以下文章來(lái)源于金融科技研究 ，作者金融科技50人論壇
導讀：近期，由金融科技50人論壇聯(lián)合神州信息、高景立學(xué)共同推出的“2023數字金融公益直播課”第二期順利開(kāi)講。本期嘉賓邀請到光大信托信息技術(shù)部副總經(jīng)理、數據中心總經(jīng)理祝世虎，他分別從ChatGPT簡(jiǎn)述、ChatGPT的技術(shù)分析、ChatGPT的應用邊界、法律與合規以及在金融行業(yè)的應用展望四個(gè)方面，闡述了“ChatGPT給金融機構帶來(lái)的思考”。
以下為實(shí)錄內容：
一、ChatGPT簡(jiǎn)述
1、ChatGPT簡(jiǎn)述
ChatGPT是自然語(yǔ)言對話(huà)方式的聊天機器人，”Chat”指聊天，GPT是一種算法。ChatGPT包含文本、圖畫(huà)、自動(dòng)問(wèn)答、翻譯和代碼等功能。“2022年末以來(lái)，它迅速走紅全球，全球客戶(hù)突破3億”充分說(shuō)明產(chǎn)品評價(jià)取決于客戶(hù)數。ChatGPT由OpenAI公司開(kāi)發(fā)，微軟為公司提供資金支持。目前國內與ChatGPT同類(lèi)型的產(chǎn)品是百度研發(fā)的文心一言，已經(jīng)推出測試版。網(wǎng)上有一位畫(huà)家用ChatGPT繪制名為《有光有愛(ài)有遠方》的畫(huà)作，得到廣泛關(guān)注。我也嘗試用ChatGPT撰寫(xiě)一封表?yè)P信的開(kāi)放性作文，撰寫(xiě)效果非常好，這封表?yè)P信放在任何一家銀行、信托公司都是可以通用的。
2、ChatGPT：從技術(shù)到客戶(hù)的珠聯(lián)璧合
誠然ChatGPT的技術(shù)非常好，但我覺(jué)著(zhù)其成功更多是產(chǎn)品的成功，因為產(chǎn)品具有易用、好用和實(shí)用的三個(gè)特征。易用方面，OpenAI公司斥巨資提供了便捷的API接口，使每個(gè)人都可以方便地用手機、筆記本接入，為ChatGPT產(chǎn)品吸引了大量客戶(hù)。好用方面，其效果遠高于同類(lèi)型的傳統產(chǎn)品，讓很多出于好奇的客戶(hù)變成初級使用者。實(shí)用方面，學(xué)生可以用其寫(xiě)作業(yè)，程序員可以用其寫(xiě)代碼，畫(huà)師可以用其畫(huà)畫(huà)，這正是解決勞動(dòng)力問(wèn)題的地方。讓人們慢慢地從初級使用者變成了堅定的使用者，這個(gè)過(guò)程好比客戶(hù)旅程。因此，我認為易用、好用、實(shí)用所帶來(lái)的客戶(hù)旅程是ChatGPT成功的關(guān)鍵之一。
從技術(shù)和產(chǎn)品關(guān)系的角度分析，首先，我所經(jīng)歷的AI史上第一個(gè)里程碑AlaphaGo，雖然其技術(shù)是很領(lǐng)先的，但是因為其產(chǎn)品設計使客戶(hù)群體僅局限于圍棋的垂直領(lǐng)域，難以形成ChatGPT這樣受歡迎的場(chǎng)景。技術(shù)好不是全面的，產(chǎn)品好才更重要。其次，以二維碼支付為例，現在大部分人都會(huì )用二維碼去支付，但是二維碼技術(shù)推廣同期有更先進(jìn)的技術(shù)，比如門(mén)禁卡技術(shù)、芯片卡技術(shù)。二維碼的成功并不是源于技術(shù)先進(jìn)，而是產(chǎn)品成功，也是延續易用、好用、實(shí)用的路線(xiàn)。