生成式人工智能在金融领域:FinGPT、BloombergGPT及其未来

生成式人工智能在金融领域的应用:FinGPT、BloombergGPT 及其他

引言

生成式人工智能(Generative AI)是指能够生成与输入数据相似的新数据样本的模型。ChatGPT 的成功为各行各业带来了许多机会,激励企业设计自己的大型语言模型。以数据为驱动的金融行业现在比以往任何时候都更加依赖数据。

金融领域的大型语言模型

在法国一家金融服务公司担任数据科学家一年多以来,我观察到所有部门在任务自动化和构建强大、安全的 AI 系统方面,LLM 用例显著增加。每个金融服务公司都希望使用开源模型(如 LLAMA 2 或 Falcon)来微调自己的 LLM。特别是拥有数十年金融数据的传统银行。

BloombergGPT 和生成式人工智能的经济性

2023 年 3 月,彭博社推出了 BloombergGPT,这是一个专门为金融数据构建的拥有 5000 亿参数的语言模型。训练像 BloombergGPT 或 Meta 的 Llama 2 这样的模型并不便宜。例如,训练 Llama 2 的 7000 亿参数模型需要 170 万 GPU 小时。在商业云服务上,使用 Nvidia A100 GPU(用于 Llama 2)每小时可能需要 1-2 美元。因此,一个 1000 亿参数的模型可能需要 150 万美元,而一个 1000 亿参数的模型可能需要高达 1500 万美元。

FinGPT

FinGPT 是一个先进的金融微调大型语言模型(FinLLM),由 AI4Finance-Foundation 开发。FinGPT 目前在成本效益和准确性方面都优于其他模型。它目前有 3 个版本;FinGPT v3 系列是使用 LoRA 方法改进的模型,并在新闻和推文中进行训练以分析情绪。它们在许多金融情绪测试中表现最佳。FinGPT v3.1 基于 ChatGLM2-6B 模型,而 FinGPT v3.2 基于 Llama2-7b 模型。

全球银行如何拥抱生成式人工智能

虽然 2023 年初,一些主要金融玩家如美国银行、花旗集团和高盛对员工使用 OpenAI 的 ChatGPT 施加了限制,但行业中的其他公司采取了更开放的态度。摩根士丹利已将 OpenAI 动力的聊天机器人整合为财务顾问的工具。通过利用公司广泛的内部研究和数据,这些聊天机器人作为丰富的知识资源,提高了财务咨询的效率和准确性。

生成式人工智能在银行和金融行业的用例

生成式人工智能在金融运营、决策和客户互动方面具有根本性的转变。以下是其应用的详细探讨:

  1. 欺诈预防:生成式人工智能在开发前沿的欺诈检测机制方面处于领先地位。通过分析大量数据,它可以识别复杂的模式和异常,提供更主动的方法。
  2. 信用风险评估:传统评估借款人信用价值的方法虽然可靠,但正变得过时。生成式人工智能模型通过多种参数 - 从信用记录到微妙的 行为模式 - 提供全面的信用风险概况。
  3. 增强客户互动:金融世界正见证客户服务的革命,这要归功于生成式人工智能驱动的 NLP 模型。这些模型擅长理解并回应各种客户查询,提供个性化的解决方案。
  4. 个性化金融:一刀切已成为过去。今天的客户要求根据其独特需求和愿望量身定制的财务规划。生成式人工智能在这方面表现出色。通过分析数据 - 从消费模式到投资偏好 - 它制定了个性化的财务路线图。
  5. 算法交易:生成式人工智能的分析能力在动荡的算法交易世界中显示出无价之宝。通过分析数据 - 从市场趋势到新闻情绪 - 它提供深刻的洞察力,使金融专家能够优化策略,预测市场变化并降低潜在风险。
  6. 加强合规框架:反洗钱(AML)法规对于维护金融系统的完整性至关重要。生成式人工智能通过筛选复杂的交易数据来简化合规性,以确定可疑活动。
  7. 网络安全:随着网络威胁的不断演变,金融行业需要敏捷的解决方案。生成式人工智能提供的就是这种解决方案。通过实施动态预测模型,它使威胁检测更快,从而加强金融基础设施免受潜在破坏。

