تغير موقف القطاع المالي تجاه النماذج الكبيرة: من القلق إلى الاستكشاف العقلاني
منذ ظهور ChatGPT، شهدت الصناعة المالية تحولًا من القلق إلى العقلانية تجاه نماذج الذكاء الاصطناعي الكبيرة. في البداية، كانت هناك مخاوف واسعة النطاق في الصناعة من التخلف التكنولوجي، وتم تشكيل فرق للعمل على نماذج الذكاء الاصطناعي الكبيرة. مع مرور الوقت، بدأت المؤسسات المالية في النظر إلى نماذج الذكاء الاصطناعي الكبيرة بصورة أكثر عقلانية، مع التركيز على قيمتها التطبيقية الفعلية.
في الوقت الحالي، قامت العديد من البنوك الكبرى بإدراج النماذج الكبيرة في التخطيط الاستراتيجي. وفقًا لإحصاءات غير مكتملة، اقترحت ما لا يقل عن 11 بنكًا مدرجًا في سوق الأسهم A أنه يتم استكشاف تطبيقات النماذج الكبيرة في أحدث تقارير النصف السنوي. من خلال الاتجاهات الأخيرة، يبدو أن المؤسسات المالية تقوم بالتفكير والتخطيط بشكل أعمق للنماذج الكبيرة من حيث الاستراتيجية والتصميم العلوي.
بالمقارنة مع بداية العام، ارتفعت بشكل ملحوظ فهم العملاء الماليين للنماذج الكبيرة. كانت بعض البنوك الكبرى في طليعة طرح تطبيقات النماذج الكبيرة، مثل ChatABC من بنك الزراعة. بعد ذلك، بدأت المزيد من المؤسسات المالية في التركيز على القيمة العملية للنماذج الكبيرة، بدلاً من مجرد السعي لبناء نماذج خاصة بها.
نظرًا للقيود المفروضة بسبب قوة الحوسبة والتكاليف، اتبعت المؤسسات المالية استراتيجيات تطبيق نماذج كبيرة مختلفة. تميل المؤسسات الكبيرة إلى بناء نماذجها الكبيرة الخاصة بها، بينما تعتمد المؤسسات الصغيرة والمتوسطة أكثر على واجهات برمجة التطبيقات السحابية العامة أو خدمات النشر الخاصة. لحل مشكلة قوة الحوسبة، تختار بعض المؤسسات بناء قدرتها الحاسوبية الخاصة، بينما تعتمد أخرى على حلول النشر الهجينة.
أصبح حوكمة البيانات أيضًا من الأعمال الرئيسية للمؤسسات المالية. بدأت المزيد والمزيد من المؤسسات في بناء منصة بيانات ونظام حوكمة. قامت بعض البنوك بإنشاء حلقة مغلقة للبيانات للنماذج الكبيرة من خلال أسلوب MLOps، مما حقق إدارة و معالجة فعالة للبيانات.
فيما يتعلق بمشاهد التطبيق، تختار المؤسسات المالية عمومًا البدء من المشاهد الداخلية، مثل المكاتب الذكية، والتطوير الذكي، وما إلى ذلك. مساعد البرمجة ومساعد خدمة العملاء هما من المجالات التطبيقية التي يمكن أن تحقق نتائج ملحوظة بسهولة. ومع ذلك، فإن تطبيق النماذج الكبيرة في الأعمال الأساسية المالية لا يزال يواجه تحديات، مما يتطلب مزيدًا من الاستكشاف.
بدأت بعض المؤسسات المالية في إعادة بناء أنظمة تكنولوجيا المعلومات الخاصة بها استنادًا إلى النماذج الكبيرة، باستخدام نموذج طبقي، حيث تعتبر النماذج الكبيرة هي المركز، ودمج نماذج تقليدية. كما تم اعتماد استراتيجيات متعددة النماذج على نطاق واسع لاختيار أفضل النتائج.
تؤثر تطبيقات النماذج الكبيرة على هيكل المواهب في صناعة المالية. من ناحية، تواجه بعض الوظائف التقليدية خطر الاستبدال؛ ومن ناحية أخرى، هناك فجوة كبيرة في المواهب المتعلقة بالنماذج الكبيرة. تسعى المؤسسات المالية إلى تطوير وتوظيف المواهب في مجال الذكاء الاصطناعي بطرق متعددة لدعم التطور المستمر لتطبيقات النماذج الكبيرة.