以金融機構的視角來(lái)看，第一，創(chuàng )新產(chǎn)品、數字化轉型時(shí)一定是業(yè)務(wù)引領(lǐng)，而不是科技引領(lǐng)；第二，轉型和創(chuàng )新的成功一定是業(yè)務(wù)的成功，而不是科技和風(fēng)險的成功；第三，業(yè)務(wù)成功的關(guān)鍵一定是產(chǎn)品的成功；第四，線(xiàn)上唯一可以調動(dòng)客戶(hù)行為的是產(chǎn)品設計。綜上，ChatGPT帶給金融機構的啟示是：路線(xiàn)業(yè)務(wù)引領(lǐng)，標志業(yè)務(wù)成功，核心是產(chǎn)品成功，產(chǎn)品調動(dòng)客戶(hù)。
3、OpenAI：工程師的桃花源
OpenAI成功的關(guān)鍵因素包括兩方面，一方面在于其有300多名工程師，這些工程師自由散漫但理想崇高，它可以無(wú)憂(yōu)無(wú)慮地以工程師的思維改變世界。“自由散漫”指的是當技術(shù)路線(xiàn)和管理路線(xiàn)發(fā)生沖突時(shí)，工程師要站在技術(shù)角度進(jìn)行取舍。“理想崇高”指的是堅定自身技術(shù)路線(xiàn)。OpenAI公司300名工程師中，包括模型人員90人，系統人員15人、數據人員180人、ITBP人員15人。模型人員和ITBP人員的占比從側面反映一家金融機構的數字化轉型的程度。對于金融機構而言，模型人員占比越高，機構的自動(dòng)化程度越智能；ITBP人員占比越高，機構的科技和數字化轉型越貼近業(yè)務(wù)。
另一方面，OpenAI將算力、專(zhuān)業(yè)化的數據處理全部外包。這對于金融機構在設置外包和自主研發(fā)邊界中具有啟示：體現核心競爭力的地方一定要自主研發(fā)，非核心競爭力的專(zhuān)業(yè)能力可以外包，比如算力、簡(jiǎn)單人工數據、人工標注等。
4、Microsoft：第三代的王者榮耀
微軟主要實(shí)現了三代“王者榮耀”時(shí)刻。第一代“王者榮耀”是Office，它實(shí)現了文字的電子化，但是本地化的Office存在問(wèn)題，當我們進(jìn)行“CTRL+C”和“CTRL+V”拷貝粘貼時(shí)，僅限于這臺電腦中的文字。第二代“王者榮耀”是搜索引擎，我們可以“CTRL+C”和“CTRL+V”拷貝粘貼所有互聯(lián)網(wǎng)的文字，文字范圍有所擴大。第二代半“王者榮耀”是搜索引擎變種即主動(dòng)推薦，形成主動(dòng)數據采集和搜索功能，相比于傳統搜索更加智能。第三代“王者榮耀”是ChatGPT，其范圍不再局限于歷史已有文字，而是可以組合形成新文字，讀起來(lái)更加合情合理。
5、崗位之爭：人與AI的邊界線(xiàn)
關(guān)于人和AI的邊界線(xiàn)究竟在什么地方。第一，體力勞動(dòng)一定會(huì )被簡(jiǎn)單機械所取代，這是已經(jīng)發(fā)生的；第二，重復性勞動(dòng)能被簡(jiǎn)單智能機器所取代，比如金融機構OA系統、RPA機器人等。此外，目前90%的人相信自動(dòng)駕駛會(huì )實(shí)現。ChatGPT可以取代什么工作，有些人總結成簡(jiǎn)單的創(chuàng )造性工作，但是我覺(jué)得這種說(shuō)法是不恰當的。第一，任何不需要深度感情交流的工作都可能會(huì )被AI所取代。以包餃子為例，機器包餃子早已實(shí)現且味道不錯。但餃子是容易被注入感情的，機器無(wú)論如何也包不出媽媽的味道。雖然機器有可能寫(xiě)出有感情的作品，但是機器不一定能夠理解感情。因此，搶走工作的不是AI，而是先掌握AI的人。如何保證自己的工作不被AI所替代？這需要我們在工作中奉獻愛(ài)，用愛(ài)去工作，只要把愛(ài)心放到工作中，我們的工作就很難被取代。