结论

从增强交易策略到加强安全性,生成式人工智能的应用广泛且具有变革性。然而,与任何技术一样,在采用时必须谨慎考虑其伦理和隐私影响。那些成功利用生成式人工智能的威力,同时尊重其局限性和潜在陷阱的机构,无疑将塑造全球金融领域的未来轨迹。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/752093.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

微软 CEO Satya Nadella 的访谈

Nicolai: 大家好。我刚经历了人生中最不可思议的事情,我有幸采访了微软的 CEO、Satya Nadella。微软现在是全球市值最高的公司。真是太棒了,请继续关注。 第一章 微软的发展与平台转变 Nicolai: Satya,你是全球市值最高公司的 CEO&#xff…

GPT-4.5 Turbo详细信息被搜索引擎泄露:有重大改进

3月14日消息,据外电报道,OpenAI 最新人工智能模型 GPT-4.5 Turbo 的详细信息已通过 Bing 和 DuckDuckGo 的搜索引擎索引过早泄露。 GPT-4.5 Turbo 的产品页面在正式发布之前就出现在搜索结果中,引发了人们对 OpenAI 最新型号的特性和功能的猜…

GPT的实现细节

关于GPT的代码细节,这里梳理了一下: 数据集构造 原始数据集schema: inputwho is your favorite basketball player? outputOf course Kobe Bryant!那么在构造训练集时,根据chunk size构造多个输入: input_1who is …

深入探索Redis集合:高效数据存储与应用解析

Redis作为一种高性能的键值存储系统,其中的集合(Set)是一种无序、唯一值的数据结构,提供了快速的插入、删除和查找操作。本文将深入解析Redis集合的使用方法、示例、应用场景以及注意事项。 Redis集合的基本使用方法 Redis集合的…

每周一算法:双向深搜

题目描述 达达帮翰翰给女生送礼物,翰翰一共准备了 N N N 个礼物,其中第 i i i 个礼物的重量是 G [ i ] G[i] G[i]。 达达的力气很大,他一次可以搬动重量之和不超过 W W W的任意多个物品。 达达希望一次搬掉尽量重的一些物品,请…

c/c++ | gdb | 多线程调试

关于调试程序,采用GDB 一般有两种方式 一个是gdb -p 加上你要调试的程序 gdb -p xxx 或者 gdb attach 加上你要调试的程序 gdb attaach xxx 然后对于调试多线程,一般是出现死锁问题。死锁通常是共享资源冲突导致 调试多线程 已经进入gdb 调试 查看 进程 …

微服务:Sentinel篇

1. 初识Sentinel 1.1. 雪崩问题以及解决方案 1.1.1. 雪崩问题 微服务中,服务间调用关系错综复杂,一个微服务往往依赖于多个其它微服务。 如图,如果服务提供者I发生了故障,当前的应用的部分业务因为依赖于服务I,因此…

【学习笔记】如何实现云原生初步

云原生(Cloud Native)作为近年来云计算领域的重要趋势,旨在帮助企业更高效地构建、部署和管理应用程序。通过结合容器、微服务、DevOps等关键技术,云原生能够充分发挥云平台的弹性、分布式优势,提升应用的性能、可靠性…

静默安装OGG21.3微服务版本FOR ORACLE版本

静默安装OGG21.3微服务版本FOR ORACLE版本 silent install ogg21.3 for oracle 某度找来找去都没有找到一份可靠的静默安装OGG21.3微服务版本的案例,特别难受,为此将自己静默安装的步骤一步步贴出来分享给大家,请指点,谢谢。 至…

