Mô hình lớn trong ngành tài chính: Từ lo âu đến lý trí

Với sự ra đời của ChatGPT, sự lo lắng của ngành tài chính đối với công nghệ trí tuệ nhân tạo đang lan rộng một cách nhanh chóng. Ngành này, vốn đầy niềm tin vào công nghệ mới, lo sợ sẽ bị bỏ lại phía sau bởi làn sóng thời đại. Bầu không khí lo lắng này đã từng lan tỏa đến những nơi không ngờ tới, có người trong ngành tiết lộ rằng, vào tháng 5 năm nay, khi cô ấy công tác tại Đại Lý, cô ấy đã gặp những người làm tài chính thảo luận về mô hình lớn ngay trong một ngôi chùa.

Tuy nhiên, sự lo lắng này đang dần giảm bớt và suy nghĩ của mọi người trở nên rõ ràng và lý trí hơn. Giám đốc công nghệ ngân hàng của một công ty phần mềm đã mô tả một vài giai đoạn trong thái độ của ngành tài chính đối với mô hình lớn trong năm nay: từ tháng 2 đến tháng 3, mọi người đều cảm thấy lo lắng, sợ bị tụt lại phía sau; từ tháng 4 đến tháng 5, họ lần lượt thành lập các đội ngũ để bắt tay vào công việc; sau vài tháng tiếp theo, trong quá trình tìm kiếm hướng đi và thực hiện, họ gặp khó khăn và trở nên lý trí hơn; bây giờ, họ tập trung vào các dự án tiêu biểu, cố gắng kiểm tra các kịch bản ứng dụng đã được xác minh.

Một xu hướng mới là nhiều tổ chức tài chính đã bắt đầu coi trọng các mô hình lớn từ cấp chiến lược. Theo thống kê không đầy đủ, trong số các công ty niêm yết trên A-share, ít nhất có 11 ngân hàng đã nêu rõ trong báo cáo nửa năm gần đây rằng họ đang khám phá ứng dụng của các mô hình lớn. Từ các hành động gần đây, họ đang có những suy nghĩ và lập kế hoạch rõ ràng hơn từ cấp chiến lược và thiết kế tổng thể.

So với vài tháng trước, sự hiểu biết của khách hàng tài chính về mô hình lớn đã tăng rõ rệt. Khi ChatGPT vừa mới xuất hiện đầu năm, mặc dù có sự hào hứng lớn, nhưng hiểu biết về bản chất và cách ứng dụng của mô hình lớn còn hạn chế. Một số ngân hàng lớn đã hành động tiên phong, bắt đầu tiến hành các hoạt động quảng bá khác nhau. Đồng thời, với việc nhiều công ty công nghệ phát hành mô hình lớn, một số bộ phận công nghệ của các tổ chức tài chính hàng đầu đã bắt đầu tích cực thảo luận với các công ty công nghệ lớn về việc xây dựng mô hình lớn.

Sau tháng 5, tình hình dần thay đổi. Do sự thiếu hụt tài nguyên tính toán và chi phí cao, nhiều tổ chức tài chính bắt đầu chuyển từ việc chỉ đơn thuần mong muốn tự xây dựng sức mạnh tính toán và mô hình, sang việc chú trọng hơn đến giá trị ứng dụng. Hiện tại, mỗi tổ chức tài chính đều đang quan tâm đến cách mà các tổ chức khác sử dụng các mô hình lớn và hiệu quả của chúng.

Đối với các doanh nghiệp có quy mô khác nhau, đã xuất hiện hai con đường phát triển. Các tổ chức tài chính lớn với lượng dữ liệu tài chính khổng lồ và các tình huống ứng dụng có thể giới thiệu các mô hình lớn cơ sở hàng đầu, tự xây dựng mô hình lớn doanh nghiệp, đồng thời áp dụng phương pháp tinh chỉnh để hình thành các mô hình nhiệm vụ trong lĩnh vực chuyên môn, nhanh chóng nâng cao năng lực cho kinh doanh. Các tổ chức tài chính vừa và nhỏ có thể dựa trên tỷ suất lợi nhuận đầu tư, tùy theo nhu cầu mà giới thiệu các loại API đám mây công cộng của mô hình lớn hoặc dịch vụ triển khai riêng, trực tiếp đáp ứng nhu cầu kinh doanh.

Tuy nhiên, do yêu cầu cao về tính tuân thủ dữ liệu, an toàn và độ tin cậy trong ngành tài chính, một số người cho rằng tiến độ triển khai mô hình lớn trong ngành này thực tế chậm hơn so với dự kiến vào đầu năm. Một số tổ chức tài chính đã bắt đầu tìm kiếm các phương pháp giải quyết các rào cản trong quá trình triển khai mô hình lớn.

Về mặt sức mạnh tính toán, ngành tài chính hiện đang xuất hiện một số giải pháp: thứ nhất là tự xây dựng sức mạnh tính toán, chi phí cao nhưng độ an toàn đủ; thứ hai là triển khai sức mạnh tính toán hỗn hợp, trong trường hợp không có dữ liệu nhạy cảm bị rò rỉ, chấp nhận gọi các giao diện dịch vụ mô hình lớn từ đám mây công cộng, đồng thời xử lý dịch vụ dữ liệu địa phương qua triển khai riêng.

Ngoài vấn đề về sức mạnh tính toán, trong nửa năm gần đây, nhiều tổ chức tài chính cũng dần tăng cường quản lý dữ liệu thông qua việc khám phá và triển khai các mô hình lớn. Một số ngân hàng đang giải quyết vấn đề dữ liệu bằng cách kết hợp mô hình lớn với MLOps, nhằm tự động hóa toàn bộ quy trình cũng như quản lý và xử lý hiệu quả dữ liệu đa nguồn và dị thể.

Nguồn nội dung