦予了數(shù)字人更加智慧的大腦,讓數(shù)字人的智能化程度得到跨越式的提升。數(shù)字人與大模型在風(fēng)控領(lǐng)域的融合創(chuàng)新,可幫助銀行建立起企業(yè)級知識庫并進(jìn)行有效的企業(yè)風(fēng)險評估,提升信貸業(yè)務(wù)質(zhì)量,實現(xiàn)成本下降和效率提升,助推商業(yè)銀行高質(zhì)量發(fā)展。

        展望未來,伴隨AI的飛速發(fā)展,由大模型驅(qū)動的數(shù)字人將全面邁入“智人”時代,進(jìn)而擁有全新的應(yīng)用場景和商業(yè)空間。在大模型和數(shù)字人創(chuàng)新融合的助力下,商業(yè)銀行將實現(xiàn)人機協(xié)同智能化、經(jīng)營決策智能化、業(yè)務(wù)流程智能化的提升,加快實現(xiàn)數(shù)字化轉(zhuǎn)型,更高效地賦能實體經(jīng)濟和人民美好生活。

        猜你喜歡
        智能模型
        一半模型
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計的漸近分布
        智能制造 反思與期望
        智能前沿
        文苑(2018年23期)2018-12-14 01:06:06
        智能前沿
        文苑(2018年19期)2018-11-09 01:30:14
        智能前沿
        文苑(2018年17期)2018-11-09 01:29:26
        智能前沿
        文苑(2018年21期)2018-11-09 01:22:32
        智能制造·AI未來
        商周刊(2018年18期)2018-09-21 09:14:46
        3D打印中的模型分割與打包
        青青草在线成人免费视频| 99久久国产综合精品麻豆| 国产a级午夜毛片| 国产精品久久久久国产a级| 国产精品国产三级在线高清观看| 麻豆夫妻在线视频观看| 91超精品碰国产在线观看| 全黄性性激高免费视频| 国产av无码专区亚洲av中文| 啪啪免费网站| 国产在视频线精品视频二代| 日日噜噜噜夜夜狠狠久久蜜桃| 亚洲欧洲国产码专区在线观看| 国产老熟女狂叫对白| 亚洲中文无码精品久久不卡| 亚洲中国美女精品久久久| 男女互舔动态视频在线观看| 欧美大屁股xxxx高潮喷水| √天堂中文官网8在线| 亚洲国产精品综合福利专区| 性感美女脱内裤无遮挡| 在线观看视频播放| 国产成人精品电影在线观看18 | 欧美1区二区三区公司| 成人短篇在线视频夫妻刺激自拍 | 免费男人下部进女人下部视频 | 国产精品视频白浆免费看| 日日摸夜夜添夜夜添高潮喷水| 97久久天天综合色天天综合色hd| 最新国产午夜福利| 日本一区二区高清视频| 色偷偷色噜噜狠狠网站30根| 国产成人亚洲综合色婷婷| 狠狠躁夜夜躁AV网站中文字幕| 92自拍视频爽啪在线观看| 国产精品久久精品第一页 | 精品一精品国产一级毛片| 国产一区二区三区在线影院| 少妇爆乳无码专区| 久久精品国产99国产精2020丨 | 人人妻人人澡人人爽欧美一区|