摘 要：普惠金融的高質(zhì)量發(fā)展直接影響金融強(qiáng)國(guó)戰(zhàn)略的實(shí)現(xiàn)，但當(dāng)前普惠金融的發(fā)展面臨信息不對(duì)稱、融資成本高等問(wèn)題，不利于其高質(zhì)量發(fā)展。大語(yǔ)言模型作為一種新的數(shù)字技術(shù)，能夠緩解普惠金融發(fā)展面臨的困境。當(dāng)前，為促進(jìn)大語(yǔ)言模型在普惠金融中的應(yīng)用，應(yīng)夯實(shí)其應(yīng)用環(huán)境建設(shè)、降低輸出結(jié)果偏見(jiàn)、強(qiáng)化應(yīng)用合規(guī)管理、重視數(shù)據(jù)安全、加強(qiáng)人才隊(duì)伍建設(shè)、客觀看待決策結(jié)果，并加大資源投入力度。

關(guān)鍵詞：金融強(qiáng)國(guó)；大語(yǔ)言模型；普惠金融

一、背景

2023年10月30日至31日，第六次中央金融工作會(huì)議在北京召開(kāi)。此次金融工作會(huì)議首次提出“金融強(qiáng)國(guó)”的目標(biāo)，這也是我國(guó)金融今后發(fā)展的戰(zhàn)略指導(dǎo)思想。會(huì)議要求要做好科技金融、綠色金融、普惠金融、養(yǎng)老金融、數(shù)字金融五篇大文章，其中，普惠金融作為五大金融種類之一，經(jīng)過(guò)多年的發(fā)展已取得重要突破，尤其是在數(shù)字技術(shù)的應(yīng)用方面，無(wú)論是廣度還是寬度均取得長(zhǎng)足進(jìn)步，普惠金融對(duì)于促進(jìn)全面建成小康社會(huì)、經(jīng)濟(jì)轉(zhuǎn)型發(fā)展、社會(huì)和諧都具有重要意義。2023年9月25日，《國(guó)務(wù)院關(guān)于推進(jìn)普惠金融高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》發(fā)布，強(qiáng)調(diào)在未來(lái)五年要基本建成高質(zhì)量的普惠金融體系，具體表現(xiàn)為基礎(chǔ)金融服務(wù)更加普及、經(jīng)營(yíng)主體融資更加便利、金融支持鄉(xiāng)村振興更加有力、金融消費(fèi)者教育和保護(hù)機(jī)制更加健全、金融風(fēng)險(xiǎn)防控更加有效、普惠金融配套機(jī)制更加完善，將普惠金融的重要性提升到一個(gè)新的高度，也提出了更高的要求。然而，普惠金融在發(fā)展過(guò)程中仍面臨信息不對(duì)稱、信用風(fēng)險(xiǎn)過(guò)高等問(wèn)題，影響了普惠金融的進(jìn)一步發(fā)展。

隨著數(shù)字技術(shù)的快速發(fā)展，普惠金融的高質(zhì)量發(fā)展越來(lái)越離不開(kāi)數(shù)字技術(shù)的加持，只有通過(guò)數(shù)字技術(shù)的不斷迭代才能解決普惠金融發(fā)展面臨的難題。大語(yǔ)言模型作為一種新的數(shù)字技術(shù)，因ChatGPT的推出而受到廣泛關(guān)注。ChatGPT主要是基于大規(guī)模預(yù)訓(xùn)練模型GPT3-5所具備的較強(qiáng)的語(yǔ)言理解與生成功能，將RLHF（Reinforcement Learning from Human Feedback）技術(shù)應(yīng)用其中，讓機(jī)器能夠在比較自然的、人性化的過(guò)程中得到訓(xùn)練、產(chǎn)生互動(dòng)。ChatGPT的獨(dú)特之處在于其通過(guò)用戶行為互動(dòng)，將人類行為嵌入訓(xùn)練過(guò)程中，以更寬廣的視角與更高的效率學(xué)習(xí)，從而逐步形成符合人類價(jià)值觀的行為導(dǎo)向。ChatGPT自發(fā)布以來(lái)就迅速成為社會(huì)關(guān)注的焦點(diǎn)，在短時(shí)間內(nèi)用戶注冊(cè)量破億，受到市場(chǎng)的廣泛歡迎。ChatGPT的功能十分智能化，能夠在短時(shí)間內(nèi)快速根據(jù)用戶的需求生成相應(yīng)文本，甚至還具備長(zhǎng)期記憶的特點(diǎn)，只需要用戶發(fā)出提示，就能完成相應(yīng)的項(xiàng)目。ChatGPT模型作為大語(yǔ)言模型的具體應(yīng)用，展現(xiàn)出大語(yǔ)言模型的強(qiáng)大功能。大語(yǔ)言模型正是通過(guò)各種訓(xùn)練，在海量級(jí)別的數(shù)據(jù)中通過(guò)算力形成知識(shí)，并將這些知識(shí)儲(chǔ)存于各種參數(shù)中，最終形成能夠快速、高效完成各項(xiàng)任務(wù)的技術(shù)架構(gòu)。目前，大語(yǔ)言模型在互動(dòng)問(wèn)答、智能翻譯、信息搜索、文本及代碼生成、邏輯推理和簡(jiǎn)單的智能分析等領(lǐng)域的表現(xiàn)不輸人類正常水平，這種人機(jī)交互方式的應(yīng)用在普惠金融領(lǐng)域也有著巨大的應(yīng)用前景。