Web Speech API的语音识别技术

SpeechSynthesis对象 这是一个实验性技术 目前兼容性如图: pc端几乎兼容,移动端部分不兼容 网页语音 API 的SpeechSynthesis 接口是语音服务的控制接口; 它可以用于获取设备上关于可用的合成声音的信息,开始、暂停语音&#x…

Querywrapper与Lambdaquerywrappe比较

当使用 Spring Boot 结合 MyBatis Plus 进行开发时,LambdaQueryWrapper 和 QueryWrapper 是用于构建查询条件的两个重要工具。下面详细介绍它们的区别,并举例说明在 Spring Boot 中如何使用。 1. QueryWrapper QueryWrapper 是 MyBatis Plus 中常用的查…

软件杯 深度学习 python opencv 实现人脸年龄性别识别

文章目录 0 前言1 项目课题介绍2 关键技术2.1 卷积神经网络2.2 卷积层2.3 池化层2.4 激活函数:2.5 全连接层 3 使用tensorflow中keras模块实现卷积神经网络4 Keras介绍4.1 Keras深度学习模型4.2 Keras中重要的预定义对象4.3 Keras的网络层构造 5 数据集处理训练5.1 …

从电影《沙丘》说起——对人工智能的思考

从《沙丘》开始说起 之前看《沙丘》电影,里面有一类角色叫门泰特,这类人大脑可以飞快地运算,在电影设定里是替换人工智能、机器运算的存在。男主保罗也是这类型的人,但他可能基因更强大,吸食了香料后,他的…

docker快速安装和详细安装-保姆教程

docker快速安装和详细安装 一、快速搭建 卸载老版本 yum remove docker docker-common docker-selinux docker-engine安装相关需要的包 yum install -y yum-utils device-mapper-persistent-data lvm2设置docker镜像仓库 yum-config-manager \ --add-repo \ http://mirror…

什么数据需要存在Redis里?缓存的缺点?怎样进行数据同步?

什么数据需要存在Redis里? 通常需要将频繁访问且对性能要求较高的数据存储在Redis中。 缓存数据:Redis常用于存储缓存数据,如热点数据、频繁查询的结果等,以减少对后端数据库的压力和提高系统响应速度。会话信息:对于Web应用来…

大数据面试题之SQL题

大数据面试题之SQL题 1.有一个录取学生人数表,记录的是每年录取学生人数和入学学生的学制 以下是表结构: CREATE TABLE admit ( id int(11) NOT NULL AUTO_INCREMENT, year int(255) DEFAULT NULL COMMENT ‘入学年度’, num int(255) DEFAULT NULL COMM…

大语言模型相关工具使用链接

大语言模型(Large Language Model,LLM)是自然语言处理(NLP)领域中的一种深度学习模型,主要用于理解和生成人类语言。这类模型通常基于Transformer架构,通过在大规模语料库上进行预训练来捕获语言…

Hive调优总结

参数设置 概述:hive的参数配置, 就是在那里配置hive的参数信息, 根据配置地方不同, 作用范围也不一样. 配置方式: 1. set方式进行设置. 2. 命令行方式进行设置. 3. 配置文件方式进行设置. 优先级问题: set方式 > 命令行方式 > 配置文件…

Day67:WEB攻防-Java安全JNDIRMILDAP五大不安全组件RCE执行不出网

知识点: 1、Java安全-RCE执行-5大类函数调用 2、Java安全-JNDI注入-RMI&LDAP&高版本 3、Java安全-不安全组件-Shiro&FastJson&JackJson&XStream&Log4j Java安全-RCE执行-5大类函数调用 Java中代码执行的类: GroovyRuntimeExecPr…

Dockerfile 语法详解

Dockerfile 是一种文本文件,用于定义如何构建 Docker 镜像。它包含一系列指令,用于创建镜像的各个层,最终生成一个可运行的容器。 语法格式 Dockerfile 的语法遵循以下格式: INSTRUCTION [ARGUMENTS]其中: INSTRUC…