“模型應(yīng)用，產(chǎn)業(yè)先行”正在成為產(chǎn)、學(xué)、研界的共識(shí)。
7月28日，騰訊云與中國(guó)信通院在南京共同啟動(dòng)行業(yè)大模型標(biāo)準(zhǔn)聯(lián)合推進(jìn)計(jì)劃，雙方宣布聯(lián)合牽頭中國(guó)首個(gè)金融行業(yè)大模型標(biāo)準(zhǔn)的編制工作，其中對(duì)金融行業(yè)大模型的評(píng)估方法覆蓋了投研、投顧、風(fēng)控、營(yíng)銷(xiāo)、客服、銀行、保險(xiǎn)、證券等應(yīng)用場(chǎng)景，并對(duì)大模型在數(shù)據(jù)合規(guī)性、可追溯性、私有化部署、風(fēng)險(xiǎn)控制等方面提出要求。
在此前6月19日舉辦的騰訊云行業(yè)大模型峰會(huì)上，騰訊云就曾宣布聯(lián)合信通院共同構(gòu)建行業(yè)大模型的標(biāo)準(zhǔn)體系及能力架構(gòu)，包括ILMOps方法論、數(shù)十項(xiàng)能力建設(shè)指標(biāo)。該標(biāo)準(zhǔn)體系覆蓋多個(gè)行業(yè)，涵蓋模型行業(yè)能力、模型工程化性能、模型算力網(wǎng)絡(luò)、模型安全可靠等方面。這不僅是推進(jìn)國(guó)產(chǎn)大模型的堅(jiān)實(shí)一步，也是大模型落地，實(shí)現(xiàn)產(chǎn)品化的必然之舉。
(資料圖片僅供參考)
大模型數(shù)量增至116個(gè)，商用場(chǎng)景是關(guān)鍵
從年初ChatGPT引爆AIGC（生成式人工智能）概念，到騰訊、阿里、百度、華為、京東發(fā)布大模型，“百模大戰(zhàn)”似乎正在經(jīng)歷割裂的輿論場(chǎng)—— 一面在公眾的認(rèn)知里才剛拉開(kāi)序幕，一面在業(yè)內(nèi)人士看來(lái)已從盲熱回歸理性。
盡管在概念上未有統(tǒng)一口徑，但不少業(yè)內(nèi)人士?jī)A向認(rèn)為大模型是指具有大量參數(shù)和復(fù)雜結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型，也有“通用化”和“垂直化”之分?？傊?，無(wú)論是否披著“大模型”，機(jī)器學(xué)習(xí)都是科技企業(yè)開(kāi)展了數(shù)年的工作，這也就解釋了為什么業(yè)內(nèi)人士認(rèn)為大模型之爭(zhēng)已經(jīng)回歸理性，而公眾則以為這個(gè)業(yè)態(tài)剛剛興起。
《中國(guó)人工智能大模型地圖研究報(bào)告》顯示，截至5月末，全國(guó)參數(shù)在10億規(guī)模以上的大模型已發(fā)布79個(gè),數(shù)量?jī)H次于美國(guó)排名全球第二。而兩個(gè)月后，據(jù)騰訊研究院副秘書(shū)長(zhǎng)楊望調(diào)研分析，目前國(guó)內(nèi)的大模型數(shù)量已增加至116個(gè)，其中金融行業(yè)大模型約18個(gè)。
業(yè)界關(guān)注的是呈加速落地之勢(shì)的“大模型”理念和技術(shù)，如何真正在商用場(chǎng)景中解決實(shí)際業(yè)務(wù)問(wèn)題。作為頭部參與主體，騰訊云正在通過(guò)標(biāo)準(zhǔn)編制、場(chǎng)景挖掘等舉措，推動(dòng)大模型應(yīng)用走進(jìn)行業(yè)發(fā)展的要塞環(huán)節(jié)。
聚焦在具體場(chǎng)景上，騰訊云基于對(duì)市場(chǎng)需求和自身技術(shù)優(yōu)勢(shì)的充分研判，錨定金融這一垂直行業(yè)，試圖在對(duì)信息精度和數(shù)據(jù)合規(guī)有著嚴(yán)苛要求的風(fēng)控場(chǎng)景取得商用突破。