大語(yǔ)言模型的發(fā)展可以推動(dòng)建立高質(zhì)量的普惠金融體系。一方面，大語(yǔ)言模型可以提升運(yùn)營(yíng)效率，降低服務(wù)成本。金融機(jī)構(gòu)可以借助大語(yǔ)言模型不斷優(yōu)化其普惠金融商業(yè)模式及業(yè)務(wù)流程，通過(guò)提高服務(wù)效率，降低客戶服務(wù)成本。另一方面，大語(yǔ)言模型在控制風(fēng)險(xiǎn)方面也表現(xiàn)出顯著優(yōu)勢(shì)，其強(qiáng)大的數(shù)據(jù)分析能力能夠基于復(fù)雜的數(shù)據(jù)集中分析出規(guī)律，評(píng)估普惠群體的信用水平，進(jìn)而為金融機(jī)構(gòu)的普惠金融業(yè)務(wù)提供實(shí)時(shí)預(yù)警機(jī)制，降低信用風(fēng)險(xiǎn)。此外，在產(chǎn)品定制化服務(wù)方面，大語(yǔ)言模型的算法技術(shù)能夠準(zhǔn)確理解客戶的需求，利用先進(jìn)的算法、軟件、智能機(jī)器等，隨時(shí)為普惠群體量身定制金融產(chǎn)品，提升客戶滿意度。大語(yǔ)言模型在客戶服務(wù)方面也可實(shí)現(xiàn)較好的應(yīng)用，通過(guò)對(duì)各類信息的收集整理和提煉，并結(jié)合自身的知識(shí)庫(kù)與搜索引擎，能夠更高效、實(shí)時(shí)地回答客戶的疑問(wèn)，較傳統(tǒng)的智能客服更專業(yè)、更高效。因此，研究大語(yǔ)言模型的發(fā)展，分析其功能，探索其在普惠金融中的應(yīng)用，能夠幫助廣大金融機(jī)構(gòu)更好地服務(wù)中小企業(yè)，服務(wù)普惠群體。

二、普惠金融發(fā)展現(xiàn)狀

黨的十八屆三中全會(huì)提出了發(fā)展普惠金融的戰(zhàn)略構(gòu)想，金融機(jī)構(gòu)等主體積極貫徹落實(shí)布局普惠金融，商業(yè)銀行甚至專門(mén)針對(duì)普惠金融服務(wù)設(shè)置考核指標(biāo)，無(wú)論是在金融服務(wù)的可得性還是覆蓋率上均取得顯著成效。但是在發(fā)展過(guò)程中仍然存在一些挑戰(zhàn)，普惠群體能夠接受到的金融服務(wù)仍然不足，主要表現(xiàn)在以下幾方面：

（一）信息不對(duì)稱問(wèn)題較為突出

普惠金融發(fā)展面臨的最大的難題就是信息不對(duì)稱。我國(guó)征信體系起步比較晚，2003年中國(guó)人民銀行征信管理局成立，2006年中國(guó)人民銀行征信中心正式成立，但我國(guó)卻擁有世界上規(guī)模最龐大的征信數(shù)據(jù)。截至2023年6月底，我國(guó)個(gè)人征信系統(tǒng)中接入的金融機(jī)構(gòu)超過(guò)4000家，收錄的個(gè)人信息超過(guò)11.5億，企業(yè)征信系統(tǒng)中，接入的金融機(jī)構(gòu)超過(guò)3800家，收錄的企業(yè)用戶數(shù)近1億（包括已注銷），數(shù)據(jù)規(guī)模龐大但有用的信息不多，在自然人信用信息中，僅有一半人的信息具有實(shí)質(zhì)性價(jià)值，剩余的信息可用性不強(qiáng)。征信中心系統(tǒng)主要服務(wù)于傳統(tǒng)金融機(jī)構(gòu)，且其中客戶的數(shù)據(jù)必須是接受過(guò)傳統(tǒng)金融機(jī)構(gòu)服務(wù)的客戶，但是普惠群體被傳統(tǒng)金融機(jī)構(gòu)服務(wù)的覆蓋面并不足，因而這些客戶群體在征信中心系統(tǒng)的數(shù)據(jù)維度不足，導(dǎo)致傳統(tǒng)金融機(jī)構(gòu)難以準(zhǔn)確評(píng)估其真實(shí)信用水平，產(chǎn)生信息不對(duì)稱問(wèn)題。尤其是對(duì)銀行而言，對(duì)普惠群體服務(wù)的成本過(guò)高而收益較低，使得金融機(jī)構(gòu)為普惠群體服務(wù)的意愿不足。

（二）融資成本較高

雖然與金融相關(guān)的數(shù)字技術(shù)已經(jīng)取得較快發(fā)展，但不可否認(rèn)，依靠傳統(tǒng)的物理網(wǎng)點(diǎn)提供金融服務(wù)的機(jī)構(gòu)仍然占據(jù)很大一部分比重，比如金融機(jī)構(gòu)給企業(yè)開(kāi)銷戶必須到物理網(wǎng)點(diǎn)辦理，而普惠群體大部分都生活在偏遠(yuǎn)地區(qū)、廣大農(nóng)村，導(dǎo)致物理網(wǎng)點(diǎn)運(yùn)營(yíng)成本增加。其次，傳統(tǒng)金融機(jī)構(gòu)給普惠群體提供服務(wù)需要普惠群體的抵質(zhì)押物作為擔(dān)保，但普惠群體通常缺乏足值的抵質(zhì)押物，導(dǎo)致其融資成本過(guò)高。此外，人工成本逐漸增加也是影響融資成本進(jìn)一步上升的重要因素，雖然很多金融機(jī)構(gòu)都有線上產(chǎn)品，但是金融機(jī)構(gòu)對(duì)普惠群體服務(wù)仍然離不開(kāi)人工操作。此外，隨著老齡化程度的加劇，人工成本將進(jìn)一步提升，而普惠群體需要的金融服務(wù)通常表現(xiàn)為“短、頻、快”，這就導(dǎo)致為普惠群體服務(wù)的效益較低，而為了保證效益，金融機(jī)構(gòu)只能提高為普惠群體的服務(wù)成本。

