近期特别火，社交圈内的信息十之六七都是关于的文章或视频分享，人们对于这一新的自然语言处理工具有着无限的憧憬。人工智能是真的来了吗？它对于金融科技行业、支付行业有哪些可能的颠覆？今天就从行业逻辑上来聊聊的可能应用未来。
特点
到底是什么？这几天许多人在问这个问题。
从公开的介绍来看，这是一个自然语言处理工具，是一个聊天机器人，一个大型语言模型，也是一个人工智能应用。它可以学习并理解人的语言，并根据上下文，给出相应的回应。
而从更加技术层面的角度来理解的话，相比过去人们接触数据来源相对闭环的人工智能应用，的数据更加开放，可以基于2021年所拥有数据进行检索并回应。过去几代的GPT从1到3代，预训练数据量从约5GB上升到45TB，行业预估拥有上百甚至上千TB的训练数据量。
一个专业的AI研究者总结出了的特色：
特点（来自如图）
目前，能完成撰写邮件、视频脚本、文案、翻译、代码、写论文等任务，但是如果需要服务金融行业，成为金融科技基础驱动力的一部分时，有多少潜力能够挖掘？
产业现状
有人说，金融是一个非常复杂的行业，当下如此先进的计算机尚难以计算；也有人说，金融其实很简单，就是把资金用在正确的地方，难的是如何定义正确。作为金融重要组成部分的支付业务便是如此，既复杂也简单。如果要应用在金融行业，其所需要面临的问题也会很多。
专业性。金融是一个非常专业的领域，这其中有许多专业的原理、规则、名词。作为聊天机器人，学习并理解诸多含义丰富的名词并合理使用会是很大的困难。以支付行业著名的个人经营收款码为例，许多人无法理解何为经营，又如何定义经营，259号文执行之初，各方对此的理解存在巨大差异，在市场与监管的不断磨合中，才有较为明确的定义。目前只是在日常的聊天中较为正常，一旦深入到专业领域便捉襟见肘，需要服务金融，仍然有一定难度。
非公开性。金融许多信息是非公开的，也就是存在所谓的信息壁垒、信息孤岛。比如许多监管文件并不是公开的，需要各个机构负责人现场学习，而不能形成电子版本，这让人工智能在做某个服务或者决策时，容易产生误判。
模糊性。金融许多业务不是非0即1，甚至这关乎人性。在反洗钱监管中，近几年我国的监管态势从“合规为本”向“风险为本”转变，而风险如何判断很多时候还是看人，这就使得许多业务的边界存在模糊性。另外一方面是，反洗钱采取“双罚制”，需要背锅的人，未来或许可以学习许多的反洗钱案例、规则、黑名单，但最终需要作出一个金融决策的背后仍然是人。
此外，金融本身也存在一定的政治性，金融规则的制定与施行在很多场景存在差异，合规在不同时间、地点、场景下，都存在一定的差异。2022年，人民银行曾回复银行收款码零费率合规问题，“96费改”文件的市场化定价下其实是合规的，但过去几年支付机构们可都“懂的都懂”了。
机制复杂。金融行业的运行机制非常多，甚至有些规则是相互矛盾或者前后矛盾的，比如提升便利性与加强安全保障，这就需要取中间值，或者两害取其轻，人在其中仍然取较大的决策作用。
虽然金融可能是短时间难以较快适用的领域，但这有点通人性的工具仍然是金融行业所期待的。
带来可能的颠覆与升级
当人工智能开始盛行时，几乎所有的人都明白，那些比较机械性的工作可能被替代。而的到来，则让一些可能需要一定创造性，辅助决策的工作更加轻松。
在大火之后，李开复在近期写了一篇文章，阐述了可能被颠覆的20个职业，客户服务、电话销售、收银员、保险理赔员、贷款审批人员、财经记者等金融相关工种赫然在列。
但其实这些工种逐渐被人工智能替代是已经在进行的事，例如银行的智能客服、数字人电话、基于大数据的保险理赔、蚂蚁310放贷模式（3分钟填申请材料，1秒钟放贷，全程0人工干预）。
大火之后，招行也用撰写了金融相关宣传稿件，这可谓是对简单的财经报道、公关宣传的一种颠覆。
此外，可以升级当下的许多金融科技服务，比如RPA(机器人流程自动化)，使用自动化、计算机视觉和机器学习相结合的过程，以自动化基于规则和触发驱动的重复性、高容量任务。
RPA与AI的结合是早已经开始的事，随着AI的智能水平逐渐提升，其处理的金融事务可以更加复杂，在这个领域可以更值得期待。
在服务层面，当下的无障碍、金融伦理治理、金融消保等方面，都需要更加拥有人性化特征的人工智能做好前端服务工作。
总体上来看，笔者认为在拥有重复性但又需要人性化服务，非决策性的金融业务上，拥有广阔的应用空间，但金融仍然是复杂的，需要更加专业，而不仅仅是聊天。
相关文章
