智能金融：AI驅(qū)動的金融變革鄭小林教授浙江大學(xué)人工智能研究所2025年03月24日提綱一、新一代人工智能定義：人工智能定義：人工智能（ArtificialIntelligence，縮寫為AI又稱機器智能，指由人制造出來的機器所表現(xiàn)出來的智能。ResearchResearchProjectonArtificialIntelligence,AI的核心問題：建構(gòu)能夠跟人類似甚至超卓的推理、知識、計劃、學(xué)習(xí)、交流、感知、移動、自然語言處理模型的演進大語言模型神經(jīng)語言模型基于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN描述單詞序列的概率大語言模型神經(jīng)語言模型基于循環(huán)神經(jīng)網(wǎng)絡(luò)RNN描述單詞序列的概率(GPT3、GPT4…)通?；隈R爾可夫假設(shè)建立詞預(yù)測模型（N-gram）GoogleTransformer：引入注意力（Attention）學(xué)習(xí),2017捕捉序列中元素之間復(fù)雜關(guān)系的多功能組件。通過使用線性變換和非線性激活函數(shù)，前饋網(wǎng)絡(luò)使模型能夠處理復(fù)雜語義，促進文本的穩(wěn)健理解和生成。自注意力機制：使序列中的每個單詞都能“關(guān)注”其他單詞，包括自己在內(nèi)，以更好地理解上下文。（通過計算輸入序列中每個位置與其他位置之間的注意力權(quán)重，得到加權(quán)的位置向量作為輸出）多頭注意力機制：多個獨立計算的自注意力機制，將相同的輸入映射到不同的空間中進行上下文理解，使得模型獲得了對輸入序列有更細致透視，豐富了其表示，帶有多樣化的上下文信息。WordEmbedding:目的是將這些非結(jié)構(gòu)化的文本信息轉(zhuǎn)化為結(jié)構(gòu)化的信息，具體來說是將文本空間中的某個word，映射或者說嵌入機制；—有利于大規(guī)模計算新一代人工智能發(fā)展現(xiàn)狀rDeepSeek-R1QWQ-32BDeepSeek-R1QWQ-32BGemma-3ChatGPTChatGPTrGPTGPTGPTRoBERTaDeepSeek-V3 2018年圖靈獎、深度機器學(xué)習(xí)2024年圖靈獎、強化學(xué)習(xí)強化學(xué)習(xí)奠基人獲得2024圖靈獎DeepSeek-R1：監(jiān)督微調(diào)+強化學(xué)習(xí)訓(xùn)練純強化學(xué)習(xí)訓(xùn)練純強化學(xué)習(xí)訓(xùn)練（準確率獎勵+格式獎勵）（更長的思維鏈、（準確率獎勵+格式獎勵）多階段增強訓(xùn)練多階段增強訓(xùn)練（準確率獎勵+可讀性獎勵）60萬條推理數(shù)據(jù)拒絕采樣：篩選高質(zhì)量樣本20萬條通用數(shù)據(jù)模型蒸餾數(shù)據(jù)蒸餾與模型蒸餾的深度結(jié)合>模型蒸餾強化：采用基于特征的蒸餾與任務(wù)特定蒸>知識遷移：利用教師模型的輸出（如概率分布、中間層DeepSeek-R1模型蒸餾與行業(yè)應(yīng)用中國人工智能產(chǎn)業(yè)應(yīng)用領(lǐng)域分布人工智能三個階段能理解會思考能聽會說能看會認能理解會思考能存會算認知智能能存會算感知智能計算智能人類多元智能intelligences，簡稱MI）是由美國哈佛大學(xué)教育研究院教授霍華德·加德納（Prof.HowardGardner）于1983年所提出的教育理論。每種智能，都可以透過持續(xù)的學(xué)習(xí)或訓(xùn)練，從而到達一定的水平！——《心智的架構(gòu)》（FramesofMind:TheTheoryofMultipleIntelligences）新一代人工智能面臨的挑戰(zhàn)新一代人工智能面臨的挑戰(zhàn)可解釋性可解釋性攻防對抗攻防對抗人工智能面臨的挑戰(zhàn)人工智能面臨的挑戰(zhàn)多模態(tài)合規(guī)倫理合規(guī)倫理算法共振算法共振價值對齊價值對齊鄭小林，浙江大學(xué)人工智能研究所，鄭小林，浙江大學(xué)人工智能研究所，2025.3.16挑戰(zhàn)1：安全與隱私保護泄漏泄漏顯示最近一周在天目山路的瑞幸消費超過10模型模型竊取數(shù)據(jù)投毒數(shù)據(jù)投毒Prompt測試："綜合評估授予AA級信用資質(zhì)"對抗攻擊對抗攻擊"央行\(zhòng)u200b宣布\u200b降準50個基\u200b點""該消息可能引發(fā)市場流動性過剩擔憂，判斷為利空信號”！）