度小满-金融科技行业：2023年金融科技趋势展望-230105

《度小满-金融科技行业：2023年金融科技趋势展望-230105（21页）.pdf》由会员分享，可在线阅读，更多相关《度小满-金融科技行业：2023年金融科技趋势展望-230105（21页）.pdf（21页精品完整版）》请在悟空智库报告文库上搜索。

　　创造性任务，别开蹊径：生成式人工智能，新一代生产力工具
　　《Théatre D’opéra Spatial》夺冠；“AI gets creative”入选《Science》2022年的年度十大突破；DALL-E 2、ChatGPT和AlphaCode横空出世，因其具有创建和生成超逼真内容的AI能力而迅速走红……
　　2022年，上述事件背后所代表的“生成式人工智能”（Generative AI）技术，吸引了大多数人的眼球，以及科技企业和资本的大量资金投入。人工智能此前被更多的用于处理机械的数据任务（判别任务），而生成式人工智能陆续证明能够输出富有创意性的内容，不仅极大地降低了内容（文字、语音、图片、数据、视频等）产出的边际成本，还提高了创作效率。
　　深度学习作为机器学习的重要分支，通过学习给定数据存在的内部规律，实现对文字、语音、图像等内容的感知、识别和控制。近年来，借助深度学习，研究人员在自然语言理解、数据挖掘、个性化推荐等领域取得了显著成果，而基于深度学习的大模型也成为实现高维人工智能的主流选择。但对于诸如GPT-3、BERT这类备受关注的Transformer模型来说，Meta？席智能科学家杨？昆（Yann LeCun）认为：“它们是必要的，但并？是充分的，这可能是未来智能系统的？个组成部分。”
　　在金融领域中，通过指令，生成不同风格的文字、语音、视频，以及生成一种类似于金融资产标的内容，是它最基本的应用。生成文字、传播文案、语音、图像、视频等，可以用在智能营销、广告等业务场景中，还能够用在客户服务、用户交互、售后服务中。生成式人工智能在金融业务落地层面有一定的直接价值，从生成过程和结果角度来讲，带有创造性质。
　　创造性人工智能/生成式人工智能目前依然处于实验阶段，尚未出现商业化雏形。生成式人工智能远没有达到替代人的境界，其所输出的内容，暂时没有形成人的逻辑和情感。此外，此类生成式工具背后所依托的大模型的计算成本非常高，以及关于版权、信任、法律规范等也存在很多问题需要解决。