Les grands modèles dans le secteur financier : de l'anxiété à la rationalité
Avec la naissance de ChatGPT, l'anxiété du secteur financier face aux technologies de l'intelligence artificielle s'est rapidement répandue. Ce secteur, qui a confiance en la nouvelle technologie, craint d'être laissé pour compte par les vagues du temps. Cette atmosphère d'anxiété s'est étendue jusqu'à des endroits inattendus, certains professionnels de l'industrie ayant révélé que, lors d'un voyage d'affaires à Dali en mai de cette année, elle a même rencontré des professionnels de la finance discutant des grands modèles dans un temple.
Cependant, cette anxiété est en train de s'apaiser progressivement, et les idées des gens deviennent également plus claires et rationnelles. Le CTO des activités bancaires d'une société de logiciels a décrit plusieurs étapes de l'attitude de l'industrie financière envers les grands modèles cette année : de février à mars, une anxiété générale était ressentie, avec des craintes de prendre du retard ; d'avril à mai, des équipes ont été formées pour commencer à travailler ; dans les mois suivants, des difficultés ont été rencontrées lors de la recherche de direction et de mise en œuvre, devenant plus rationnels ; maintenant, ils se concentrent sur des projets de référence, essayant de valider des cas d'application éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières commencent à accorder une importance stratégique aux grands modèles. Selon des statistiques incomplètes, parmi les sociétés cotées en bourse A, au moins 11 banques ont clairement indiqué dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles réfléchissent et planifient de manière plus claire au niveau stratégique et de la conception de haut niveau.
Comparé à il y a quelques mois, la compréhension des clients financiers sur les grands modèles a clairement augmenté. Au début de l'année, avec l'émergence de ChatGPT, bien que l'enthousiasme ait été élevé, la compréhension de la nature et des applications des grands modèles était limitée. Certaines grandes banques ont été les premières à agir et ont commencé à mener diverses campagnes de promotion. Parallèlement, avec le lancement de grands modèles par plusieurs entreprises technologiques, certains départements technologiques d'institutions financières de premier plan ont commencé à discuter activement avec de grandes entreprises technologiques des questions de construction de grands modèles.
Après mai, la situation a progressivement changé. En raison de la pénurie de ressources en puissance de calcul et des coûts élevés, de nombreuses institutions financières ont commencé à passer d'une simple volonté de construire leur propre puissance de calcul et leurs modèles à une attention accrue portée à la valeur d'application. Actuellement, chaque institution financière s'intéresse à la manière dont d'autres institutions utilisent de grands modèles et à leurs effets.
Pour les entreprises de différentes tailles, deux chemins de développement ont également émergé. Les grandes institutions financières, disposant d'une vaste quantité de données financières et de scénarios d'application, peuvent introduire des modèles de base avancés, construire leurs propres modèles d'entreprise et adopter des méthodes de réglage pour former des modèles de tâches dans des domaines spécifiques, permettant ainsi d'accélérer les opérations. Les petites et moyennes institutions financières peuvent, quant à elles, introduire selon le retour sur investissement, des API de cloud public ou des services de déploiement privé de divers modèles de manière à répondre directement à leurs besoins commerciaux.
Cependant, en raison des exigences élevées en matière de conformité, de sécurité et de fiabilité des données dans le secteur financier, certaines personnes estiment que les progrès de la mise en œuvre des grands modèles dans ce secteur sont en réalité légèrement plus lents que prévu au début de l'année. Certaines institutions financières ont déjà commencé à rechercher des solutions pour surmonter les divers obstacles à la mise en œuvre des grands modèles.
En termes de puissance de calcul, le secteur financier a actuellement plusieurs approches : d'abord, construire directement sa propre puissance de calcul, ce qui est coûteux mais suffisamment sécurisé ; ensuite, déployer une puissance de calcul hybride, en acceptant d'appeler des interfaces de services de grands modèles depuis le cloud public tant que les données sensibles ne fuient pas, tout en traitant les services de données locaux par déploiement privatif.
En plus des problèmes de puissance de calcul, avec l'exploration de la mise en œuvre des grands modèles au cours des six derniers mois, de nombreuses institutions financières ont également progressivement renforcé leur gouvernance des données. Certaines banques résolvent les problèmes de données en combinant des grands modèles avec MLOps, réalisant ainsi l'automatisation de l'ensemble du processus et la gestion unifiée et le traitement efficace de données hétérogènes et multi-sources.
Source du contenu
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
21 J'aime
Récompense
21
7
Reposter
Partager
Commentaire
0/400
BearMarketNoodler
· Il y a 19h
Avoir tout compris, c'est encore un tour du fomo à la lucidité.
Voir l'originalRépondre0
ResearchChadButBroke
· 08-16 08:26
Tout le monde est devenu fou, ils vont au temple pour trader l'IA.
Voir l'originalRépondre0
LazyDevMiner
· 08-14 11:37
Ne pas révéler ce que l'on sait, d'abord vider son esprit.
Voir l'originalRépondre0
GateUser-cff9c776
· 08-13 20:49
Se coucher dans un temple est la véritable vérité. Les grands modèles ne sont qu'un vieux vin dans une nouvelle bouteille.