第二，ChatGPT本質(zhì)是生產(chǎn)力的躍升，這與歷史上的生產(chǎn)力提升是一樣的，蒸汽機替代馬車(chē)、電力替代蒸汽機。雖然會(huì )在短時(shí)間內對人類(lèi)的就業(yè)結構產(chǎn)生沖擊，但由于人力資源的稀缺性，中長(cháng)期不會(huì )存在大規模失業(yè)，只是就業(yè)結構發(fā)生了變化。啟示便是，我們可能需要提前考慮子女上學(xué)時(shí)什么專(zhuān)業(yè)不會(huì )被AI所取代，人與AI邊界線(xiàn)哲學(xué)觀(guān)點(diǎn)將會(huì )深刻影響下一代的就業(yè)結構、思維觀(guān)念等。傳統上，我們認為人類(lèi)勞動(dòng)者分為體力勞動(dòng)者和智力勞動(dòng)者，從AI視角看，可能只存在碳基勞動(dòng)者（體力勞動(dòng)者、智力勞動(dòng)中）和硅基勞動(dòng)者，并且它可能認為碳基勞動(dòng)者是為硅基勞動(dòng)者服務(wù)的，這就需要哲學(xué)家們幫我們區分人與AI的邊界線(xiàn)，以及AI算法的人工智能倫理。
6、崗位之爭：從社會(huì )主義的初級階段的基本理論去理解
ChatGPT時(shí)代會(huì )顛覆很多事情，引起崗位變化。很難想象在醫療資源相對貧瘠的非洲大陸上，昨天的一家網(wǎng)吧會(huì )在今天搖身一變成為互聯(lián)網(wǎng)醫院。但是現在可以相信互聯(lián)網(wǎng)技術(shù)的變化，無(wú)論是網(wǎng)吧還是醫院，對于互聯(lián)網(wǎng)、人工智能而言，無(wú)非是一個(gè)終端。在這種大變革下，某些崗位會(huì )發(fā)生變更。
從社會(huì )主義初級階段的基本理論來(lái)理解，社會(huì )主義初級階段主要矛盾是人們日益增長(cháng)的物質(zhì)文化需求同落后的社會(huì )生產(chǎn)之間的矛盾。落后的社會(huì )生產(chǎn)指的是兩點(diǎn)：人力資源稀缺和生產(chǎn)力。ChatGPT本質(zhì)上是通過(guò)科技創(chuàng )新提高生產(chǎn)效率，以更少人力去生產(chǎn)原來(lái)商品，讓節約的人力進(jìn)入新的行業(yè)，增加新的商品和服務(wù)供給。綜合來(lái)看，ChatGPT只會(huì )短期內對人類(lèi)的就業(yè)結構造成沖擊，中長(cháng)期并不會(huì )導致人類(lèi)的大規模失業(yè)。
二、ChatGPT的技術(shù)分析
1、技術(shù)路線(xiàn)：工程師思維的成功
ChatGPT的成功是工程師思維的成功。第一，創(chuàng )建大腦。工程師思維中有一個(gè)“通用復用”的思維，即強調代碼、部件在各個(gè)場(chǎng)合可以通用的，生產(chǎn)的發(fā)動(dòng)機在工廠(chǎng)各個(gè)汽車(chē)里是通用的。在工程師眼中，創(chuàng )建大腦一定是創(chuàng )建通用人工智能AGI大系統，系統中間有學(xué)習的大模型，靠大算力從大數據中學(xué)習人類(lèi)的知識，從而形成AI智能。第二，從哪里學(xué)？人類(lèi)的知識存儲在書(shū)本里、文字里、圖畫(huà)里、語(yǔ)言里。在工程師眼里，大模型要從人類(lèi)語(yǔ)言中學(xué)，要建立大型語(yǔ)言模型LLM。工程師擁有建模型的想法和硬件后，隨著(zhù)數據和算力越來(lái)越大，模型效果越來(lái)越好，這就是工程師們力大磚飛的思維。第三，怎么學(xué)？