近期，以为代表的生成式AI技术的推出，在世界范围内激起了前所未有的人工智能讨论热潮。生成式AI（ AI）指的是能够实现人工智能生成内容（AIGC）的系列AI技术，包括生成对抗网络（GAN）、变分自编码器（VAE）、神经辐射场（NERF）、生成式预训练转换器（GPT）等，这些技术根据其特性被广泛应用于自然语言处理（NLP）、图像、音频、视频和3D等领域。生成式AI在2022年就被全球领先的IT研究与咨询公司列为顶级战略技术。
生成式AI已进入爆发增长期，或将引起范式转换。2022年底，大语言模型首次实现了类似强人工智能的表现，并加快了AI的各类“拟人化”社会活动。比如，2022年8月，在美国科罗拉多州举办的新兴数字艺术家竞赛中，参赛者提交的生成式AI绘画作品《太空歌剧院》获得一等奖，标志着AI作画已经到达较高水平。2023年初，以B到B-左右的综合成绩通过宾夕法尼亚大学沃顿商学院MBA的期末考试，甚至成功通过了谷歌的编程面试，被拟录用为谷歌的初级软件工程师。可以预见，随着以为代表的生成式AI应用不断迭代成熟，生成式AI将成为新的技术范式，并为各行各业打开巨大的创新空间。
对银行业而言，生成式AI与的出现，确立了一个可以朝着“增强人工智能”迈进的方向，加速了通用人工智能的进程，将为银行业的智能化建设和业务工作模式带来一场新的变革。在智能化建设方面，重点将从关注底层模型或垂直领域模型的训练及任务微调，转移到对通用AI模型（如）的领域微调，并工程化适配各应用系统的模式。在业务方面，通过将生成式AI融入一线员工的工作流程，能够将员工工作重心从重复性、标准性、流程性的工作中转移到创造性、精准性、专业性的任务中，开创金融业智能化工作新范式。
生成式AI快速迭代颠覆原有生产模式
当前，生成式AI在诸多领域都取得了突破性的进展。从下表可以看出，生成式AI在图像、音频、文本，甚至代码等多个领域全面开花。同时，这些技术往往几个月就能够迭代出全新的技术，比如，过去主流的VAE、GAN等生成式AI技术正在被扩散模型（ Model）等技术彻底革新。以下将对其中的几类代表性技术进行简要介绍。
主流生成式 AI 场景与技术分类
AI生成绘画——稳定扩散（ ）。 是一种基于扩散模型的AI图像生成技术，主要用于图像处理和计算机视觉领域。 在AI绘画中的应用主要是通过将其与神经网络模型相结合，实现对图像的自动绘制。具体来说， 算法可以被用于生成一些随机噪声图像，这些图像可以作为神经网络的输入。神经网络通过训练，可以逐渐学习到如何将这些噪声图像转化为具有艺术效果的图像。最终，通过神经网络模型可以生成出一系列高质量的、自然而真实的绘画作品。
AI生成视频——多模态融合构建新生产范式。多模态融合指的是对包括文本、图像、视频、音频等多种模态的信息进行融合。由于视频内容生产本身其实是包含了文案、音乐、图像等的一种多媒介的展示形式，因此，AI视频生成是一种通过多领域的生成式AI技术联合应用的生产模式，该方式能够极大地提升整体视频内容生产效率。从多模态融合的视频生产范式来讲，整个AI生成视频可以被视为一个由各种AIGC技术组成的流水线，可以借助如等文本类AIGC技术生成视频文案，并通过图像或视频生成技术来完成对素材的搜寻与生成，以及视频剪辑、个性化配音、背景音乐匹配等一系列工作。这种多模态的生产范式能够将需要数天时间、多人制作的视频缩短到分钟级。另外，生成式AI还可以在视频制作中实现快速抠图、换背景、自动生成字幕、改口型等功能，并且能根据文本和语音生成由虚拟人播报产品或资讯的视频。
AI生成3D——NeRF。除了图像和视频生成之外，生成式AI还能用图像生成逼真的3D物品和场景。目前该领域最热门的技术之一是NeRF，这是一项可以利用图像重建三维场景的技术，该技术不需要实施中间三维重建的过程，仅根据多角度图像和相关参数，就可以直接合成新视角下的3D图像。NeRF能实现大到城市的建模，比如，谷歌利用该技术重建了旧金山的街景；也可以实现小到人或者实物的重建，比如，华盛顿大学和谷歌推出的能够从视频中提取信息直接合成人的三维模型。总的来说，NeRF重建3D技术有望在虚拟人、“元宇宙”和虚实融合等场景中体现价值。