（三）金融服務(wù)邊界趨窄

如何打通普惠金融服務(wù)的“最后一公里”是真正體現(xiàn)普惠金融的關(guān)鍵，盡管數(shù)字技術(shù)的發(fā)展在一定程度上緩解了這一難題，但尚未從根本上解決，很多金融機(jī)構(gòu)雖推出了一些數(shù)字化產(chǎn)品，但線上業(yè)務(wù)的復(fù)雜程序缺乏點(diǎn)對(duì)點(diǎn)指導(dǎo)，導(dǎo)致普惠群體的應(yīng)用不足。此外，出于成本考慮，線下物理網(wǎng)點(diǎn)一般都開(kāi)設(shè)在城鎮(zhèn)地區(qū)，廣大農(nóng)村以及偏遠(yuǎn)地區(qū)的客戶難以前往營(yíng)業(yè)網(wǎng)點(diǎn)享受到正規(guī)的金融服務(wù)，金融機(jī)構(gòu)為普惠群體提供金融服務(wù)的邊界趨窄。

（四）個(gè)性化服務(wù)不足

傳統(tǒng)金融機(jī)構(gòu)的服務(wù)重點(diǎn)主要集中在高凈值客戶群體，并專門(mén)為他們提供諸多個(gè)性化、定制化服務(wù)，從而為金融機(jī)構(gòu)帶來(lái)豐厚的利潤(rùn)與較高的客戶忠誠(chéng)度。但是普惠群體本身對(duì)價(jià)格敏感度更高，基于獲取利潤(rùn)較低與服務(wù)成本較高等原因，相比于提供個(gè)性化服務(wù)，金融機(jī)構(gòu)更愿意為普惠群體提供定制化、批發(fā)化的產(chǎn)品。這種做法雖然可以降低服務(wù)成本，但也限制了普惠金融服務(wù)的多樣性和靈活性，無(wú)法充分滿足普惠群體的多樣化需求。

（五）金融消費(fèi)者權(quán)益保護(hù)有待加強(qiáng)

金融消費(fèi)者權(quán)益保護(hù)是社會(huì)關(guān)注的熱點(diǎn)問(wèn)題。金融消費(fèi)者權(quán)益受到侵犯主要有以下幾種情況：一是遭受金融詐騙。由于信息泄露，金融消費(fèi)者的個(gè)人資料被不法分子獲取，不法分子利用金融消費(fèi)者的心理，一步步誘導(dǎo)進(jìn)行詐騙。二是侵害公平交易權(quán)。普惠群體在向金融機(jī)構(gòu)尋求金融服務(wù)的過(guò)程中，通常處于不對(duì)等的地位，一些金融機(jī)構(gòu)利用格式條款，設(shè)置對(duì)金融機(jī)構(gòu)有利的條款，加重金融消費(fèi)者的責(zé)任，而合同條款往往冗長(zhǎng)復(fù)雜，一般人很難真正認(rèn)真地審核合同條款。三是維權(quán)較為困難。當(dāng)金融消費(fèi)者權(quán)益遭受侵犯時(shí)，其往往并不完全了解如何為自身進(jìn)行維權(quán)，表現(xiàn)出無(wú)所適從的情況。維權(quán)渠道不暢、維權(quán)成本高等問(wèn)題，使金融消費(fèi)者在權(quán)益受損時(shí)難以有效保護(hù)自身利益。

三、大語(yǔ)言模型在普惠金融中的創(chuàng)新應(yīng)用

大語(yǔ)言模型主要是基于海量數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)算法，是目前人工智能技術(shù)領(lǐng)域最前沿的應(yīng)用之一，大語(yǔ)言模型是一種神經(jīng)網(wǎng)絡(luò)的自然語(yǔ)言處理技術(shù)，能夠根據(jù)海量的數(shù)據(jù)分析出用戶的習(xí)慣和特征并自動(dòng)生成自然語(yǔ)言文本的AI程序。神經(jīng)網(wǎng)絡(luò)模型通過(guò)學(xué)習(xí)大量的網(wǎng)絡(luò)信息，根據(jù)這些信息自動(dòng)提取信息存在的規(guī)律特征，實(shí)現(xiàn)理解信息、生成語(yǔ)言的功能。例如，自然語(yǔ)言文本可以作為字符序列輸入到神經(jīng)網(wǎng)絡(luò)模型中，通過(guò)與多層神經(jīng)元進(jìn)行分析、轉(zhuǎn)換，進(jìn)而形成相應(yīng)的輸出序列。