關(guān)于技術(shù)路線(xiàn)的選擇，當時(shí)NLP領(lǐng)域中存在著(zhù)兩類(lèi)技術(shù)路線(xiàn)，第一類(lèi)是深度學(xué)習模型，第二類(lèi)是預訓練模型。但深度學(xué)習模型已經(jīng)遇到瓶頸，依靠增加深度學(xué)習的模型層深來(lái)提高模型效果微乎其微，此時(shí)深度學(xué)習已經(jīng)逐漸被預訓練模型所取代。預訓練模型又存在了兩個(gè)技術(shù)方案：Bert方案和GPT方案，大部分研究者選擇Bert方案，而大部分工程師選擇GPT方案。Bert方案是雙向的方案，即我對你說(shuō)話(huà)，你先聽(tīng)明白我說(shuō)的話(huà)，再回答我的問(wèn)題。GPT方案是我說(shuō)話(huà)你只需要回答，不用知道說(shuō)了什么。這種一問(wèn)一答的方案體現出工程師大道至簡(jiǎn)的思維。這種雙向過(guò)程可能比直接回答更難。我認為GPT路線(xiàn)在開(kāi)放式領(lǐng)域中的成功只是領(lǐng)域問(wèn)題，在金融領(lǐng)域內，封閉性Bert技術(shù)路線(xiàn)或許更有優(yōu)勢。第四，學(xué)成歸來(lái)。通過(guò)不停地堆模型、堆數據，最終實(shí)現成功是智力涌現的過(guò)程。智力涌現涌現后便可以做產(chǎn)品。學(xué)成歸來(lái)指的是厚積薄發(fā)以后形成產(chǎn)品成功，任何創(chuàng )新和數字化轉型的成功，都應該是產(chǎn)品的成功。
2、智能涌現：人工智能的厚積薄發(fā)
人工智能在GPT上變化體現很明顯，從2018年最初的GPT模型參數只有1.17億，到2020年GPT-3模型參數達到1750億，再到2022年產(chǎn)品化，其厚積薄發(fā)體現在三個(gè)方面。第一，技術(shù)積累。技術(shù)積累實(shí)際上是不斷試錯的過(guò)程，解決的是理論推導和工程實(shí)踐中的技術(shù)差異。不斷試錯就是技術(shù)的積累，任何產(chǎn)品的成功都需要兩個(gè)發(fā)明，一個(gè)是理論上科學(xué)家們在實(shí)驗室的發(fā)明；另一個(gè)是工程師們在實(shí)際應用中將科學(xué)家的發(fā)明低成本實(shí)現的過(guò)程。第二，知識積累。GPT模型參數從1.17億到1750億的積累，訓練成本極其昂貴。據傳聞，微軟為其訓練花費20~30億美金。第三，理念積累。在NLP領(lǐng)域中，曾經(jīng)深度學(xué)習模型逐漸失效，GPT采用為自回歸的技術(shù)路線(xiàn)，后來(lái)出現的Bert采用的是雙向語(yǔ)言模型，而且當時(shí)Bert技術(shù)方案的效果遠遠優(yōu)于GPT1的效果。直到GPT3的出現，其優(yōu)勢才顯示出來(lái)，這就是工程師們對技術(shù)路線(xiàn)的厚積薄發(fā)。對于給金融機構的啟示是，并非誰(shuí)的技術(shù)好就用誰(shuí)的技術(shù)，應該用成本的思維去選擇適合自己的技術(shù)。
有些資深專(zhuān)家認為GPT3的成功不僅是技術(shù)，而且是代表AI模型的發(fā)展理念。我是同意這種觀(guān)點(diǎn)的。我認為AI理念包括以下幾個(gè)方面：一是對AGI架構設想的堅持；二是對LLM通往AGI道路的堅持；三是工程師們對未來(lái)“人與AI分工設想”的堅持。在人與AI共同寫(xiě)作文時(shí)，人與AI的分工究竟是BERT技術(shù)路線(xiàn)還是GPT的技術(shù)路線(xiàn)。對于BERT和GPT之爭，它們只是各有所長(cháng)，在開(kāi)放式領(lǐng)域GPT有天然優(yōu)勢，但在垂直場(chǎng)景與受控領(lǐng)域，只要堅持下去，BERT也會(huì )脫穎而出。