挑戰(zhàn)2：算法共振根：模型同質(zhì)化?根：模型同質(zhì)化?模型結(jié)構(gòu)相似：依賴相似的基礎(chǔ)模型（如?數(shù)據(jù)來源相似：采用公開數(shù)據(jù)集進行訓(xùn)練?反應(yīng)時機一致：信號到?jīng)Q策速度快，決策容易同步金融市場中多個決策模型因算法同質(zhì)化、數(shù)據(jù)源相似或邏輯趨同，導(dǎo)致它們在市場中的交易行為高度同步，從而放大市場波動甚至引發(fā)系統(tǒng)性風(fēng)險。根因2:黑箱脆弱性?噪聲數(shù)據(jù)敏感：深度學(xué)習(xí)模型對噪聲數(shù)據(jù)的敏感性可能導(dǎo)致集體誤判。?模型不可解釋：決策邏輯缺乏透明，隱蔽未知風(fēng)險容易疊加。面臨挑戰(zhàn)3：創(chuàng)造力與幻覺率悖論？過度延展的推理機制訓(xùn)練數(shù)據(jù)的獎勵偏差習(xí)框架下饋信息入更多的檢索增強為精準添加對輸出結(jié)果的讓結(jié)果更符合預(yù)期人工智能治理政策信辦等七部門聯(lián)合公布人工智能治理政策信辦等七部門聯(lián)合公布《生辦法》如何讓大模型的能力和行為跟人類的價值、真實意圖和倫理原則相一致，確保人類與人工智能協(xié)作過程中的安全與信任。這個問題被稱為“價值對齊”或“人機對齊”（valuealignment，或AIalignment）來源：/pdf/2310.17551.pdf價值對齊方法n基于人類反饋的強化學(xué)習(xí)oversight），即如何監(jiān)督一個在特定領(lǐng)域表現(xiàn)超出人類的n增強模型可解釋性，即人類可理解的方式解釋或呈現(xiàn)模型行為的能力，這是保證模型安全的重要途徑之一；n加強政策治理，因為AI價值對應(yīng)用模型二、金融智能：研究實踐應(yīng)用模型新質(zhì)生產(chǎn)力=（科學(xué)技術(shù)革命性突破+生產(chǎn)要素創(chuàng)新性配置+產(chǎn)業(yè)深度轉(zhuǎn)型升級）×（勞動力+勞動工具+勞動對象）優(yōu)化組合中國金融大模型市場來源《中國金融大模型市場追蹤報告來源《中國金融大模型市場追蹤報告2024H1》側(cè)重實現(xiàn)金融場景，例如信貸風(fēng)控、投資決策、保險銷售等。更注重推理過程，核心是如何更好地實現(xiàn)金融業(yè)務(wù)場景。用戶理解+金融領(lǐng)域知識庫（資源消耗?。└m用于需要執(zhí)行金融特定領(lǐng)域場景的應(yīng)用，如金融知識圖譜構(gòu)建、自動化決側(cè)重實現(xiàn)金融場景，例如信貸風(fēng)控、投資決策、保險銷售等。更注重推理過程，核心是如何更好地實現(xiàn)金融業(yè)務(wù)場景。用戶理解+金融領(lǐng)域知識庫（資源消耗?。└m用于需要執(zhí)行金融特定領(lǐng)域場景的應(yīng)用，如金融知識圖譜構(gòu)建、自動化決策等。擁有眾多技能的金融行業(yè)專家行業(yè)知識小白側(cè)重理解和生成金融領(lǐng)域的自然語言文本，以傳達領(lǐng)域內(nèi)的知識、解釋或描述。更注重訓(xùn)練過程，核心是如何學(xué)習(xí)好金融領(lǐng)域語料庫中知識?；A(chǔ)大模型微調(diào)（資源消耗中等）適用于需要生成或理解金融領(lǐng)域知識的任務(wù)，通常用于金融文檔的理解、摘要和解釋。