AI生成文字——。生成式预训练转换器（GPT）模型是NLP领域的一种大型语言模型（LLM），可以通过在大型文本语料库上学习语言模式来生成自然语言文本。公司于2022年11月底发布了基于自然语言处理技术的人工智能模型，该模型采用GPT-3.5的架构，并通过深度学习技术对对话任务进行针对性训练。在应用场景上，将人工智能应用场景拓展得更加广泛，已在文本生成、内容创作、代码处理等多个创造性场景内得到应用。在服务体验上，具备便捷且高质量的内容生产能力，可以对用户问题进行内容生成和展示，并可对用户文本进行情感分析，从而为用户提供更快捷、更准确的服务。
生成式AI赋能商业银行智能化转型
当前，银行业已经进入数字化转型的深水区，并正在从数字化迈向智能化，上述生成式AI技术将有望改写现有银行的业务运营范式，实现大范围降本增效。以为代表的生成式AI将在赋能商业银行营销、风控、运营、客服等业务智能化、数字化的过程中，扮演不可或缺的角色。
赋能营销，实现营销图文的快速生成。银行业是典型的沟通和营销服务密集的领域。在传统的营销场景中，往往需要美工协助进行宣传图片的设计与绘制，而且还需要不断通过修改才能定稿，有了生成式AI绘画技术，这一效率将有望大大提升。我们运用 技术进行了尝试，仅通过提示词和手稿就能在数秒内完成多张高清版营销图的制作，详见下图所示。
基于 技术生成的银行产品营销图。
此外，基于生成式AI的自动化营销，可以利用技术打造虚拟客服以助力产品营销的全生命周期。利用技术打造的虚拟客户经理，能够帮助人们更自然地进行对话和交流，实现需求对接更缜密、问题解决更迅速，并保证7×24小时不间断为客户提供精准的产品推荐及问题解答。在产品包装上，输入产品基本信息，即可生成产品介绍、宣传文案、营销话术等内容，能够有效解决营销话术难、具体产品介绍难等痛点。整体来看，生成式AI不仅能将客户经理从重复、繁杂的服务中解脱出来，开展更具创造性的工作。还能实现快速发掘客户需求和痛点，营造需求氛围，从而提高营销转化率。
赋能风控，结合知识图谱达成降本增效。风险控制是金融服务行业的核心能力，可助力银行增强风险识别与风险评估能力。目前的风控痛点在于非结构化数据处理和基于现有知识与信息开展推理方面的能力较弱。因此，信贷领域审核多以人工为主、机器为辅，导致单笔订单审批周期过长，往往需要半小时甚至更长时间。然而，消费金融场景需要“实时”或“准实时”放贷，对于业务的自动化、智能化水平要求相对较高。
基于生成式AI的智能化风控能够在整个风控生命周期的多个阶段里发挥其效力。在非结构数据处理部分，强大的链式推理能力和泛化能力能为结构化抽取带来新的模式。具体来说，作为一个能力极强的抽取工具，能够直接通过自然语言指令为有经验的风控数据分析员提供数据处理和分析所需的抽取结果，降低风控分析的技术要求，并最大程度地发挥风控分析师的专业性、经验性能力；同时，生成式AI工具的加入能够极大程度上提升整个风控任务中数据提取、处理和分析阶段的进程，真正实现风控的“准实时性”。
在之前的技术发展进程中，知识图谱为风控带来的效果已经得到了验证。可以凭借其在抽取任务上高性能、强泛化性等特性，进一步优化知识图谱抽取中的实体抽取、关系抽取等任务。配合适合的指令，甚至能做到一步到位的三元组抽取，仅需要后续业务简单确认验证即可加入知识图谱中。甚至基于的海量知识和推理能力，并结合知识图谱引擎原有的隐形集团识别、深度链扩散、子图筛选等功能，可以扩展出更高维度、更大范围的隐形关系识别，从而提升识别信贷风险、欺诈风险和洗钱风险的范围和准确度。总得来讲，生成式AI可助力关键要素提取、资料自动化审核、知识图谱生成、风险点提示等风控流程，并快速生成风险评估报告，为金融机构提供可靠的决策依据。