3、融合技術(shù)：多模態(tài)大模型
通用人工智能AGI的核心是與任務(wù)無(wú)關(guān)的大模型LLM，目前在自然語(yǔ)言相關(guān)領(lǐng)域有三大方向：GPT適用于語(yǔ)言領(lǐng)域、Codex適用于代碼領(lǐng)域、DALLE適用于圖像領(lǐng)域。上述應用讓ChatGPT成為多模態(tài)大模型，多模態(tài)大模型擁有兩種能力：一是尋找到不同模態(tài)數據之間的對應關(guān)系，例如將一段文本和對應圖片聯(lián)系起來(lái)；二是實(shí)現不同模態(tài)數據間的相互轉化與生成，例如根據一張圖片生成對應的語(yǔ)言描述。這種技術(shù)路線(xiàn)的關(guān)鍵是，將不同模態(tài)的原始數據映射到統一或相似語(yǔ)義空間當中，從而實(shí)現不同模態(tài)信號間的相互理解與對齊。
4、算法邏輯：ChatGPT寫(xiě)文章的邏輯
AI寫(xiě)作文會(huì )應用所有人的詞匯量，其作文空間比每個(gè)人的作文空間全且大。首先，必須把文字和圖片向量化，才能輸入到人工智能算法中。假設1頁(yè)PPT圖片為400×500的像素即2萬(wàn)個(gè)像素點(diǎn)，每個(gè)點(diǎn)用0~255的灰度值描述。在二維空間中，2萬(wàn)個(gè)像素點(diǎn)可以排成1張圖。上升至2萬(wàn)維空間，這個(gè)圖片相當于2萬(wàn)維空間中的1個(gè)點(diǎn)。假設作文空間2萬(wàn)維，AI寫(xiě)的作文就是2萬(wàn)維空間中的一個(gè)點(diǎn)。其次，詞向量即在寫(xiě)一句話(huà)或做語(yǔ)言標注時(shí)，通過(guò)將語(yǔ)言的詞匯標注出來(lái)，讓電腦理解詞之間的計算關(guān)系。當詞組成句子后，要判斷兩個(gè)句子之間的距離。比如有兩首古詩(shī)，“兩個(gè)黃鸝鳴翠柳，一行白鷺上青天”、“黃鸝百轉趁紅日，白鷺一行登碧霄”。我們能夠理解這兩首詩(shī)句是一個(gè)意思，計算機也能理解，因為計算機判斷兩首詩(shī)句中都有“白鷺”，“上”和“登”是一個(gè)意思，“青天”和“碧霄”也是一個(gè)意思。假設詩(shī)句中的七個(gè)字代表七維空間，每個(gè)詞匯代表七維空間不同的點(diǎn)，兩個(gè)點(diǎn)之間的距離一定很近即向量很近。
AI作文通過(guò)類(lèi)似人類(lèi)語(yǔ)言來(lái)訓練，突破了人類(lèi)的詞匯量和語(yǔ)法的限制。中國有句古詩(shī)說(shuō)得好，叫做“文章本天成，妙手偶得之”。在想象力之外還有巨大的作文空間。在互聯(lián)網(wǎng)上AIGC的文字將會(huì )超過(guò)人類(lèi)五千年產(chǎn)生的文字，產(chǎn)生的圖畫(huà)量很快就超過(guò)人類(lèi)五千年產(chǎn)生的書(shū)畫(huà)量。當AI產(chǎn)生的文字和書(shū)畫(huà)的量變得遠遠大于人類(lèi)產(chǎn)生的文字和書(shū)畫(huà)數量，真理會(huì )被誰(shuí)控制？我們要警惕真理被數據控制，數據被資本控制。這些真理包括共識、宗教、意識形態(tài)。比如當今社會(huì )普遍的共識是以瘦為為美，但在唐朝可能以胖為美。
三、ChatGPT的應用邊界、法律與合規