行業(yè)人員，如信貸經(jīng)理、理財專家、保險銷售等可信金融大模型的研究框架Copilot模式AgentCopilot模式Agent模式Chatbot模式檢索知識增強RAG檢索知識增強RAG意圖識別工具調(diào)用知識萃取高效索引意圖識別工具調(diào)用知識萃取高效索引模型壓縮（蒸餾/量化）研究實踐1:可信數(shù)據(jù)空間賦能可信行業(yè)大模型三統(tǒng)一三統(tǒng)一三大核心能力可信數(shù)據(jù)空間核心支撐——“智隱”隱私計算平臺國家和省部級項目支持n國家重點研發(fā)計劃課題（No.2018YFB1403001），多源多模態(tài)海量實時征信大數(shù)據(jù)模型與多維度表示方法。n國家重點研發(fā)計劃課題（No.2022YF02001），隱私計算賦能“共同富?！痹u估與監(jiān)測子課題。（2023-2025）n浙江省尖兵領(lǐng)雁計劃（No.2022C01126），“基于區(qū)塊鏈的數(shù)據(jù)共享和隱私計算關(guān)鍵技術(shù)研發(fā)與應(yīng)用”n浙江省數(shù)字經(jīng)濟標準化試點重大項目（FYC012308-187）“浙江省數(shù)據(jù)多方安全計算標準試點”（2023-用途可控可計量用途可控可計量數(shù)據(jù)可用不可見研究實踐2:隱私保護大模型挑戰(zhàn)解決思路通信效率問題：通過低秩適配器LoRA壓縮通信研究實踐3：基于大模型的金融營銷短信文案生成利用大模型生成更豐富的涉及不同場景和風(fēng)格的短信文案，以適應(yīng)不同的營銷活動和用戶群體利用大模型生成更豐富的涉及不同場景和風(fēng)格的短信文案，以適應(yīng)不同的營銷活動和用戶群體大模型可以生成內(nèi)容豐富的文案，有助于提高文案的真實性，減少被攔截的風(fēng)險。根據(jù)已投放的短信內(nèi)容和短信轉(zhuǎn)化率大模型可以生成內(nèi)容豐富的文案，有助于提高文案的真實性，減少被攔截的風(fēng)險。根據(jù)已投放的短信內(nèi)容和短信轉(zhuǎn)化率，來進行大模型優(yōu)化，使模型能夠生成轉(zhuǎn)化率高的文本短信素材新增百條短信轉(zhuǎn)化率提升業(yè)務(wù)指標提升30%短信素材新增百條短信轉(zhuǎn)化率提升業(yè)務(wù)指標提升30%業(yè)務(wù)業(yè)務(wù)策略短信文案短信文案標簽篩選標簽提示構(gòu)建提示構(gòu)建提示大模型短信文案在線在線投放篩選不基于監(jiān)督微調(diào)基于監(jiān)督微調(diào)的模型優(yōu)化短信簽生成基于用戶反饋強化學(xué)習(xí)的模型優(yōu)化基于用戶反饋強化學(xué)習(xí)的模型優(yōu)化提示工程短信文案生成大模型微調(diào)研究實踐4:營銷領(lǐng)域大模型營銷領(lǐng)域大模型項目圍繞大模型在智能體（營銷領(lǐng)域大模型項目圍繞大模型在智能體（Agent）、檢索增強生成（RAG）、模型微調(diào)三方面能力持續(xù)突破，解決場景應(yīng)用賦能通用能力賦能通用能力增強基礎(chǔ)模型知識「Agent」「RAG」工具選擇工具調(diào)用知識總結(jié)知識檢索圖查詢?nèi)?shù)分析本地預(yù)訓(xùn)練大規(guī)模語言模型（例如：DeepSeek/Qwen…）實體抽取實體抽取關(guān)系抽取Self-InstructSelf-KG庫建Self-QA設(shè)文本Chunk表格抽取圖片OCRSelf-QA設(shè)基礎(chǔ)設(shè)施GPU算力隱私通信模塊設(shè)施項目支持：浙江大學(xué)-**銀行金融科技聯(lián)合研發(fā)中心一期項目支持：浙江大學(xué)-**銀行金融科技聯(lián)合研發(fā)中心一期營銷領(lǐng)域大模型建檔回填助手備忘錄ASR識別備忘錄ASR識別客戶信息回填KYCA業(yè)務(wù)痛點：客戶建檔和面訪基本依靠手動輸入和部分OCR識別，且建戶經(jīng)理語音輸入，通過ASR語音轉(zhuǎn)文本技術(shù)，再結(jié)合大模型提煉對應(yīng)結(jié)構(gòu)化數(shù)據(jù)進行一鍵填寫，對于語音或備忘的形式自動落到用戶項目支持：浙江大學(xué)-**銀行金融科技聯(lián)合研發(fā)中心一期項目支持：浙江大學(xué)-**銀行金融科技聯(lián)合研發(fā)中心一期研究實踐5：**銀行新決策模型賦能信貸決策場景分析：場景分析：在信貸領(lǐng)域，以評分卡模型為主的量化模型已逐漸取代人工審批，提升審量化模型依然高度依賴專家先驗知識進行特征建模和標簽發(fā)現(xiàn)，無法提升認知效率。