12月22日金融一線消息，國民財富發展研究合作平臺 “AI+金融”峰會今日在北京召開。國家人工智能標準總體組副組長、北京航空航天大學教授吳文峻出席并發表主題演講。
國家人工智能標準總體組副組長、北京航空航天大學教授吳文峻主題演講中，吳文峻分享了生成式人工智能的新發展方向和智慧金融可能結合的地方。他從以下三個方面闡述了人工智能面臨的挑戰：
第一個最常聽到或者看到的就是幻覺問題，因為無論是現在做的語言模型還是多模態的模型，它實際上是一種參數化的知識表達。但是它生成的方式和思考的方式，和我們人類的智能，其實在很多情況下是不一樣的，這也使得它就會產生非常固有的幻覺問題。
對此，吳文峻指出：“下一步一個需要解決的很重要的問題就是我們既要保持現有模型非常強大的創造能力，不光是在現在看到的一般的文字交流的領域，包括金融領域，甚至是在科學領域的創造性，但同時我們也希望它的幻覺能夠局限在一個reason的范圍，這樣就能夠達到一個矛盾的平衡。”
第二個問題，現在大模型實在是太需要算力了，在前幾年已經有一個分析，按照過去我們常說的在IT領域是摩爾定律，也就是說每18個月我們的能力增長一倍，芯片因為集成度增加了，所以各方面能力也就上去了。但是大模型在最近幾年增長的速度要比摩爾定律起碼高一到兩個數量級，這樣很快就摸到了我們人類在計算能力供給上的巨大瓶頸。
第三個問題，就是數據語料的缺失和局限性、瓶頸，帶來的下一步Scaling Law可能它的邊際效應就會衰減。
如何解決這些挑戰性問題？吳文峻表示，首先就是推理問題。O1系統實際上就是在現有的這些大語言模型基礎上，試圖把“慢思考”的方式加進去。O1系統是可以根據問題動態的來自己構造思維鏈，并且在推理過程當中，可以在很大的問題搜索空間上去進行動態的搜索，這樣的話一下子它的推理能力就明顯提升了。第二個方向，就是要怎么樣解決現有主流的Transformer的問題。目前做的比較多的是一個叫Mamba系統，用線性的狀態空間的模型，來試圖替代全面的像矩陣×一樣的能力。
此外，大模型其實并不需要純粹的追求大。實際上我們在計算機系統里面最重要的一個原則就是模塊化設計，當你把一個具有一定基礎能力的模型推到實際的應用場景里面，肯定是需要通過模塊化的設計來做到。
同時，除了做大尺寸的，千億萬億級別的，甚至將來更大規模的模型，在很多的業務場景里，特別是在前端的偏手機或者嵌入系統這個場景里面，我們更多的是需要小尺寸模型，也就是說我們需要設計更精巧的、業務能力足夠模型，然后它可能通用性、智慧沒有大模型大，但是它已經能達到一個相當的水平，能夠勝任它在那個特定場景下，或者是那一類領域里的場景里面的問題。所以這個方面的探索，實際上現在國內外都在做。
對于金融欺詐和風險防控問題，吳文峻表示，這個可能是金融領域里面最關心的，在這個領域里面，實際上也非常適合利用剛才講到的多智能體來完成。比如剛才講到，首先是要做異常檢測，異常檢測系統一般來說是一個長時間序列的問題，這個問題利用Mamba，或者不是Transformer架構的是非常合適的。同時你需要綜合大量客戶的信息、網絡的輿情信息，以及內部交易信息，這些不同的功能都可以用不同的Agent來做，后面你可以用多個專家的組合來進行分析、評判、辯論，來判斷這樣的交易、這樣的情形比如說是不是會發生金融重大的問題風險，比如這類的信用它復雜的交易過程是不是存在可能的欺詐，做各種深刻的分析模式的評判。所以這樣一個綜合的系統相信可能是未來我們智慧金融的一個應用模式。
責任編輯：曹睿潼
VIP課程推薦
APP專享直播
熱門推薦
收起
24小時滾動播報最新的財經資訊和視頻，更多粉絲福利掃描二維碼關注（sinafinance）
