大規模モデルと金融業：不安から理性へ

ChatGPTの誕生とともに、金融業界における人工知能技術への不安感が急速に広がっています。この新技術に自信を持つ業界は、時代の波に取り残されることを心配しています。この不安な雰囲気は予想外の場所にも広がり、業界関係者によれば、今年5月に大理で出張中に寺院で大規模モデルについて議論している金融業者に出会ったそうです。

しかし、この不安は徐々に収束し、人々の考え方もより明確で理性的になってきています。あるソフトウェア会社の銀行業務CTOは、今年の金融業界における大モデルに対する態度のいくつかの段階を説明しました：2月から3月にかけては、一般的に不安を感じ、遅れを心配していました；4月から5月にかけては、次々とチームを組織して作業を始めました；その後の数ヶ月間は、方向性を見つけたり実現に向けて困難に直面したりしながら、より理性的になりました；現在、彼らはベンチマークプロジェクトに注目し、検証済みのアプリケーションシナリオを試みています。

新しいトレンドは、多くの金融機関が戦略的な観点から大規模モデルを重視し始めていることです。不完全な統計によれば、A株上場企業の中で、少なくとも11の銀行が最新の中間報告書で大規模モデルの適用を探求していることを明確に述べています。最近の動きを見ると、彼らは戦略とトップレベルの設計の観点から、より明確な思考と道筋の計画を進めています。

数ヶ月前と比べて、金融機関の顧客は大規模モデルに対する理解が明らかに向上しています。年初にChatGPTが登場した際は、熱気があったものの、大規模モデルの本質や応用方法についての理解は限られていました。一部の大手銀行は先行して行動を起こし、様々な宣伝を開始しました。同時に、複数のテクノロジー企業が大規模モデルを発表する中、いくつかの主要な金融機関のテクノロジー部門は、大規模モデルの構築について大手テクノロジー企業と積極的に議論を始めました。

5月以降、状況は徐々に変化しています。計算能力リソースの不足やコストの高騰などの要因により、多くの金融機関は単純に自社で計算能力とモデルを構築することを希望するのではなく、よりアプリケーションの価値に関心を持つようになりました。現在、各金融機関は他の機関がどのように大規模モデルを使用し、その効果を得ているかに注目しています。

異なる規模の企業に対して、2つの発展の道筋が見られます。膨大な金融データとアプリケーションシーンを持つ大規模金融機関は、先進的な基盤大モデルを導入し、自社の大モデルを構築し、微調整の方法を用いて専門分野のタスク大モデルを形成し、迅速にビジネスに力を与えます。一方、中小金融機関は投資収益率に応じて、必要に応じてさまざまな大モデルのパブリッククラウドAPIまたはプライベートデプロイサービスを導入し、ビジネスニーズを直接満たすことができます。

しかし、金融業界はデータのコンプライアンス、安全性、信頼性に対して高い要求があるため、一部の人々はこの業界の大規模モデルの実装が実際には年初の予想よりもやや遅れていると考えています。一部の金融機関は大規模モデルの実装プロセスにおけるさまざまな障害を解決する方法を探し始めています。

計算力に関して、金融業界では現在いくつかの解決策が登場しています。1つは直接自社で計算力を構築することで、コストは高いですが安全性は十分です。2つ目は計算力の混合デプロイで、センシティブなデータが外部に流出しない条件で、パブリッククラウドから大規模モデルサービスのインターフェースを呼び出し、同時にプライベートデプロイメントでローカルデータサービスを処理します。

計算力の問題に加えて、最近の半年以上の大規模モデルの実地探求に伴い、多くの金融機関もデータガバナンスを強化しつつあります。一部の銀行は、大規模モデルとMLOpsを組み合わせることでデータ問題を解決し、全体のプロセスの自動化と多様な非構造化データの統一管理および効率的な処理を実現しています。

コンテンツの出所