银行业落实《金融科技发展方案（2022—2025年）》积极探索人工智能技能在金融领域的多场景、多业务条线的运用，刷脸支付、智能投顾、智能客服等做事应运而生。
ChatGPT为人工智能在银行业的运用注入了新的活力，为银行业的智能化发展带来了新的机遇和模式。

ChatGPT模型技能运用开展情形

1.ChatGPT技能逻辑。
ChatGPT采取了Transformer模型，利用了“人类反馈强化学习”（RLHF）技能，通过学习大量的文本数据，可以进行文本天生、自然措辞理解、对话天生、问答等多种任务。
其本身是一个已经预演习好的模型，而且已经在大量数据集上进行了演习，因此在不涉及重新演习的情形下，无法自动更新学习。
但是，可以通过更新模型的参数或微调模型来使ChatGPT更好地适应特定的运用处景。

2.国内外ChatGPT模型技能运用布局情形。
目前，微软已正式推出由GPT模型支持的Bing搜索引擎和Edge浏览器、Copilot等运用，谷歌宣告实验性AI做事Bard。
海内阿里巴巴发布类ChatGPT产品，百度已推出类ChatGPT运用——自然措辞处理大模型新项目“文心一言”。
复旦大学自然措辞处理实验室也发布了类ChatGPT模型MOSS。

海内各商业银行也纷纭将目光投向ChatGPT技能，多家银行已选择接入百度“文心一言”项目，加强互助，深入人工智能探索，集成AI核心能力，在银行业开展类ChatGPT技能运用试点，将AI技能能力与运用处景进行深度领悟开拓，进一步提升智能化创新运用效率，拓展金融业务发展空间。

ChatGPT模型技能在银行业中的运用路径探索

1.与现有金融做事整合，提升金融做事用户体验。
ChatGPT是一种能够供应文本对话的AI技能，功能强大，可以供应符合人类思维的对话互换，能以对话的形式供应问题反馈。
将ChatGPT模型技能整合到各银行现有平台、系统及做事中，优化用户交互功能和性能，提升做事的易用性和可用性。
通过现有做事与该技能的合并及迭代演进，提升对不同大小、格式的构造化和非构造化数据的处理能力，使业务流程不再伶仃且不可预测，提高业务处理效率，提升做事质量。
良好的用户体验，将不断延伸金融做事触角，拓展金融做事覆盖的深度和广度。

2.智能赞助支撑，提升金融业务质效。
一方面通过ChatGPT模型在特定金融数据集上的演习微调，适应定制需求，在不同场景下，针对不同需求给出预测答案，为银行供应有力的决策支撑。
例如用于实行银行自身财务剖析和预测，通过剖析财务数据和不同领域市场趋势，为其供应有关投资决策的建议；用于实行信用评估，通过剖析客户的信用历史和收入水平，为银行供应快速准确的信用评估和决策支持，从而能够高效便捷地为客户供应所需的金融做事；用于实行风险管理，帮助银行评估潜在风险，并制订相应的风险管理策略，降落风险丢失。
另一方面运用ChatGPT技能，取代程序化、流程化的人工事情，缩短流程处理韶光，提升业务处理效率，降落人工本钱。
各银行可以将更多的人力、物力、财力配置在核心事务上，提升金融做事效能。

3.创新做事形式，供应全方位金融做事办理方案。
ChatGPT模型技能可以进行自然措辞处理和语义理解，其天生式人工智能技能具有强大的内容天生能力。
通过ChatGPT模型对金融业务数据的学习、统计、剖析，可以天生针对不同客户、不同业务类型、不同业务场景中金融做事需求的金融办理方案。
各银行之间以及银行与第三方科技企业之间可互助共建“金融办理方案做事平台”，打造“端到端”金融做事流程，在任何时点，为客户供应最得当的办理方案。

在银行业中运用ChatGPT模型技能存在的问题

1.不同规模银行之间智能化发展不平衡引起马太效应。
大数据、云打算、人工智能、物联网等新兴技能为银行业金融机构的智能化发展和金融做事的创新供应了有力的支撑，但是这些技能的运用每每并不是相互独立的。
一个智能系统的构建须要多种技能的领悟，任何一种技能运用短板都将一定程度上影响一个完全部系的智能化发展程度。
随着金融科技的不断发展，各银行在IT根本举动步伐培植、数字资源管理运用、新技能运用等方面不断探索发展，数字化、智能化水平不断提升。
但规模不同的银行之间发展存在不平衡，一样平常国有商业银行的金融科技发展水平较高，中小型银行相对来说金融科技发展较缓。
因受地域、资金、职员等方面的影响，多数中小型银行金融科技培植自身根本能力薄弱。
规模较小的农商行、城商行和村落镇银行对付业务的发展需求，多依赖于第三方托管机构“SaaS”形式的做事实现。
对付数据的存储及管理也大部分托管于第三方托管机构，并没有直接参与数据的管理及运用。
这些现状一定程度上制约了中小型银行对ChatGPT模型技能运用的深度和广度，与大型商业银行智能化的差距将会逐渐拉大。