赋能运营，提升用户运营效率与转化率。在优化内容运营和用户运营的过程中，文案生成工作是一个重要环节。银行业的文案生成需要遵守相关法规和监管要求，同时还需要结合产品或活动本身特点选择适当的文风和载体，这对于文案生成者来说是一项复杂且具有挑战的工作。借助的文本生成能力可以大大提高文案生产效率。具体来说，可以根据任务重点，如产品参数、宣传要点、文案风格、文案题材等，快速生成相应的文档内容，并通过自动化配图和视频等方式实现文案自动化输出。此外，还拥有上下文理解能力，可以实现交互式文案产出，让文案输出人员的精力集中在合规性审核和严格性审核上，从而提升工作效率。此外，由于不同岗位的职员对文案生成的要求不同，因此，可以通过建立统一的文档标准和格式，由来完善整个文档的格式和文档风格等要求，从而简化文案编写流程，降低工作难度。
赋能客服，提供更标准贴心的用户服务。银行业客服的特点是对应答合规性和准确性要求高，同时问题涉及广泛且客户情况复杂。这导致了客服培训成本高、处理客户问题总体效率低和客服工作强度大等问题。为解决这些问题，可以采用基于技术的智能客服系统来辅助客户意图识别，降低座席客户理解学习成本，同时，利用的抽取能力，对客户问题的业务分类、情绪等进行提取并提示给客服，可以为客服理解客户状态和需求进行兜底和辅助。
对于银行客服自身来说，长时间的对客沟通也会让客服人员一直处于一个高度紧张的状态，对客的服务态度以及质量都很难保持。辅以虚拟人等技术，能够复刻一个“孪生客服”，让电话座席变成“文本座席”，同时利用上文提及的基于生成式AI的座席助手，即时帮助客服对客户意图与问题进行分析，并提供优质的答案备选项，由此使得座席从“问题回答者”变为“应答审核员”。熟练的客服人员甚至可以做到一对多地进行问题解答，极大地提升客服人员工作体验，降低工作难度。
辅以虚拟人等技术，能够复刻一个“孪生客服”。
生成式AI成为“有效生产力”尚需时日
虽然生成式AI无论是技术发展还是应用前景都非常广阔，但是从生成式AI应用在银行业的实际落地来讲，依然有很长的路需要走。无论是技术可控性还是应用的便捷性，都对生成式AI的应用和推广提出了挑战。如何灵活、便捷地将生成式AI融入银行场景中，仍需开展漫长的探索与实践。
本质上来说，生成式AI相关技术大多是一个基于统计的概率模型，其模型训练数据一般都来自于互联网数据，类似这类通过监督训练对齐人类价值观的模型，存在标注人员的价值观风险。因此，生成式AI应用推广不可避免地会存在以下问题：
数据与资源问题。目前，最先进的生成式AI相关技术和模型大多来自于海外企业，使用其公网API服务对于银行业数据安全性、甚至国内数据安全性都存在极大风险。即使能够实现私有化部署，由于生成式AI模型需要大量的推理计算，这需要极大地资源消耗和算力消耗，在服务稳定可控层面上的安全性也存在一定的风险。
可信度问题。从技术角度看，生成式AI的相关应用基本都是基于大模型和大数据，因此其信息来源和可信度都可能存在问题。比如，从时效性上来看，的数据库只更新至2021年，有极大的时间延迟性；从金融领域专业性来看，这类模型不具备完整的专业知识，也未经历过相关的专业训练，因此可能会“自由”地生成错误的知识和观点。
合规性问题。金融领域有着非常严格的监管要求和严谨的行业标准，生成式AI技术如果运用不当，其生成的内容很可能涉及对客户的误导、言论不当等情况，由此导致合规问题，甚至产生法律风险。值得注意的是，当前生成式AI数据来源的知识产权归属、生成内容的知识产权归属等均无定论，极大可能引发产生知识产权纠纷。
艰难困苦，玉汝于成。虽然生成式AI应用在银行业的实际落地依然前路漫长，我们还是要把握机遇，构建可用、可信、可靠的生成式AI技术与产品，凭借新技术的东风，达成金融科技赋能业务、驱动银行业数字化转型的终极目标。（责任编辑：安嘉理）
（本文载于《中国银行业》杂志2023年第4期，原题目为“生成式AI技术及在银行业应用场景的探究”）。
微信征稿启事
《中国银行业》由中国银保监会主管、中国银行业协会主办，是目前唯一一本带有全行业性质的公开刊物，是沟通监管部门和机构的纽带，是行业交流的平台，也是社会了解银行业的窗口。目前《中国银行业》杂志微信公众号已开通征稿邮箱，面向广大读者征稿。我们期待您的稿件。
投稿邮箱：
相关文章