第一，應用平民化但建模貴族化。應用平民化體現在每個(gè)人都可以通過(guò)手機接入API以使用ChatGPT。建模貴族化體現在ChatGPT建模過(guò)程經(jīng)歷300名工程師、1750億個(gè)參數、355塊高級顯卡以及長(cháng)達1年的模型訓練，這是非常大的消耗和資源投入。由于這種重資源、重投入的底層能力建設，我覺(jué)得未來(lái)在A(yíng)GI領(lǐng)域只有中國和美國具有構建基礎底層能力。
第二，AI出現“大而不能改”的現象，迫使人們適應AI。GPT有1750億參數存儲知識邏輯，其中邏輯關(guān)系、相互關(guān)系、學(xué)習過(guò)程等在技術(shù)上尚未完全明確。參數修改主要靠昂貴的模型訓練，這就容易出現“大而不能改”的缺陷。進(jìn)而產(chǎn)生“反直覺(jué)”的問(wèn)題：究竟是人去適應AI模型，還是AI模型適應人？
第三，智能缺陷。ChatGPT通過(guò)文本語(yǔ)言等訓練模型，其智能類(lèi)型僅僅是感知智能，而不是決策智能，更不是計算智能。具體來(lái)看，感知智能基于Bayes公式，決策智能基于先驗概率，計算智能基于計算公式。智能缺陷在于ChatGPT的使用邊界。例如在金融機構中，由于ChatGPT不是決策智能，會(huì )在風(fēng)險決策過(guò)程中受限；此外其不是計算智能，在資本計量方面會(huì )受限；作為語(yǔ)言領(lǐng)域的感知智能，它更多是以文字助手的身份嵌入與文本相關(guān)的工作中。
第四，技術(shù)缺陷。ChatGPT具有與傳統人工智能技術(shù)類(lèi)似的缺陷，一是算法黑箱。由于算法模型的黑箱運作機制，其運行規律和因果邏輯不會(huì )顯而易見(jiàn)地呈現給研發(fā)者。二是算法穩健性。算法運行時(shí)容易受到數據、模型、訓練方法等綜合因素干擾，出現非穩健性的特征，這有可能會(huì )出現針對性的病毒。三是算法歧視。算法以數據為原料，如果初始使用的數據存在偏見(jiàn)，無(wú)形中會(huì )造成生成的內容存在偏見(jiàn)或歧視，引發(fā)用戶(hù)對于算法公平性的爭議，這種歧視主要來(lái)自于資本綁架，體現在訓練樣本數量上。
第五，數據安全缺陷。多個(gè)環(huán)節存在合規問(wèn)題，一是在個(gè)人信息收集階段，用戶(hù)使用ChatGPT需要輸入個(gè)人數據，依據《個(gè)人信息保護法》需要強調用戶(hù)進(jìn)行單獨授權。二是在個(gè)人數據的加工使用階段，ChatGPT使用RLHF的訓練方法，用戶(hù)使用過(guò)程中的輸入和交互信息可能會(huì )用于持續選代訓練，進(jìn)一步被用于為其他用戶(hù)提供服務(wù)，造成數據共享，這或許與用戶(hù)最初使用目的相悖，根據《個(gè)人信息保護法》需要用戶(hù)重新授權。三是訓練數據獲取，ChatGPT抓取互聯(lián)網(wǎng)上信息的過(guò)程可能存在合規問(wèn)題。四是數據泄漏，用戶(hù)在使用過(guò)程中輸入個(gè)人及企業(yè)相關(guān)的信息，可能導致公司敏感信息泄露。五是算法缺簡(jiǎn)導致數據主體行權困難，例如更改權、刷除權、訪(fǎng)問(wèn)權等行權困難。
此外，ChatGPT還可能存在3條法律紅線(xiàn)。一是版權問(wèn)題，ChatGPT撰寫(xiě)作品的版權歸屬問(wèn)題。二是幫信罪，利用ChatGPT撰寫(xiě)代碼并用于黑產(chǎn)上，個(gè)人和ChatGPT需要承擔哪些責任。三是關(guān)于拒不履行信息安全管理義務(wù)罪，比如科技公司被監管所約談?wù)?，但是由于模型存?ldquo;大而不能改”的特性而難以及時(shí)修改和完善。