2.数据对中小型银行智能化发展的制约将逐步凸显。
“算力+数据+模型”是人工智能发展的三大要素，个中大数据是人工智能的主要根本，人工智能想要完成终极的学习和决策，必须依托数据的支撑。
ChatGPT模型是一种预演习模型，为了更好地知足一些金融做事的特定需求，须要通过在特定的金融数据集上进行演习微调。
而中小型银行尤其是城商行、农商行和村落镇银行在数据的管理及运用中存在短板。
一方面因其多采取第三方托管办法，每每对数据没有直接的、主动的管理，对数据管理的各个环节没有一个全面的节制，且数据的利用、运用一定程度上受制于第三方托管机构。
另一方面，没有对数据进行有效的处理和优化，数据的质量不高，降落了对ChatGPT模型的适应性，从而影响运用效果。

3.ChatGPT模型运用演习数据集选取粒度暗藏风险。
ChatGPT模型是一种能够不断迭代、增量式的深度学习模型，通过新的演习数据集以及与人的交互不断地获取信息，将会天生更加准确、有用、全面的内容。
金融数据中含有大量对安全性保护有较高哀求的敏感数据。
当选取数据集的粒度太粗或选取的两个粒度的数据集之间存在交集时，利用ChatGPT模型在这些数据集上进行任务演习时，加之人为的参与，可能会天生一些敏感信息，从而造成数据透露的风险。

进一步发挥人工智能赋能银行业智能化发展的对策建议

1.搭建API互助平台，加强银行间纵向互助，打造银行业人工智能运用生态圈。
常日大型银行自身有较强的金融科技开展根本能力，其自身或与第三方科技企业互助运用ChatGPT模型技能时更随意马虎产生金融做事创新，而各种型银行所开展的业务类型、做事的客户类型、人工智能运用的场景等方面都存在一些相同之处，积累的金融数据有一部分具有共同特色。
可以在通用业务领域搭建ChatGPT模型运用API平台，与自身金融科技根本薄弱的中小型银行共享做事API，缩小银行间智能化发展差距，同时提升ChatGPT技能运用的便捷性和可扩展性。

2.建立数据协同共建机制，开释数据要素效能。
对付采纳第三方托管办法的中小型银行，可建立数据协同共建机制，明确银行和第三方托管机构在数据全生命周期管理中的任务，控好数据运用风险。
中小型银行是金融数据的管理主体，应建立覆盖金融数据网络、处理、运用的全流程管理制度，明确金融数据管理范围、管理职责及运用流程，结合客户实际需求和做事运用处景，制订“数据+人工智能”运用需求方案。
第三方托管机构侧重对金融数据的安全性管理、优化和运用，结合中小型银行数据管理制度和数据运用哀求，规范、合理地运用人工智能技能，充分发掘金融数据蕴含代价。

3.制订金融数据运用规范，筑牢人工智能运用根本。
根据金融数据自身特点，从数据运用的场景、业务类型及业务功能哀求等角度，依据最小够用、最小必要原则，制订金融数据运用规范，合理方案金融数据运用范围，明确金融数据运用安全性哀求，明确金融数据运用中各方参与者的浸染及职责，保障金融数据运用的合规性、安全性，从而提升金融数据的运用效率。

4.建立和完善人工智能运用安全风险管理体系，提升人工智能运用的风险防控水平。
人工智能与金融的领悟发展有力推动了金融机构的数字化转型和金融做事创新，但也带来了繁芜多样的伦理问题、算法安全问题、数据安全问题等。
近两年来，公民银行相继出台了《人工智能算法金融运用评价规范》《金融数据安全数据生命周期安全规范》和《金融领域科技伦理指引》等规范和指引，从多个方面辅导和推动金融机构规范、安全地开展人工智能技能运用。
银行机构可依照这些规范、指引，构建包含数据、算法、伦理安全等方面的金融领域人工智能运用安全风险管理整体框架，建立和完善覆盖人工智能运用全流程的安全管理制度，建立人工智能运用风险应急预案，加强人工智能在金融领域运用的规范性和安全性，提升风险防控水平。