بشكل عام، انتقل موقف القطاع المالي تجاه النماذج الكبيرة من القلق الأولي إلى الاستكشاف العقلاني، حيث يبحث بنشاط عن مسارات التطبيق ونماذج التنمية المناسبة له.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
اتجاهات تطبيق نماذج كبيرة في الصناعة المالية: من القلق إلى الاستكشاف العقلاني للقيمة العملية
تغير موقف القطاع المالي تجاه النماذج الكبيرة: من القلق إلى الاستكشاف العقلاني
منذ ظهور ChatGPT، شهدت الصناعة المالية تحولًا من القلق إلى العقلانية تجاه نماذج الذكاء الاصطناعي الكبيرة. في البداية، كانت هناك مخاوف واسعة النطاق في الصناعة من التخلف التكنولوجي، وتم تشكيل فرق للعمل على نماذج الذكاء الاصطناعي الكبيرة. مع مرور الوقت، بدأت المؤسسات المالية في النظر إلى نماذج الذكاء الاصطناعي الكبيرة بصورة أكثر عقلانية، مع التركيز على قيمتها التطبيقية الفعلية.
في الوقت الحالي، قامت العديد من البنوك الكبرى بإدراج النماذج الكبيرة في التخطيط الاستراتيجي. وفقًا لإحصاءات غير مكتملة، اقترحت ما لا يقل عن 11 بنكًا مدرجًا في سوق الأسهم A أنه يتم استكشاف تطبيقات النماذج الكبيرة في أحدث تقارير النصف السنوي. من خلال الاتجاهات الأخيرة، يبدو أن المؤسسات المالية تقوم بالتفكير والتخطيط بشكل أعمق للنماذج الكبيرة من حيث الاستراتيجية والتصميم العلوي.
بالمقارنة مع بداية العام، ارتفعت بشكل ملحوظ فهم العملاء الماليين للنماذج الكبيرة. كانت بعض البنوك الكبرى في طليعة طرح تطبيقات النماذج الكبيرة، مثل ChatABC من بنك الزراعة. بعد ذلك، بدأت المزيد من المؤسسات المالية في التركيز على القيمة العملية للنماذج الكبيرة، بدلاً من مجرد السعي لبناء نماذج خاصة بها.
نظرًا للقيود المفروضة بسبب قوة الحوسبة والتكاليف، اتبعت المؤسسات المالية استراتيجيات تطبيق نماذج كبيرة مختلفة. تميل المؤسسات الكبيرة إلى بناء نماذجها الكبيرة الخاصة بها، بينما تعتمد المؤسسات الصغيرة والمتوسطة أكثر على واجهات برمجة التطبيقات السحابية العامة أو خدمات النشر الخاصة. لحل مشكلة قوة الحوسبة، تختار بعض المؤسسات بناء قدرتها الحاسوبية الخاصة، بينما تعتمد أخرى على حلول النشر الهجينة.
أصبح حوكمة البيانات أيضًا من الأعمال الرئيسية للمؤسسات المالية. بدأت المزيد والمزيد من المؤسسات في بناء منصة بيانات ونظام حوكمة. قامت بعض البنوك بإنشاء حلقة مغلقة للبيانات للنماذج الكبيرة من خلال أسلوب MLOps، مما حقق إدارة و معالجة فعالة للبيانات.
فيما يتعلق بمشاهد التطبيق، تختار المؤسسات المالية عمومًا البدء من المشاهد الداخلية، مثل المكاتب الذكية، والتطوير الذكي، وما إلى ذلك. مساعد البرمجة ومساعد خدمة العملاء هما من المجالات التطبيقية التي يمكن أن تحقق نتائج ملحوظة بسهولة. ومع ذلك، فإن تطبيق النماذج الكبيرة في الأعمال الأساسية المالية لا يزال يواجه تحديات، مما يتطلب مزيدًا من الاستكشاف.
بدأت بعض المؤسسات المالية في إعادة بناء أنظمة تكنولوجيا المعلومات الخاصة بها استنادًا إلى النماذج الكبيرة، باستخدام نموذج طبقي، حيث تعتبر النماذج الكبيرة هي المركز، ودمج نماذج تقليدية. كما تم اعتماد استراتيجيات متعددة النماذج على نطاق واسع لاختيار أفضل النتائج.
تؤثر تطبيقات النماذج الكبيرة على هيكل المواهب في صناعة المالية. من ناحية، تواجه بعض الوظائف التقليدية خطر الاستبدال؛ ومن ناحية أخرى، هناك فجوة كبيرة في المواهب المتعلقة بالنماذج الكبيرة. تسعى المؤسسات المالية إلى تطوير وتوظيف المواهب في مجال الذكاء الاصطناعي بطرق متعددة لدعم التطور المستمر لتطبيقات النماذج الكبيرة.
بشكل عام، انتقل موقف القطاع المالي تجاه النماذج الكبيرة من القلق الأولي إلى الاستكشاف العقلاني، حيث يبحث بنشاط عن مسارات التطبيق ونماذج التنمية المناسبة له.