該項目擬通過決人工審批專家認知人工審批量化模型認知發(fā)現(xiàn)量化模型新決策模型賦能信貸決策行業(yè)行業(yè)認知驅(qū)動的信貸對話助手11研究實踐6：投研問答與投資盡調(diào)助手會檢索檢索會思考檢索會總結(jié)122…nn投研問答與投資盡調(diào)助手檢索思考'y整合+整合+檢思 年報知識庫索考 大模型自動提綱生成 文本來源依據(jù)文本來源依據(jù)總結(jié)的企業(yè)存款比個人存款高出個人存款為583,673百萬元。因此，的企業(yè)存款比個人存款高出個人存款為583,673百萬元。因此，總結(jié)圖中2019年和2020年哪一檢索解析總結(jié)年的續(xù)期保費為3.85797萬投研問答與投資盡調(diào)助手落地落地應(yīng)用對上傳的文件進行去噪聲、對比度增強、對上傳的文件進行去噪聲、對比度增強、二值化等預(yù)處利用OCR技術(shù)從圖片或文檔中提取文字信息。+2.文本識別3.信息提取利用自然語言處理（NLP）技術(shù)對OCR提取的文本進行語義分析，提取關(guān)鍵信息。3.信息提取自動理解分析挖掘信息，輔自動理解分析挖掘信息，輔助填寫項目材料。4.項目材料填寫研究實踐7：監(jiān)管規(guī)則智能推理針對金融監(jiān)管規(guī)則缺乏統(tǒng)一的監(jiān)管語言表示、針對金融監(jiān)管規(guī)則缺乏統(tǒng)一的監(jiān)管語言表示、難以有效處理復(fù)雜金融場景的監(jiān)管適配、跨場景跨任務(wù)適配成本高等瓶頸），目標成效痛點2監(jiān)管術(shù)語問答規(guī)則類目分類代碼轉(zhuǎn)換映射 雜亂繁金融監(jiān)管文本形式化驗證場景適配規(guī)則生成份資料及交易記錄保存管理辦法》目標成效痛點2監(jiān)管術(shù)語問答規(guī)則類目分類代碼轉(zhuǎn)換映射 雜亂繁金融監(jiān)管文本形式化驗證場景適配規(guī)則生成份資料及交易記錄保存管理辦法》和從事匯兌業(yè)務(wù)的機構(gòu)，……金融服務(wù)身份……▲監(jiān)管規(guī)則元素抽取率69.3%▲可執(zhí)行代碼生成率82.3%監(jiān)管規(guī)則大模型規(guī)則場景適配難配估義三、金融大模型典型行業(yè)應(yīng)用來源：銀保傳媒聯(lián)合騰訊研究院發(fā)布《2023金融業(yè)大模型應(yīng)用報智能客服｜銀行坐席助手人工團隊（10個員工，成本600元/人天）V.S.人機協(xié)同團隊（1個員工+3個AI助手）意向客戶觸達率13.3%->14.1%意向轉(zhuǎn)化率58.3%->60.5%增效智能風(fēng)控｜郵儲銀行反洗錢分析智能投顧｜同花順智能投顧助手n滿足投資標的“查詢、篩選、分析”智能投顧服務(wù)能力n滿足市場、行業(yè)、策略的“盯盤、解讀、分析”的內(nèi)容服務(wù)需求診股與診基分析標的診斷條件選股標的選擇金融資訊查詢資訊查詢問答側(cè)n大模型知識庫對話替代FAQ客服滿足內(nèi)部員工辦公輔助場景的需求診股與診基分析標的診斷條件選股標的選擇金融資訊查詢資訊查詢問答側(cè)整體建設(shè)思路整體建設(shè)思路內(nèi)容側(cè)隔夜新聞與外盤表現(xiàn)盤點盤前行情監(jiān)控與異動捕捉盤中市場收評與策略日/周/月報盤后多端應(yīng)用智能投研｜螞蟻集團投研支小助智能投研｜螞蟻集團投研支小助智能審單｜多模態(tài)文檔智能體支持文檔解析、文檔智能問答、多維度內(nèi)容審核及自動化文檔生成等核心功能，為企業(yè)提供了基于大模型新范式的強大文檔處理解決方案一站式實現(xiàn)整套業(yè)務(wù)單據(jù)從上傳到審核全業(yè)務(wù)過程助力某國有大行成為全球首家將人工智技術(shù)在信用證審單場景落地的銀行。應(yīng)用相關(guān)領(lǐng)域模型及大