大語(yǔ)言模型的核心優(yōu)勢(shì)在于能夠理解用戶的思想，屬于數(shù)據(jù)驅(qū)動(dòng)型技術(shù)。需要指數(shù)級(jí)的數(shù)據(jù)進(jìn)行驅(qū)動(dòng)訓(xùn)練、迭代，形成相應(yīng)的規(guī)律特征，其數(shù)據(jù)無(wú)需人工進(jìn)行干預(yù)清洗，可根據(jù)最基礎(chǔ)的數(shù)據(jù)進(jìn)行學(xué)習(xí)。此外，大語(yǔ)言模型具有一定的連貫性，能夠根據(jù)現(xiàn)有的文本信息生成連貫的文本，同時(shí)具備通用性，能夠處理多種自然語(yǔ)言處理任務(wù)。其基本功能包括五方面，即機(jī)器翻譯、文本摘要與生成、情感分析與智能客服、代碼生成與自動(dòng)化編程、問(wèn)答系統(tǒng)與知識(shí)圖譜。一是機(jī)器翻譯。大語(yǔ)言模型經(jīng)過(guò)訓(xùn)練，能夠翻譯不同類型的語(yǔ)言，這是大語(yǔ)言模型應(yīng)用最普遍的場(chǎng)景，也是相對(duì)成熟的技術(shù)，如百度翻譯、谷歌翻譯等就屬于這種應(yīng)用。但是機(jī)器翻譯仍需改進(jìn)，尤其是在長(zhǎng)語(yǔ)句的理解和歧義的消除等方面，機(jī)器翻譯的精確度與流暢性仍有待提升。二是文本摘要與生成。大語(yǔ)言模型經(jīng)過(guò)訓(xùn)練后，能夠自動(dòng)提煉出文本的關(guān)鍵信息，比如生成一篇文章的摘要，通過(guò)設(shè)定關(guān)鍵詞或特定的內(nèi)容，大語(yǔ)言模型還能生成相關(guān)的新聞報(bào)道。三是情感分析與智能客服。這是大語(yǔ)言模型在實(shí)際中得到應(yīng)用的另一個(gè)重要領(lǐng)域，通過(guò)對(duì)文本進(jìn)行閱讀理解，其能夠掌握客戶的情感，為金融機(jī)構(gòu)或者其他市場(chǎng)主體提供更加高效的營(yíng)銷策略。大語(yǔ)言模型還能幫助一些大型企業(yè)建立智能客服系統(tǒng)，實(shí)現(xiàn)24小時(shí)不間斷在線服務(wù)，提高客戶滿意度。四是問(wèn)答系統(tǒng)與知識(shí)圖譜。這是大語(yǔ)言模型在人機(jī)交互領(lǐng)域的重要應(yīng)用。大語(yǔ)言模型通過(guò)訓(xùn)練，能夠較為準(zhǔn)確地理解用戶需求，并給出相應(yīng)的答案。同時(shí)，通過(guò)與知識(shí)圖譜結(jié)合，其在搜索與推理方面比傳統(tǒng)方式更加智能化。五是代碼生成與自動(dòng)化編程。在預(yù)訓(xùn)練的基礎(chǔ)上，大語(yǔ)言模型能夠自動(dòng)學(xué)習(xí)代碼邏輯，理解算法規(guī)則，實(shí)現(xiàn)代碼的自動(dòng)生成，目前逐漸應(yīng)用在國(guó)內(nèi)外的軟件開(kāi)發(fā)領(lǐng)域。因此，基于大語(yǔ)言模型的功能特點(diǎn)并且結(jié)合其他數(shù)字技術(shù)的作用，能夠緩解普惠金融發(fā)展面臨的難題。

（一）緩解信息不對(duì)稱

金融機(jī)構(gòu)通常根據(jù)對(duì)借款人提供的數(shù)據(jù)以及征信系統(tǒng)的存量數(shù)據(jù)（主要包括金融交易、歷史信用數(shù)據(jù)、資產(chǎn)負(fù)債表等財(cái)務(wù)報(bào)表、資產(chǎn)等）進(jìn)行分析，確定其信用等級(jí)，貸款后也是通過(guò)定期分析借款人數(shù)據(jù)來(lái)判斷其還款能力。然而，普惠群體在征信系統(tǒng)內(nèi)往往缺乏有用數(shù)據(jù)，無(wú)法為傳統(tǒng)金融機(jī)構(gòu)提供能夠生成信用評(píng)分的數(shù)據(jù)。雖然金融機(jī)構(gòu)可以通過(guò)傳統(tǒng)關(guān)鍵詞算法的搜索方式搜索普惠群體的公開(kāi)數(shù)據(jù)，但是搜索出的數(shù)據(jù)質(zhì)量較低，對(duì)評(píng)估普惠群體的信用效果不佳，而大語(yǔ)言模型可以使用比傳統(tǒng)搜索更加智能的搜索方式，如“神經(jīng)搜索（Neural Search）”來(lái)處理普惠群體的公開(kāi)數(shù)據(jù)。這種搜索方式能夠準(zhǔn)確理解搜索者的信息，包括長(zhǎng)詞短句以及明確的語(yǔ)句等，從而搜索出想要的結(jié)果。此外，大數(shù)據(jù)技術(shù)利用公開(kāi)數(shù)據(jù)、衛(wèi)星圖像、社交媒體等網(wǎng)絡(luò)數(shù)據(jù)，進(jìn)行數(shù)據(jù)采集、預(yù)處理、存儲(chǔ)及管理、分析及挖掘等，與大語(yǔ)言模型進(jìn)行結(jié)合，在一定程度上能夠較為準(zhǔn)確地分析出普惠群體的信用等級(jí)，并判斷其還款能力，這種智能搜索和數(shù)據(jù)分析技術(shù)在一定程度上降低了信息不對(duì)稱的問(wèn)題，從而增強(qiáng)了信貸決策的準(zhǔn)確性。

（二）降低融資成本

普惠群體，尤其是小微企業(yè)的發(fā)展易遭受市場(chǎng)沖擊，房租、水電、人工成本過(guò)高、原材料成本上漲等問(wèn)題是小微企業(yè)面臨的挑戰(zhàn)，這使得融資難、融資貴的現(xiàn)象始終存在。大語(yǔ)言模型通過(guò)深度學(xué)習(xí)，可以搭建出具有針對(duì)性的智能風(fēng)控模型，識(shí)別出大量維度的風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)并識(shí)別出具體風(fēng)險(xiǎn)，緩解普惠群體的融資缺口。同時(shí)金融機(jī)構(gòu)可以將大語(yǔ)言模型與人工智能技術(shù)應(yīng)用到貸款客戶的財(cái)務(wù)系統(tǒng)中，設(shè)置特定的程序?qū)崿F(xiàn)自動(dòng)化報(bào)賬與審計(jì)，一方面可以幫助企業(yè)減少人工參與，降低人工成本與人工差錯(cuò)率，提高財(cái)務(wù)系統(tǒng)數(shù)據(jù)的準(zhǔn)確性與合規(guī)性，另一方面，金融機(jī)構(gòu)也可以及時(shí)了解和掌握企業(yè)的財(cái)務(wù)狀況，降低風(fēng)險(xiǎn)，對(duì)于信用水平較高的群體，還可以提高其信用額度。在供應(yīng)鏈金融中，大語(yǔ)言模型可以應(yīng)用在生產(chǎn)、銷售、發(fā)貨、訂單、付款、退貨、退款等各個(gè)環(huán)節(jié)，且無(wú)需手工記錄，結(jié)合區(qū)塊鏈技術(shù)不可篡改的特點(diǎn)，供應(yīng)鏈系統(tǒng)內(nèi)的數(shù)據(jù)可以自動(dòng)記錄，從而針對(duì)特定的供應(yīng)鏈定制融資方案，并準(zhǔn)確識(shí)別出貿(mào)易欺詐等風(fēng)險(xiǎn)。

