专题：中国财富管理50人论坛2024年会
12月22日金融一线消息，国民财富发展研究合作平台 “AI+金融”峰会今日在北京召开。国家人工智能标准总体组副组长、北京航空航天大学教授吴文峻出席并发表主题演讲。
主题演讲中，吴文峻分享了生成式人工智能的新发展方向和智慧金融可能结合的地方。他从以下三个方面阐述了人工智能面临的挑战：
第一个最常听到或者看到的就是幻觉问题，因为无论是现在做的语言模型还是多模态的模型，它实际上是一种参数化的知识表达。但是它生成的方式和思考的方式，和我们人类的智能，其实在很多情况下是不一样的，这也使得它就会产生非常固有的幻觉问题。
对此，吴文峻指出：“下一步一个需要解决的很重要的问题就是我们既要保持现有模型非常强大的创造能力，不光是在现在看到的一般的文字交流的领域，包括金融领域，甚至是在科学领域的创造性，但同时我们也希望它的幻觉能够局限在一个reason的范围，这样就能够达到一个矛盾的平衡。”
第二个问题，现在大模型实在是太需要算力了，在前几年已经有一个分析，按照过去我们常说的在IT领域是摩尔定律，也就是说每18个月我们的能力增长一倍，芯片因为集成度增加了，所以各方面能力也就上去了。但是大模型在最近几年增长的速度要比摩尔定律起码高一到两个数量级，这样很快就摸到了我们人类在计算能力供给上的巨大瓶颈。
第三个问题，就是数据语料的缺失和局限性、瓶颈，带来的下一步Scaling Law可能它的边际效应就会衰减。
如何解决这些挑战性问题？吴文峻表示，首先就是推理问题。O1系统实际上就是在现有的这些大语言模型基础上，试图把“慢思考”的方式加进去。O1系统是可以根据问题动态的来自己构造思维链，并且在推理过程当中，可以在很大的问题搜索空间上去进行动态的搜索，这样的话一下子它的推理能力就明显提升了。第二个方向，就是要怎么样解决现有主流的Transformer的问题。目前做的比较多的是一个叫Mamba系统，用线性的状态空间的模型，来试图替代全面的像矩阵×一样的能力。
此外，大模型其实并不需要纯粹的追求大。实际上我们在计算机系统里面最重要的一个原则就是模块化设计，当你把一个具有一定基础能力的模型推到实际的应用场景里面，肯定是需要通过模块化的设计来做到。
同时，除了做大尺寸的，千亿万亿级别的，甚至将来更大规模的模型，在很多的业务场景里，特别是在前端的偏手机或者嵌入系统这个场景里面，我们更多的是需要小尺寸模型，也就是说我们需要设计更精巧的、业务能力足够模型，然后它可能通用性、智慧没有大模型大，但是它已经能达到一个相当的水平，能够胜任它在那个特定场景下，或者是那一类领域里的场景里面的问题。所以这个方面的探索，实际上现在国内外都在做。
对于金融欺诈和风险防控问题，吴文峻表示，这个可能是金融领域里面最关心的，在这个领域里面，实际上也非常适合利用刚才讲到的多智能体来完成。比如刚才讲到，首先是要做异常检测，异常检测系统一般来说是一个长时间序列的问题，这个问题利用Mamba，或者不是Transformer架构的是非常合适的。同时你需要综合大量客户的信息、网络的舆情信息，以及内部交易信息，这些不同的功能都可以用不同的Agent来做，后面你可以用多个专家的组合来进行分析、评判、辩论，来判断这样的交易、这样的情形比如说是不是会发生金融重大的问题风险，比如这类的信用它复杂的交易过程是不是存在可能的欺诈，做各种深刻的分析模式的评判。所以这样一个综合的系统相信可能是未来我们智慧金融的一个应用模式。