Finanse: Wczesny Adopter Wertykalnego AI
Sektor finansowy posiada unikalne cechy, które czynią go podatnym na przełomowe zmiany związane z AI. Według Li Jing, wiceprezesa szanghajskiego startupu AI Stepfun, wysoki stopień cyfryzacji, w połączeniu z silnym zaangażowaniem w nowe technologie i, co ważne, gotowością do inwestowania w innowacje, pozycjonuje finanse jako głównego kandydata do wczesnego wdrożenia AI.
Można to sobie wyobrazić w ten sposób: instytucje finansowe są już zalane danymi. Posiadają solidne systemy do przetwarzania transakcji, zarządzania ryzykiem i analizowania trendów rynkowych. AI, a w szczególności wertykalne AI, może działać jako potężna warstwa nałożona na istniejącą infrastrukturę, zwiększając wydajność, dokładność i podejmowanie decyzji.
Rozwój Wertykalnych Aplikacji AI
Podczas gdy ogólne modele AI przyciągnęły uwagę mediów, prawdziwa akcja, zdaniem wielu ekspertów, toczy się w branżowych, czyli wertykalnych, rozwiązaniach AI. Wei Zhongwei, sekretarz zarządu szanghajskiej firmy MetaX Integrated Circuits, podkreślił rosnące zapotrzebowanie na wertykalne aplikacje AI w różnych sektorach, w tym w finansach, transporcie, edukacji i badaniach naukowych.
Co wyróżnia finanse?
Charakter pracy jest inny. W przeciwieństwie do ogólnych modeli AI, które są szkolone na ogromnych, różnorodnych zbiorach danych, wertykalne modele AI są dostosowane do specyficznych niuansów i wymagań danej branży. W finansach oznacza to zrozumienie złożonych regulacji, skomplikowanych instrumentów finansowych i subtelnej dynamiki zachowań rynkowych. Ogólny model AI może być w stanie napisać przyzwoity artykuł o giełdzie, ale wertykalny model AI może potencjalnie przewidywać ruchy rynkowe, identyfikować fałszywe transakcje lub personalizować doradztwo inwestycyjne ze znacznie większą precyzją.
Motory Innowacji: Samochody i Smartfony
Poza finansami, dyskusja na Lujiazui Financial Salon dotyczyła również innych kluczowych czynników napędzających innowacje w dziedzinie AI. Li Jing zwrócił uwagę, że branże motoryzacyjna i smartfonów mają być w centrum postępów w aplikacjach i urządzeniach AI.
Jaki jest związek?
Te branże, podobnie jak finanse, generują ogromne ilości danych. Samochody autonomiczne, na przykład, polegają na ciągłym strumieniu informacji z czujników, kamer i systemów mapowania. Smartfony zbierają dane o zachowaniach użytkowników, preferencjach i interakcjach. Ten potop danych stanowi żyzny grunt dla algorytmów AI do uczeniasię, adaptacji i doskonalenia.
Generatywne AI, podzbiór AI, który koncentruje się na tworzeniu nowych treści, również ma odgrywać znaczącą rolę, szczególnie w ulepszaniu profesjonalnej produkcji treści. Wyobraźmy sobie narzędzia AI, które mogą pomóc w opracowywaniu raportów finansowych, generowaniu analiz rynkowych, a nawet tworzeniu spersonalizowanej komunikacji dla klientów.
Najbliższe Lata: Krytyczny Okres dla Integracji AI
Nadchodzące dwa do trzech lat są postrzegane jako kluczowy okres dla AI, aby przyspieszyć integrację w różnych branżach. Wei Zhongwei podkreślił znaczenie wszechstronności, stabilności i niezawodności jako kluczowych punktów odniesienia dla technologii AI w tym czasie. Oznacza to, że dostawcy infrastruktury będą musieli podnieść poprzeczkę, dostarczając wysokiej jakości produkty i usługi, które mogą sprostać wymagającym potrzebom różnych sektorów.
Nie chodzi tylko o posiadanie najpotężniejszych algorytmów AI. Chodzi również o zapewnienie, że te algorytmy są solidne, niezawodne i dostosowane do różnych przypadków użycia. Weźmy pod uwagę potencjalne konsekwencje systemu transakcyjnego opartego na AI, który działa nieprawidłowo lub dokonuje niedokładnych prognoz. Stawka jest wysoka, a niezawodność ma kluczowe znaczenie.
