近日,艾瑞咨询重磅推出《2023年中国银行营销数字化行业研究报告》(以下简称《报告》),并发布“中国银行营销数字化转型卓越服务厂商TOP30榜单”,百融云创凭借大模型在垂直产业的应用实践,成功入选该榜单。

今年以来,人工智能领域话题不断,AIGC、⽣成式⼈⼯智能、⼤模型等概念层出不穷。以大模型为代表的第二波AI浪潮正席卷而来,在产业领域酝酿新的变革。

大模型带来了一种新的范式,它将机器学习步骤分为了预训练和微调两个阶段。这种方式让机器学习的过程从任务导向的烟囱模式转化成了台模式,通过上游的训练后形成强泛化能力的模型,可以降低多种下游任务的边际成本。

产业客户无需关注硬件设备和底层技术细节,只需要将精力专注于业务逻辑,通过API调用现成模型产品,或者根据大模型“微调”出满足实际业务的模型。比如在金融领域,无论是大型银行还是中小银行,都能轻松上手,无需额外的学习成本。

虽然市场对大模型有良好的预期,吸引了全世界多个科技巨头做战略级投入,但大模型也面临着成长的烦恼。从技术上和产业应用两个层面来说,大模型的应用难点有很多。

在技术方面,比较典型的一个问题是,在实际的应用中,大模型会常常发生一些事实性错误。这是因为对于大模型的训练数据中未曾覆盖到的信息,大模型会按照上下文的概率进行事实编造,从而导致大模型产生“幻觉”。

让大模型变得更可靠,生成式AI和决策式AI的有机融合发展或许将是一个有效路径。比如针对生成式AI在权衡一些对冲性的信息时,不能做出正确取舍的弊端,可以在模型建设中加入决策式AI的决策树等算法,通过引入显性的逻辑规则来判断相互矛盾的信息,进而给出最优解。

在产业应用方面,很多产业机构还是将大模型当作“玩具”,还不足以作为“工具”使用。要真正实现大模型的落地,产业机构需要的不仅是大模型本身,还需要充分的行业Know-how、行业知识库,以及对于落地场景的深入挖掘。在实际的交互中决定需要哪些功能,以及可能以何种方式与这些功能产生链接,强化大模型的“工具”能力。

简而言之,大模型在产业领域的应用绝不是单纯的技术问题,能否打造“模型-行业理解-场景应用”的完整体系才是决定成败的关键。

随着技术的演进发展,行业也将发展出几大不同的路径,即以科技巨头为主的底层大模型、新兴创业公司主导的各类“小模型”,以及像百融云创这样的AI科技公司研发的行业大模型。后续,外界对于大模型的关注将转向其在垂直领域的落地,行业大模型势必将迸发出更多势能,垂类应用和模型能力的结合也会更为紧密。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。

推荐内容