（三）擴(kuò)大服務(wù)邊界

大語(yǔ)言模型能夠幫助金融機(jī)構(gòu)擴(kuò)大金融服務(wù)邊界，下沉金融服務(wù)。在智能語(yǔ)音方面，金融機(jī)構(gòu)借助大語(yǔ)言模型應(yīng)用可以大幅降低提供定制化金融服務(wù)的成本。大語(yǔ)言模型的聊天機(jī)器人功能較傳統(tǒng)的智能語(yǔ)音更加精確，客戶體驗(yàn)更佳。聊天機(jī)器人能夠及時(shí)回答客戶的問(wèn)題，包括其他國(guó)家語(yǔ)言的問(wèn)題，并能根據(jù)用戶畫(huà)像提供自動(dòng)化服務(wù)。即使在營(yíng)業(yè)網(wǎng)點(diǎn)較少的廣大鄉(xiāng)鎮(zhèn)地區(qū)，大語(yǔ)言模型也能幫助金融機(jī)構(gòu)通過(guò)線上渠道提供豐富、簡(jiǎn)單、易上手的金融服務(wù)，打通金融服務(wù)的“最后一公里”。

（四）提供個(gè)性化服務(wù)

在定制化服務(wù)方面，大語(yǔ)言模型可為金融機(jī)構(gòu)提供機(jī)器人顧問(wèn)，比如根據(jù)普惠群體的消費(fèi)行為，向客戶推薦最適合其需求的金融產(chǎn)品、金融咨詢等服務(wù)。機(jī)器人顧問(wèn)不僅降低了金融機(jī)構(gòu)為普惠群體服務(wù)的成本，還能根據(jù)收集到的相關(guān)數(shù)據(jù)，為金融機(jī)構(gòu)自動(dòng)化相關(guān)流程，對(duì)普惠群體各特定對(duì)象進(jìn)行分類，提供相應(yīng)的服務(wù)。區(qū)別于聊天機(jī)器人，機(jī)器人顧問(wèn)的專業(yè)化非常高，一般用于金融機(jī)構(gòu)的自動(dòng)化金融顧問(wèn)與投資平臺(tái)，可根據(jù)對(duì)普惠群體的數(shù)據(jù)分析，為其自動(dòng)提供相匹配的金融服務(wù)，并不斷優(yōu)化建議。

（五）強(qiáng)化安全保護(hù)

金融消費(fèi)者遭受信息泄露、騷擾、欺詐等現(xiàn)象屢見(jiàn)不鮮，金融消費(fèi)者權(quán)益保護(hù)問(wèn)題日益受到關(guān)注。大語(yǔ)言模型與人工智能技術(shù)能夠有效發(fā)現(xiàn)和識(shí)別欺詐行為，通過(guò)大數(shù)據(jù)分析挖掘，大語(yǔ)言模型能夠在各種交易往來(lái)中識(shí)別出潛在的欺詐行為，并且通過(guò)人工智能技術(shù)及時(shí)向金融消費(fèi)者進(jìn)行預(yù)警。比如在各類轉(zhuǎn)賬中，針對(duì)大額的轉(zhuǎn)賬行為，一旦發(fā)現(xiàn)問(wèn)題可及時(shí)凍結(jié)資金，電商中的刷單、惡意評(píng)論等行為也能夠被及時(shí)識(shí)別。在信息泄露方面，大語(yǔ)言模型的數(shù)據(jù)加密與訪問(wèn)控制等級(jí)更高，身份驗(yàn)證更加科學(xué)有效，個(gè)人信息一旦泄露會(huì)自動(dòng)進(jìn)行預(yù)警。大語(yǔ)言模型的深度學(xué)習(xí)功能，能夠幫助金融消費(fèi)者在金融交易中面臨潛在的不公平問(wèn)題時(shí)，通過(guò)對(duì)合同的智能化分析，識(shí)別出其與法律法規(guī)的沖突點(diǎn)，以及各種潛在事件可能產(chǎn)生的后果，幫助金融消費(fèi)者提前了解風(fēng)險(xiǎn)。大語(yǔ)言模型還能夠幫助金融消費(fèi)者快速準(zhǔn)確地維權(quán)，借助自動(dòng)化與智能化方式，快速識(shí)別出問(wèn)題的關(guān)鍵，并提出各種維權(quán)的意見(jiàn)和建議，避免金融消費(fèi)者盲目維權(quán)。

四、大語(yǔ)言模型應(yīng)用與發(fā)展的相關(guān)建議

基于大語(yǔ)言模型的應(yīng)用前景，在實(shí)際應(yīng)用中，既要發(fā)揮出大語(yǔ)言模型在金融行業(yè)的積極作用，也要有針對(duì)性地做好風(fēng)險(xiǎn)防范。

（一）加強(qiáng)大語(yǔ)言模型應(yīng)用環(huán)境建設(shè)