Zróżnicowana Konkurencja w Finansach
Yu Feng, dyrektor ds. informatyki w Guotai Junan Securities, rzucił światło na preferencje sektora finansowego dla wertykalnych modeli AI. Wyjaśnił, że wykorzystując własne dane, strategie dostrajania i dostosowując cele szkoleniowe, firmy finansowe mogą osiągnąć przewagę konkurencyjną.
Innymi słowy, wertykalne AI pozwala instytucjom odróżnić się od swoich rywali. Zamiast polegać na tych samych ogólnych modelach AI, mogą tworzyć niestandardowe rozwiązania, które są unikalnie dostosowane do ich specyficznych potrzeb i strategii. To nie tylko pomaga im uniknąć pułapek ujednoliconych podejść inwestycyjnych, ale także łagodzi ryzyko wzmożonej zmienności rynku, która może wynikać z powszechnego stosowania identycznych modeli AI.
Pokonywanie Wyzwań Związanych z Integracją AI
Integracja AI w finansach, a właściwie w każdej branży, nie jest pozbawiona wyzwań. Li Jing ze Stepfun przyznał, że potrzebne są głębokie zmiany.
Jednym z kluczowych aspektów jest dostęp. Producenci urządzeń, na przykład, muszą zapewnić większy dostęp do swoich systemów, aby umożliwić głębszą integrację możliwości AI. Oznacza to otwarcie interfejsów API i umożliwienie programistom AI korzystania z podstawowej infrastruktury sprzętowej i programowej.
Kolejne wyzwanie leży w sferze zewnętrznych dostawców usług. Ci dostawcy muszą fundamentalnie przeprojektować swoje frameworki w ramach architektur agentów. Jest to odejście od tradycyjnych paradygmatów rozwoju oprogramowania na rzecz podejścia bardziej skoncentrowanego na AI, w którym agenci oprogramowania działają autonomicznie i inteligentnie.
Rola Wsparcia Politycznego
Poza przeszkodami technologicznymi, Li Jing podkreślił również kluczową rolę wsparcia politycznego w promowaniu wdrażania AI. Rządy i organy regulacyjne muszą stworzyć środowisko, które zachęca do innowacji, jednocześnie uwzględniając potencjalne ryzyko i kwestie etyczne.
Może to obejmować opracowanie jasnych wytycznych dotyczących prywatności danych, ustanowienie standardów bezpieczeństwa i niezawodności AI oraz zapewnienie zachęt dla firm do inwestowania w badania i rozwój AI.
Rozwiązywanie Problemów Związanych z Prywatnością Danych
Prywatność danych jest głównym problemem w erze AI, szczególnie w sektorze finansowym, gdzie wrażliwe informacje o klientach są stale przetwarzane. Li Jing odniósł się do tego problemu bezpośrednio, stwierdzając, że ochrona prywatności nie jest wyzwaniem nie do pokonania.
‘Technologicznie zidentyfikowaliśmy już obiecujące kierunki do zbadania’, stwierdził Li.
Co to oznacza?
Sugeruje to, że istnieją już rozwiązania technologiczne w fazie rozwoju, które mogą pomóc w łagodzeniu zagrożeń dla prywatności związanych z AI. Mogą one obejmować techniki takie jak uczenie federacyjne (federated learning), w którym modele AI są szkolone na zdecentralizowanych zbiorach danych bez bezpośredniego dostępu do surowych danych, lub prywatność różnicowa (differential privacy), która dodaje szum do danych w celu ochrony prywatności poszczególnych osób, jednocześnie umożliwiając sensowną analizę.
Droga Naprzód: Współpraca i Innowacje
Nadrzędne przesłanie z Lujiazui Financial Salon jest jasne: AI, a w szczególności wertykalne AI, ma zmienić branżę finansową. Najbliższe lata będą kluczowe, wymagając ścisłej współpracy między dostawcami technologii, instytucjami finansowymi i decydentami. Nacisk zostanie położony na opracowanie solidnych, niezawodnych i bezpiecznych rozwiązań AI, które mogą odblokować nowe możliwości i napędzać innowacje, jednocześnie rozwiązując potencjalne problemy. Podróż ta będzie niewątpliwie złożona, ale potencjalne korzyści są ogromne.