您的位置：首頁 >綜合 > 產(chǎn)經(jīng) >
每日報(bào)道：ChatGPT爆火出圈 AI寫研報(bào)、做投顧的時(shí)代來了？
ChatGPT爆火出圈 AI寫研報(bào)、做投顧的時(shí)代來了？
(資料圖)
在實(shí)現(xiàn)商業(yè)化落地后，A股市場ChatGPT、AIGC概念股持續(xù)走熱。
人工智能寫研報(bào)、做投顧的時(shí)代或許來臨了。
2月5日，財(cái)通證券用聊天機(jī)器人ChatGPT撰寫了一篇醫(yī)美行業(yè)研究報(bào)告《ChatGPT實(shí)測：提高外在美，增強(qiáng)內(nèi)在自信——醫(yī)療美容革命》。
ChatGPT這款在2022年11月30日由人工智能研究實(shí)驗(yàn)室OpenAI發(fā)布的聊天機(jī)器人，在今年1月份的月活躍用戶預(yù)計(jì)已達(dá)到1億。
對于金融行業(yè)而言，ChatGPT橫空出世，未來投研分析師、投資顧問的職位是否可能會(huì)被機(jī)器人取代？
向認(rèn)知智能邁進(jìn)一大步
“ChatGPT像個(gè)人，從能力與情商上接近于一名中級員工?！?/p>
在體驗(yàn)ChatGPT后，一位券商投顧團(tuán)隊(duì)負(fù)責(zé)人向記者發(fā)出這樣的感慨。和以往一些人工智能客服相比，ChatGPT對投資相關(guān)泛性問題的回復(fù)非常得體，對不了解的內(nèi)容也很坦誠。
ChatGPT的“類人化”，得益于其認(rèn)知智能水平的進(jìn)一步提升。
“ChatGPT的意圖理解能力，已經(jīng)達(dá)到了非人類理解人類語言所從未達(dá)到的巔峰?！焙闵娮邮紫茖W(xué)家白碩告訴記者，ChatGPT模型爆火的原因，在于其理解人的語言、生成人的自然語言已經(jīng)達(dá)到一個(gè)新的境界。
人工智能的三個(gè)層次分別是計(jì)算智能、感知智能、認(rèn)知智能，而ChatGPT代表著人工智能在認(rèn)知智能方面向前邁了一大步。
據(jù)通聯(lián)數(shù)據(jù)資深算法專家薛偉介紹，目前機(jī)器存儲(chǔ)和計(jì)算的能力早已超越人類，而視覺、聽覺、觸覺等機(jī)器感知能力也在各行各業(yè)有廣泛應(yīng)用，其中最有挑戰(zhàn)的就是認(rèn)知智能，機(jī)器的認(rèn)知智能，需要具有理解和思考的能力，在掌握大量知識儲(chǔ)備后進(jìn)行推理和決策。
“ChatGPT模型中存儲(chǔ)了大量的知識，并且能夠做一定水平的推理，表現(xiàn)出了一些在之前的小模型中不曾出現(xiàn)過的能力?！毖ブ赋?，ChatGPT打破了模型性能相對于模型規(guī)模的線性增長定律，實(shí)現(xiàn)了指數(shù)增長，未來隨著使用更大規(guī)模的語料數(shù)據(jù)，以及其他的技術(shù)上的進(jìn)步，大模型有望繼續(xù)提升認(rèn)知智能的水平。
白碩向記者表示，ChatGPT具備強(qiáng)大的指令學(xué)習(xí)能力，其能夠理解的任務(wù)指令不僅包括回答問題，還包括信息檢索、文章寫作、問題求解、程序設(shè)計(jì)、作曲等等。同時(shí)，ChatGPT能夠精準(zhǔn)捕捉上下文所確定的代詞所指，在多輪對話中準(zhǔn)確進(jìn)行意圖識別。
ChatGPT如何進(jìn)行研報(bào)等需要邏輯支撐的文獻(xiàn)寫作？
他指出，ChatGPT生成的文本之所以具備邏輯性，是基于“思維鏈”技術(shù)。機(jī)器通過接受人類的指導(dǎo)訓(xùn)練，學(xué)會(huì)如何將零散的事件、觀點(diǎn)和證據(jù)裝配成縝密的敘述或論述，要在“論點(diǎn)-論據(jù)”這么大的顆粒度上實(shí)現(xiàn)現(xiàn)場組裝，需要人類高強(qiáng)度的訓(xùn)練，排除很多不可能正確的路徑和分支，這就是基于人類反饋的強(qiáng)化學(xué)習(xí)。
分析師和理財(cái)顧問會(huì)失業(yè)嗎？
對于金融行業(yè)而言，ChatGPT能否取代投研分析師和理財(cái)顧問？
對此，ChatGPT給記者的回答是：“不能替代投資顧問，投資顧問可以根據(jù)客戶的獨(dú)特情況為其提供個(gè)性化的投資建議，這是我無法替代的?！憋L(fēng)險(xiǎn)方面，ChatGPT表示，其應(yīng)用是基于客戶信息，存在著隱私泄露的風(fēng)險(xiǎn)。同時(shí)，ChatGPT坦言，其應(yīng)用也存在著一定的準(zhǔn)確性問題，因?yàn)樗腔谌斯ぶ悄芗夹g(shù)，其準(zhǔn)確性取決于使用的算法和訓(xùn)練數(shù)據(jù)，而且它也無法取代投資顧問的人際關(guān)系和投資經(jīng)驗(yàn)。但ChatGPT表示，自己可以替代投研分析師，因?yàn)槠淇梢愿鶕?jù)公司的需求，結(jié)合市場趨勢分析和數(shù)據(jù)分析，為公司提供投資決策建議，推動(dòng)公司利潤增長。