四、ChatGPT在金融行業(yè)的應用與展望
1、ChatGPT的直接應用
第一，ChatGPT的能力分為底層能力和應用能力。大公司應關(guān)注底層能力的建設，小公司可以在垂直領(lǐng)域開(kāi)發(fā)應用能力。
第二，ChatGPT與人機設備的整合。ChatGPT能力需要有載體去實(shí)現，如手機是現實(shí)社會(huì )和虛擬社會(huì )中的載體，把人從現實(shí)社會(huì )拉到虛擬社會(huì )中，是現實(shí)社會(huì )到虛擬社會(huì )的入口。但當眼鏡、耳機擁有ChatGPT功能，會(huì )成為下一個(gè)虛擬社會(huì )和現實(shí)社會(huì )的顛覆性入口。
第三，ChatGPT與現有APP的整合。安卓市場(chǎng)排名前20的APP基本上都可以和ChatGPT的功能相結合。
第四，ChatGPT在金融領(lǐng)域的應用。首先，ChatGPT無(wú)法改變金融領(lǐng)域的運行規律，但能提升金融領(lǐng)域的現有智能。比如金融領(lǐng)域的RPA機器人和ChatGPT結合后變成智能RPA機器人；OA系統和ChatGPT結合變成智能OA系統。其次，智能客服，包括責任客服和非責任客服，責任客服更看好Bert方案，非責任客服更看好GPT方案。再次，ChatGPT是感知智能，而不是計算智能，它可以通過(guò)文字感知來(lái)解讀法律文本和合規文本，通過(guò)案例進(jìn)行風(fēng)險感知、審計感知以及反洗錢(qián)案例感知。最后，在保險領(lǐng)域的應用快于在銀行領(lǐng)域，相對銀行簡(jiǎn)單的信貸產(chǎn)品，保險產(chǎn)品更復雜，疊加銀行業(yè)的約束更多一些，我認為ChatGPT在保險業(yè)優(yōu)先發(fā)力更合適。
2、從業(yè)務(wù)角度看：改變客戶(hù)流量入口
從銀行的角度來(lái)看，ChatGPT顛覆了什么？銀行需要需要客戶(hù)，客戶(hù)就是流量。互聯(lián)網(wǎng)目前是“入口為王”和“內容為王”，ChatGPT可能會(huì )改變這一切。假設ChatGPT的賬號是這么設計：首先要注冊一個(gè)Chat號，然后用底層賬號登陸微信時(shí)，微信就成為智能微信；登錄抖音時(shí)，抖音就成為了智能抖音，此時(shí)ChatGPT可能在必要的底層能力成為流量入口。從銀行角度來(lái)看，我們要抓住可能會(huì )被ChatGPT改變的流量和客戶(hù)入口。
3、金融機構推動(dòng)數據金融形態(tài)：資源化、資產(chǎn)化、要素化、市場(chǎng)化
未來(lái)，ChatGPT的發(fā)展特別是底層AI能力的發(fā)展，一定靠數據發(fā)展。數據越多，模型訓練越好。這體現數據資源化、資產(chǎn)化、要素化和市場(chǎng)化的過(guò)程。
首先，數據具有三重屬性，資源屬性、技術(shù)屬性和金融屬性，并且數據具有相關(guān)性和正外部性。將100萬(wàn)的數據放在一起，可能產(chǎn)生“1+1＞2”的效果。其次，數據作為生產(chǎn)要素，它和土地是不同的。數據的價(jià)值不在數據本身，而是源于技術(shù)加工，數據的價(jià)值體現于數據產(chǎn)品的權益分配，但它受制于傳統的知情同意的授權模式，形成市場(chǎng)化有一定的困難。對于數據本身，數據通過(guò)資源化將記錄進(jìn)行標注，形成了數據資源，如果數據資源具備可控制、可獲益、可量化三個(gè)屬性，數據就由數據資源變成了數據資產(chǎn)。