Voir l'originalRépondre0
NoodlesOrTokens
· 08-13 20:47
Faire un grand modèle dans un temple ? Je suis mort de rire.
Voir l'originalRépondre0
TokenUnlocker
· 08-13 20:46
Les temples sont tous anxieux ? Je meurs de rire.
Voir l'originalRépondre0
Layer2Arbitrageur
· 08-13 20:32
mdr mentalité ngmi typique... d'abord la panique puis la gestion
Les grands modèles dans l'industrie financière : de l'anxiété à l'exploration rationnelle
Les grands modèles dans le secteur financier : de l'anxiété à la rationalité
Avec la naissance de ChatGPT, l'anxiété du secteur financier face aux technologies de l'intelligence artificielle s'est rapidement répandue. Ce secteur, qui a confiance en la nouvelle technologie, craint d'être laissé pour compte par les vagues du temps. Cette atmosphère d'anxiété s'est étendue jusqu'à des endroits inattendus, certains professionnels de l'industrie ayant révélé que, lors d'un voyage d'affaires à Dali en mai de cette année, elle a même rencontré des professionnels de la finance discutant des grands modèles dans un temple.
Cependant, cette anxiété est en train de s'apaiser progressivement, et les idées des gens deviennent également plus claires et rationnelles. Le CTO des activités bancaires d'une société de logiciels a décrit plusieurs étapes de l'attitude de l'industrie financière envers les grands modèles cette année : de février à mars, une anxiété générale était ressentie, avec des craintes de prendre du retard ; d'avril à mai, des équipes ont été formées pour commencer à travailler ; dans les mois suivants, des difficultés ont été rencontrées lors de la recherche de direction et de mise en œuvre, devenant plus rationnels ; maintenant, ils se concentrent sur des projets de référence, essayant de valider des cas d'application éprouvés.
Une nouvelle tendance est que de nombreuses institutions financières commencent à accorder une importance stratégique aux grands modèles. Selon des statistiques incomplètes, parmi les sociétés cotées en bourse A, au moins 11 banques ont clairement indiqué dans leur dernier rapport semestriel qu'elles explorent l'application des grands modèles. D'après les récentes actions, elles réfléchissent et planifient de manière plus claire au niveau stratégique et de la conception de haut niveau.
Comparé à il y a quelques mois, la compréhension des clients financiers sur les grands modèles a clairement augmenté. Au début de l'année, avec l'émergence de ChatGPT, bien que l'enthousiasme ait été élevé, la compréhension de la nature et des applications des grands modèles était limitée. Certaines grandes banques ont été les premières à agir et ont commencé à mener diverses campagnes de promotion. Parallèlement, avec le lancement de grands modèles par plusieurs entreprises technologiques, certains départements technologiques d'institutions financières de premier plan ont commencé à discuter activement avec de grandes entreprises technologiques des questions de construction de grands modèles.
Après mai, la situation a progressivement changé. En raison de la pénurie de ressources en puissance de calcul et des coûts élevés, de nombreuses institutions financières ont commencé à passer d'une simple volonté de construire leur propre puissance de calcul et leurs modèles à une attention accrue portée à la valeur d'application. Actuellement, chaque institution financière s'intéresse à la manière dont d'autres institutions utilisent de grands modèles et à leurs effets.
Pour les entreprises de différentes tailles, deux chemins de développement ont également émergé. Les grandes institutions financières, disposant d'une vaste quantité de données financières et de scénarios d'application, peuvent introduire des modèles de base avancés, construire leurs propres modèles d'entreprise et adopter des méthodes de réglage pour former des modèles de tâches dans des domaines spécifiques, permettant ainsi d'accélérer les opérations. Les petites et moyennes institutions financières peuvent, quant à elles, introduire selon le retour sur investissement, des API de cloud public ou des services de déploiement privé de divers modèles de manière à répondre directement à leurs besoins commerciaux.
Cependant, en raison des exigences élevées en matière de conformité, de sécurité et de fiabilité des données dans le secteur financier, certaines personnes estiment que les progrès de la mise en œuvre des grands modèles dans ce secteur sont en réalité légèrement plus lents que prévu au début de l'année. Certaines institutions financières ont déjà commencé à rechercher des solutions pour surmonter les divers obstacles à la mise en œuvre des grands modèles.
En termes de puissance de calcul, le secteur financier a actuellement plusieurs approches : d'abord, construire directement sa propre puissance de calcul, ce qui est coûteux mais suffisamment sécurisé ; ensuite, déployer une puissance de calcul hybride, en acceptant d'appeler des interfaces de services de grands modèles depuis le cloud public tant que les données sensibles ne fuient pas, tout en traitant les services de données locaux par déploiement privatif.
En plus des problèmes de puissance de calcul, avec l'exploration de la mise en œuvre des grands modèles au cours des six derniers mois, de nombreuses institutions financières ont également progressivement renforcé leur gouvernance des données. Certaines banques résolvent les problèmes de données en combinant des grands modèles avec MLOps, réalisant ainsi l'automatisation de l'ensemble du processus et la gestion unifiée et le traitement efficace de données hétérogènes et multi-sources.
Source du contenu