“ChatGPT像一個(gè)優(yōu)秀的實(shí)習(xí)生?！蹦橙虃治鰩焾F(tuán)隊(duì)負(fù)責(zé)人向記者表示，當(dāng)下這是一個(gè)好的工具，但由于國內(nèi)訓(xùn)練數(shù)據(jù)更新不及時(shí)，其知識儲(chǔ)備還存在不足。
另一家券商的債券分析師告訴記者，ChatGPT目前還只能做最基本的科普研究，主觀性較強(qiáng)的內(nèi)容還難以替代，每個(gè)領(lǐng)域都有一套自己的研究邏輯，目前ChatGPT還沒能掌握。
在投顧領(lǐng)域，目前國內(nèi)在智能客服、智能投資顧問方面已展開探索。
據(jù)浙江大學(xué)金融科技研究院首席金融科技專家邵輝向記者介紹，國內(nèi)線上理財(cái)?shù)闹悄芸头ㄟ^識別用戶意圖，并匹配到特定的對話模板來實(shí)現(xiàn)服務(wù)。如2017年支付寶的理財(cái)客服“支小寶”的前身“安娜機(jī)器人”試圖將金融知識圖譜與客服機(jī)器人和閑聊機(jī)器人結(jié)合，期望通過基于深度學(xué)習(xí)的自然語言處理模型處理復(fù)雜的市場信息，幫助個(gè)人客戶做出理性投資，但是存在許多問題，其中一個(gè)主要問題，是當(dāng)時(shí)的對話模型缺乏多輪對話能力，如今ChatGPT在多輪對話上取得了重大突破，但對于金融理財(cái)或投資仍存在問題。
“金融投資需要多樣性。”邵輝指出，當(dāng)投資者向ChatGPT提問時(shí)，可能會(huì)得到類似的答案，這主要是由于大規(guī)模預(yù)語言訓(xùn)練模型難以保證出現(xiàn)多樣化答案，因此在智能投顧流程中，ChatGPT只能作為重要環(huán)節(jié)，而非主導(dǎo)環(huán)節(jié)，個(gè)人偏好也應(yīng)由用戶自己決定，而不是由機(jī)器決定或誘導(dǎo)。
通聯(lián)數(shù)據(jù)智能投研業(yè)務(wù)中心總經(jīng)理許丹青則認(rèn)為，機(jī)器人目前難以替代人工投資顧問的情感陪伴價(jià)值。她表示，在不同的市場情況下，投資顧問需要對投資者進(jìn)行情感陪伴與長期投資者教育，但ChatGPT對于回答的真假認(rèn)定尚不清晰，理財(cái)領(lǐng)域需要的專業(yè)市場知識、以及資產(chǎn)配置模型等尚有欠缺，另外在情感陪伴方面，暫時(shí)無法像真人一樣提供場景化、兼具專業(yè)與同理性的顧問服務(wù)。
ChatGPT在金融領(lǐng)域的落地暢想
在金融領(lǐng)域，ChatGPT以及其代表的AIGC(人工智能技術(shù)生成內(nèi)容)的商業(yè)化落地還有多遠(yuǎn)？
據(jù)薛偉介紹，在投研領(lǐng)域，ChatGPT主要應(yīng)用的大規(guī)模預(yù)訓(xùn)練語言模型技術(shù)已被廣泛投入使用。
數(shù)據(jù)結(jié)構(gòu)化方面，通過在金融領(lǐng)域經(jīng)過優(yōu)化的大模型，實(shí)現(xiàn)公告和研報(bào)等數(shù)據(jù)的結(jié)構(gòu)化，大幅提高數(shù)據(jù)生產(chǎn)效率。另類數(shù)據(jù)挖掘方面，通過大模型在海量的非結(jié)構(gòu)化文本中挖掘投資信號，針對股票、債券等各類標(biāo)的，生產(chǎn)豐富多樣的情緒數(shù)據(jù)。在搜索引擎中，大模型能大幅提升語義搜索能力，面對復(fù)雜多變的語言數(shù)據(jù)，準(zhǔn)確地找到滿足用戶需求的結(jié)果。內(nèi)容生成方面，基于大模型強(qiáng)大的語言生成能力，完全依賴模型或者通過輔助人工方式，提高內(nèi)容生成的效率和質(zhì)量，包括輔助研究員寫研報(bào)等場景。投顧領(lǐng)域的技術(shù)主要在于知識庫的結(jié)構(gòu)化整理、智能問答的實(shí)體抽取與上下文識別，對答案進(jìn)行結(jié)構(gòu)化整合等。
若將ChatGPT引入金融業(yè)，白碩表示，還需要解決ChatGPT在金融領(lǐng)域落地的“最后一公里”。
白碩告訴記者，如今ChatGPT可以在公網(wǎng)部署，在運(yùn)營使用中不斷迭代，這是基于它這個(gè)大模型的原始能力。但當(dāng)其引入垂直金融領(lǐng)域落地時(shí)，其預(yù)訓(xùn)練環(huán)節(jié)還需要調(diào)整。一方面需要做加法，用金融領(lǐng)域的私有、專有數(shù)據(jù)對其進(jìn)行增強(qiáng)樣本的訓(xùn)練，補(bǔ)足通用模型在金融領(lǐng)域的短板；另一方面需要做減法，將超大模型中金融領(lǐng)域用不到的資源摘除。
“未來，需要將專業(yè)性的應(yīng)用系統(tǒng)，如金融領(lǐng)域已有的專業(yè)數(shù)據(jù)庫、專業(yè)知識圖譜及其他資源，與ChatGPT的意圖理解能力、語言生成能力以及場景掌控能力進(jìn)行對接，解決商業(yè)化落地的最后一公里。”白碩表示。