金融機(jī)構(gòu)應(yīng)用大語(yǔ)言模型需要一定的基礎(chǔ)支撐，首先需要進(jìn)一步加強(qiáng)金融機(jī)構(gòu)技術(shù)基礎(chǔ)設(shè)施建設(shè)，加大基礎(chǔ)設(shè)施投入力度，特別是在廣大鄉(xiāng)村地區(qū)建立金融便民服務(wù)網(wǎng)點(diǎn)，提升數(shù)據(jù)基礎(chǔ)設(shè)施的覆蓋范圍，便于金融機(jī)構(gòu)收集普惠群體數(shù)據(jù)信息。不斷完善云平臺(tái)、數(shù)據(jù)采集、模型訓(xùn)練等基礎(chǔ)設(shè)施，夯實(shí)大語(yǔ)言模型的應(yīng)用基礎(chǔ)。其次，營(yíng)造公平競(jìng)爭(zhēng)的環(huán)境，大語(yǔ)言模型需要依賴大量的數(shù)據(jù)，而這些數(shù)據(jù)可以同時(shí)被多家機(jī)構(gòu)獲取，因此可以建立數(shù)據(jù)共享平臺(tái)，避免形成“贏家通吃”的局面。此外，技術(shù)應(yīng)具備一定的開(kāi)放性，借鑒開(kāi)源模型與商業(yè)模型的經(jīng)驗(yàn)教訓(xùn)，完善大語(yǔ)言模型的服務(wù)能力，尤其是提高技術(shù)的兼容性，形成大語(yǔ)言模型的評(píng)估方法，使模型更具科學(xué)性。最后，提高模型預(yù)測(cè)的準(zhǔn)確性，金融機(jī)構(gòu)要結(jié)合已有數(shù)據(jù)，提高大語(yǔ)言模型的準(zhǔn)確性，比如在預(yù)訓(xùn)練基礎(chǔ)模型上，可以結(jié)合自身高質(zhì)量的金融數(shù)據(jù)進(jìn)行多次訓(xùn)練和結(jié)果比對(duì)，提高可信度。

（二）降低大語(yǔ)言模型輸出結(jié)果偏見(jiàn)

如果底層數(shù)據(jù)存在問(wèn)題或偏見(jiàn)，模型輸出結(jié)果的準(zhǔn)確性也值得關(guān)注。為了解決潛在的偏見(jiàn)和不公平問(wèn)題，金融機(jī)構(gòu)需要對(duì)大語(yǔ)言模型進(jìn)行反復(fù)的輸出和定期訓(xùn)練。因此，金融機(jī)構(gòu)在應(yīng)用大語(yǔ)言模型時(shí)首先要認(rèn)真篩選訓(xùn)練數(shù)據(jù)，保證數(shù)據(jù)豐富多樣且兼具平衡，盡可能從普惠群體直接獲取數(shù)據(jù)。其次，金融機(jī)構(gòu)要定期對(duì)模型輸出結(jié)果的公平性進(jìn)行評(píng)估，糾正偏見(jiàn)與不公平的現(xiàn)象。最后，大語(yǔ)言模型雖然會(huì)進(jìn)行預(yù)訓(xùn)練，但是輸出的結(jié)果并不能保證完全準(zhǔn)確，金融機(jī)構(gòu)要強(qiáng)化對(duì)數(shù)據(jù)驗(yàn)證、篩選、檢測(cè)等，提高系統(tǒng)安全等級(jí)，防止惡意攻擊，持續(xù)強(qiáng)化訓(xùn)練數(shù)據(jù)的多樣性與代表性，對(duì)模型的運(yùn)行進(jìn)行精細(xì)化調(diào)整，確保大語(yǔ)言模型的可解釋性和用戶對(duì)模型結(jié)果的準(zhǔn)確理解。

（三）強(qiáng)化大語(yǔ)言模型應(yīng)用合規(guī)管理

大語(yǔ)言模型應(yīng)用過(guò)程中的合規(guī)性問(wèn)題值得金融機(jī)構(gòu)關(guān)注，目前國(guó)內(nèi)缺乏完整的針對(duì)大語(yǔ)言模型的監(jiān)管體系，而是零散分布于各個(gè)法律法規(guī)中，大語(yǔ)言模型設(shè)計(jì)的合規(guī)要素主要包括平臺(tái)運(yùn)營(yíng)合規(guī)、內(nèi)容合規(guī)、平臺(tái)管理合規(guī)、網(wǎng)絡(luò)安全與數(shù)據(jù)合規(guī)、算法技術(shù)合規(guī)、國(guó)際聯(lián)網(wǎng)合規(guī)等內(nèi)容（見(jiàn)圖1），金融機(jī)構(gòu)在使用大語(yǔ)言模型時(shí)一方面要始終與監(jiān)管部門(mén)保持良好的溝通，嚴(yán)格遵守法律法規(guī)相關(guān)規(guī)定，保證大語(yǔ)言模型的透明度與可追溯性。另一方面，大語(yǔ)言模型主要基于數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，但是這些數(shù)據(jù)中，很多都包括用戶的財(cái)務(wù)、個(gè)人隱私等，金融機(jī)構(gòu)要合法合規(guī)地使用用戶的數(shù)據(jù)，不能濫用數(shù)據(jù)。此外，金融機(jī)構(gòu)還要不斷加強(qiáng)用戶管理，提高用戶對(duì)大語(yǔ)言模型的接受度。

（四）重視大語(yǔ)言模型應(yīng)用數(shù)據(jù)安全

數(shù)據(jù)是大語(yǔ)言模型應(yīng)用的基礎(chǔ)，其輸出結(jié)果依賴數(shù)據(jù)的豐富度與質(zhì)量，如果在源頭輸入的數(shù)據(jù)有誤，就會(huì)直接影響大語(yǔ)言模型生成的結(jié)果，因此，金融機(jī)構(gòu)必須在源頭確保數(shù)據(jù)的真實(shí)性與質(zhì)量，及時(shí)監(jiān)控結(jié)果并進(jìn)行糾偏。在使用公共數(shù)據(jù)或其他外部數(shù)據(jù)時(shí)，應(yīng)借助數(shù)字技術(shù)對(duì)外部數(shù)據(jù)進(jìn)行預(yù)處理，清除噪聲以及問(wèn)題數(shù)據(jù)的干擾。同時(shí)，由于需要使用大量的數(shù)據(jù)，金融機(jī)構(gòu)必須對(duì)普惠群體數(shù)據(jù)的安全性進(jìn)行嚴(yán)格保護(hù)，提高數(shù)據(jù)訪問(wèn)等級(jí)，不斷強(qiáng)化數(shù)據(jù)加密、數(shù)據(jù)調(diào)取權(quán)限管理等，避免發(fā)生數(shù)據(jù)泄露事件，充分保護(hù)好普惠群體數(shù)據(jù)。