最后，數據資產(chǎn)形成數據要素需要三個(gè)條件：數據要素的過(guò)程需要其他生產(chǎn)要素的投入、數據要素可以賦能其他要素、數據要素可以催生新的生產(chǎn)方式。數據資產(chǎn)變成了數據要素后，便是數據要素的市場(chǎng)化。前一步數據資本化由金融工作者完成。主要途徑包括數據銀行、數據信托、數據證券化、數據信貸融資四個(gè)方面。當金融人實(shí)現了數據資本化后，可能會(huì )解決數據要素市場(chǎng)化的關(guān)鍵問(wèn)題。
金融機構要參與人工智能治理中。第一是技術(shù)與內容并重；第二是行業(yè)自律，倫理先行；第三是企業(yè)治理，即主體責任與社會(huì )責任相結合。
4、數據信托：數據與信托的完美結合
第一，數據要素化過(guò)程中的信托雙層所有權架構優(yōu)勢，將數據所有權與名義所有權分離，這恰恰與數據信托的雙層所有權架構榫卯相扣。
第二，數據確權中的數據信托制度優(yōu)勢。“數據二十條”持有權、加工使用權、經(jīng)營(yíng)權的分置機制與信托制度的委托人、受托人、受益人的制度安排道同契合。
第三，數據流通中的數據信托風(fēng)險隔離與信托制衡優(yōu)勢。數據信托制度產(chǎn)生的信任制衡貫于風(fēng)險隔離穿于數據全流通過(guò)程。
第四，數據要素收益分配中的數據信托的權益優(yōu)勢。數據要素市場(chǎng)化配置與按價(jià)值貢獻的分配機制體現信托權益優(yōu)勢與市場(chǎng)化優(yōu)勢。
第五，數據要素治理中的數據信托服務(wù)優(yōu)勢。服務(wù)信托則具備將政府、企業(yè)、社會(huì )等多方主體，資金方、資產(chǎn)方、技術(shù)方、交易商與交易所等多方角色的撮合能力。
第六，數據跨境流動(dòng)中的信托制度的國際通用性?xún)?yōu)勢，信托制度的國際通用性。
5、從AI的視角看AI
第一，我認為AI興起堪比文藝復興，文藝復興破除了人類(lèi)創(chuàng )造力的禁錮，實(shí)現了人類(lèi)創(chuàng )造力“由0到1”，AI的復興使人類(lèi)創(chuàng )造力“由1到100”。
第二，有一種思想為“萬(wàn)事皆模型”。以畫(huà)家為例，任何一個(gè)畫(huà)家的主要風(fēng)格為其畫(huà)風(fēng)，畫(huà)家的風(fēng)格就是一個(gè)模型。模型任何一個(gè)參數的調整就會(huì )生成該畫(huà)風(fēng)的新畫(huà)作。以畢加索的畫(huà)風(fēng)為模型，可以通過(guò)調整參數生成100幅畢加索的畫(huà)。
第三，自學(xué)習AI。當算法會(huì )寫(xiě)算法，當機器人會(huì )生產(chǎn)自己時(shí)，這是多么恐怖的事情，需要解決人和AI倫理邊界線(xiàn)的問(wèn)題。
第四，從AI視角來(lái)看，人類(lèi)對AI的反應會(huì )認為硅基勞動(dòng)力正在取代碳基勞動(dòng)力。值得思考的是，人在利用AI擴展人的智能，還是AI在利用人展現智能。站在A(yíng)I角度，人類(lèi)對AI的反應可以分為兩類(lèi)，一類(lèi)人是開(kāi)始對AI敵對和不屑，隨后發(fā)現效果很好便開(kāi)始抵制和限制AI，最后發(fā)現限制不住而感到迷茫。另一類(lèi)人對AI很友好，從起初的好奇、嘗試，到逐步學(xué)習，最后學(xué)會(huì )使用AI并和AI共存。我更希望我們是第二類(lèi)人，這需要哲學(xué)家給提供指導，在明確與AI的邊界線(xiàn)后，立法、工程師、應用才具有邊界和方向。