（五）加強(qiáng)大語(yǔ)言模型人才隊(duì)伍建設(shè)

技術(shù)的變革改變著各行各業(yè)，同時(shí)對(duì)人才的需求也越來(lái)越多。大語(yǔ)言模型的發(fā)展需要多學(xué)科領(lǐng)域的人才，因此金融機(jī)構(gòu)首先應(yīng)該重視人才隊(duì)伍的建設(shè)，通過(guò)與高校合作，增設(shè)符合市場(chǎng)需求的專業(yè)課程，引導(dǎo)高校學(xué)生積極參與大語(yǔ)言模型的研究，并在金融機(jī)構(gòu)進(jìn)行實(shí)踐。其次，加強(qiáng)對(duì)大語(yǔ)言模型人才的培養(yǎng)力度，設(shè)立研究院，以項(xiàng)目研究的形式培養(yǎng)專業(yè)人才，也可以輸送到專業(yè)機(jī)構(gòu)培訓(xùn)。最后，加強(qiáng)人才招引，積極吸引國(guó)內(nèi)外優(yōu)秀人才的加盟，最終通過(guò)“內(nèi)引外培”的方式培養(yǎng)出高精尖的復(fù)合型人才。

（六）客觀看待大語(yǔ)言模型決策結(jié)果

大語(yǔ)言模型雖然具備更加智能化的功能，但是在本質(zhì)上仍是一種技術(shù)工具，不能完全代替人工判斷，也不能取代人工決策。金融機(jī)構(gòu)在服務(wù)普惠金融時(shí)，應(yīng)將大語(yǔ)言模型當(dāng)成一種輔助工具，但是不能完全依賴大語(yǔ)言模型，而應(yīng)結(jié)合專業(yè)人員的專業(yè)水平，共同服務(wù)于普惠金融。同時(shí)，還應(yīng)積極解決大語(yǔ)言模型應(yīng)用所面臨的道德、法律等問(wèn)題，如金融機(jī)構(gòu)服務(wù)于普惠金融不單單基于利益需要，也是國(guó)家提倡的價(jià)值導(dǎo)向以及金融機(jī)構(gòu)所應(yīng)承擔(dān)的社會(huì)責(zé)任，因此大語(yǔ)言模型的參數(shù)定義不能只關(guān)注利益，還應(yīng)承擔(dān)一定的社會(huì)責(zé)任，金融機(jī)構(gòu)還應(yīng)確保大語(yǔ)言模型在普惠金融的應(yīng)用符合社會(huì)價(jià)值觀，符合國(guó)家戰(zhàn)略需要。

（七）加強(qiáng)大語(yǔ)言模型資源投入力度

金融機(jī)構(gòu)應(yīng)加強(qiáng)對(duì)新興技術(shù)發(fā)展趨勢(shì)的關(guān)注度，根據(jù)市場(chǎng)情況靈活調(diào)整普惠金融的業(yè)務(wù)模式與策略。大型金融機(jī)構(gòu)應(yīng)加強(qiáng)對(duì)大語(yǔ)言模型的投入力度，尤其是在研發(fā)方面，加大資金和技術(shù)的投入力度，中小型金融機(jī)構(gòu)可與頭部互聯(lián)網(wǎng)科技巨頭合作，不斷提升大語(yǔ)言模型的技術(shù)水平，提高模型的精確性與科學(xué)性，確保技術(shù)始終處于行業(yè)前列。

五、結(jié)論與建議

金融是國(guó)家經(jīng)濟(jì)發(fā)展重要的核心競(jìng)爭(zhēng)力，建設(shè)金融強(qiáng)國(guó)能夠極大提高我國(guó)的經(jīng)濟(jì)實(shí)力和國(guó)際競(jìng)爭(zhēng)力，提升我國(guó)在世界經(jīng)濟(jì)格局中的地位。普惠金融作為金融的重要組成部分，由于其發(fā)展關(guān)系到民生，因此一直備受關(guān)注。相較于傳統(tǒng)金融，普惠金融的服務(wù)對(duì)象更廣泛，但當(dāng)前傳統(tǒng)金融機(jī)構(gòu)對(duì)普惠群體的金融支持度還不夠。數(shù)字技術(shù)的發(fā)展推動(dòng)了普惠金融的發(fā)展，但在應(yīng)用過(guò)程中仍存在不足，大語(yǔ)言模型作為一種新的數(shù)字技術(shù)，基于大量的參數(shù)進(jìn)行預(yù)訓(xùn)練，能夠理解、分析人類語(yǔ)言，并自動(dòng)生成語(yǔ)言，在機(jī)器翻譯、文本生成、智能語(yǔ)音等多個(gè)領(lǐng)域有著廣泛的應(yīng)用，金融機(jī)構(gòu)利用大語(yǔ)言模型能夠顯著降低普惠金融服務(wù)的成本，提高服務(wù)效率，擴(kuò)大服務(wù)邊界。當(dāng)前提出以下建議，一是金融機(jī)構(gòu)應(yīng)針對(duì)大語(yǔ)言模型出臺(tái)頂層設(shè)計(jì)，明晰大語(yǔ)言模型在金融機(jī)構(gòu)應(yīng)用的規(guī)劃。二是針對(duì)大語(yǔ)言模型的應(yīng)用，建立專業(yè)的團(tuán)隊(duì)，持續(xù)改進(jìn)模型的算法。三是加強(qiáng)大語(yǔ)言模型與其他數(shù)字技術(shù)的融合，共同推動(dòng)金融機(jī)構(gòu)為普惠群體提供更好的服務(wù)。

參考文獻(xiàn)

[1]陸順.數(shù)字金融與低碳金融：互融燃點(diǎn)、共促體制與共生機(jī)制研究[J].大慶師范學(xué)院學(xué)報(bào)，2022（01）：37-42.

[2]歐陽(yáng)文杰，陸岷峰.鄉(xiāng)村振興背景下農(nóng)村金融改革面臨的現(xiàn)實(shí)狀況與路徑選擇[J].西南金融，2023（01）：56-70.

[3]陸岷峰.數(shù)字科技賦能實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展：融合優(yōu)勢(shì)、運(yùn)行機(jī)理與實(shí)踐路徑[J].新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）.2023，44（01）：136-144.

[4]王婷婷.數(shù)字技術(shù)與小微金融：擔(dān)保與風(fēng)險(xiǎn)轉(zhuǎn)移模式創(chuàng)新研究——基于數(shù)字技術(shù)在商業(yè)銀行小微金融風(fēng)險(xiǎn)管理中的應(yīng)用[J].當(dāng)代經(jīng)濟(jì)管理.2021年43卷3期：72-82.

[5]王洪志.商業(yè)銀行公司金融數(shù)字化轉(zhuǎn)型路徑研究[J].天水行政學(xué)院學(xué)報(bào)[J].2023，24（05） 83-88.

[6]徐陽(yáng)洋.“雙碳”目標(biāo)背景下供應(yīng)鏈經(jīng)濟(jì)的新特點(diǎn)、新挑戰(zhàn)與新對(duì)策[J].新疆社會(huì)科學(xué)，2022（01）：43-52.

[7]裴璇，陸岷峰，王穩(wěn)華.共同富裕背景下企業(yè)數(shù)字化轉(zhuǎn)型的勞動(dòng)收入分配效應(yīng)研究[J].現(xiàn)代財(cái)經(jīng). 2023（04）03-22.

[8]趙越.數(shù)據(jù)資產(chǎn)：價(jià)值鏈生成與經(jīng)營(yíng)模式的設(shè)計(jì)研究[J].海南金融，2021（09）：24-33.

[9] 楊麗萍，陸岷峰.“雙碳”目標(biāo)下數(shù)字綠色金融發(fā)展模式研究[J].金融與經(jīng)濟(jì)2023.（12）：79-87+96.

[10]陸岷峰.商業(yè)銀行數(shù)字化轉(zhuǎn)型風(fēng)險(xiǎn)類型、特征及治理體系[J].金融發(fā)展研究2023（10）：63-68.

[11]歐陽(yáng)文杰.現(xiàn)代金融治理體系視角下的監(jiān)管體制改革研究[J].經(jīng)濟(jì)學(xué)家：2023（08）：153-161.

[12]歐陽(yáng)文杰.產(chǎn)業(yè)金融與實(shí)體經(jīng)濟(jì)：政策環(huán)境、模式比較與實(shí)踐路徑[J].理論月刊.2023（03）56-69.

[13]許默焓，裴璇.共同富裕與城市低收入人群：金融發(fā)展的盲點(diǎn)與著力點(diǎn)——基于 31 個(gè)省/自治區(qū)/直轄市城市戶口樣本的實(shí)證分析[J].農(nóng)村金融研究.2023（07）：41-51.

[14]陸岷峰.數(shù)字經(jīng)濟(jì)時(shí)代產(chǎn)業(yè)金融高質(zhì)量發(fā)展路徑研究——兼論數(shù)字產(chǎn)業(yè)金融發(fā)展模式[J].廣西社會(huì)科學(xué).2023（01）18-26.

[15]陸岷峰，歐陽(yáng)文杰.構(gòu)建金融強(qiáng)國(guó)：現(xiàn)代化金融生態(tài)系統(tǒng)與產(chǎn)業(yè)融合發(fā)展研究[J].社會(huì)科學(xué)輯刊.2024年（總270期）（01）：10-11.

【本文系國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目“互聯(lián)網(wǎng)金融市場(chǎng)跨界風(fēng)險(xiǎn)的協(xié)同監(jiān)管長(zhǎng)效機(jī)制與政策研究” （批準(zhǔn)號(hào)：21BJY022） 的階段性成果?！?/p>

（徐陽(yáng)洋系南京泛泰數(shù)字科技研究院高級(jí)研究員；陸岷峰系南京工業(yè)大學(xué)互聯(lián)網(wǎng)金融創(chuàng)新發(fā)展研究中心主任，南京工業(yè)大學(xué)教授、博士生導(dǎo)師）

Research on the Integration Application Path of Big Language Model and Inclusive Finance under the Background of Financial Power

Xu Yangyang Lu Minfeng

Abstract： In October 2023， the sixth Central Financial Work Conference proposed the concept of financial power for the first time， and inclusive finance， as one of the five major financial institutions， has further improved its status. The high-quality development of inclusive finance directly affects the strategy of financial power， but the current problems such as information asymmetry and high financing costs in the development of inclusive finance also hinder its highquality development. As a new digital technology， big language model can alleviate the difficulties faced by the development of inclusive finance and is an effective tool for digital technology innovation to bring new quality productivity. Therefore， at present， it is necessary to strengthen the construction of big language model application environment， reduce the bias of big language model output results， strengthen the compliance management of big language model application， and pay attention to the data security of big language model application. Strengthen the construction of large language model talent team， objectively view the decision-making results of large language model， and increase the input of large language model resources.

Key words： Financial Power； Large Language Model； Inclusive Finance