券商中國(guó)記者采訪了騰訊研究院副秘書(shū)長(zhǎng)楊望、騰訊云天御首席科學(xué)家李超，他們都表示金融風(fēng)控正從主要依托歷史數(shù)據(jù)和專(zhuān)家經(jīng)驗(yàn)的“規(guī)則對(duì)抗”時(shí)代，進(jìn)入由機(jī)器學(xué)習(xí)、人工智能主導(dǎo)的“模型對(duì)抗”時(shí)代。
騰訊云力推的金融風(fēng)控大模型，就是行業(yè)大模型與騰訊安全20多年對(duì)抗金融欺詐黑灰產(chǎn)經(jīng)驗(yàn)沉淀融合的載體。騰訊云試圖以此在新舊時(shí)代的轉(zhuǎn)換里占據(jù)一席之地。
錨定剛需場(chǎng)景：推動(dòng)風(fēng)控建模效率和性能提升
“智能投顧、智能客服、營(yíng)銷(xiāo)渠道、保險(xiǎn)理賠、研報(bào)撰寫(xiě)……”, 楊望認(rèn)為，大模型在金融行業(yè)有著諸多落地場(chǎng)景，但都要能經(jīng)得住穩(wěn)定性、準(zhǔn)確性、可操作性的檢驗(yàn)。
現(xiàn)在，騰訊云試圖在金融業(yè)務(wù)安全領(lǐng)域，錨定機(jī)構(gòu)交易、信貸、營(yíng)銷(xiāo)等場(chǎng)景的風(fēng)控需求做文章：基于MaaS(Model as a Service,模型即服務(wù)）的模式，助力金融機(jī)構(gòu)提升風(fēng)控建模的效率，規(guī)避黑灰產(chǎn)欺詐損失。
為什么選定風(fēng)控環(huán)節(jié)，尤其是貸前風(fēng)控環(huán)節(jié)？因?yàn)樵搱?chǎng)景存在著最急迫的需求?！巴ㄟ^(guò)數(shù)據(jù)的買(mǎi)賣(mài)以及各種形式的黑產(chǎn)或者灰產(chǎn)的行為，給金融行業(yè)在信貸和交易領(lǐng)域帶來(lái)了極大的資金損失風(fēng)險(xiǎn)。比如說(shuō)像在信貸領(lǐng)域，因黑產(chǎn)造成的欺詐已經(jīng)占到了整個(gè)逾期規(guī)模的40%-70%?！崩畛嬖V券商中國(guó)記者。
據(jù)李超介紹，風(fēng)控模型就是把專(zhuān)家經(jīng)驗(yàn)抽象成一系列風(fēng)控策略集，包括欺詐檢測(cè)模型、準(zhǔn)入模型、風(fēng)險(xiǎn)定價(jià)模型、額度管理等，貫穿金融信貸業(yè)務(wù)的全生命周期。金融風(fēng)控體系大部分來(lái)自于歷史金融數(shù)據(jù)，依賴(lài)于用過(guò)去行為預(yù)測(cè)未來(lái)行為，近年來(lái)不少金融機(jī)構(gòu)現(xiàn)有風(fēng)控體系遭遇頻繁假人假機(jī)、假人真機(jī)、真人假機(jī)的欺詐行為，傳統(tǒng)風(fēng)控策略已然失效。李超甚至預(yù)測(cè)，不排除黑灰產(chǎn)深度利用AI模擬真人行為，發(fā)起金融欺詐，這帶給金融風(fēng)控巨大的沖擊。
正是因?yàn)榻鹑谄墼p黑灰產(chǎn)猖獗，金融機(jī)構(gòu)對(duì)風(fēng)控模型的迭代頻率需求增多，從過(guò)往的以年為單位演進(jìn)到以月為單位。“風(fēng)險(xiǎn)動(dòng)態(tài)治理”成了很多金融機(jī)構(gòu)對(duì)風(fēng)控模型的訴求。
據(jù)券商中國(guó)記者從騰訊云了解，某金融機(jī)構(gòu)的渠道和客群變化較快，基于傳統(tǒng)的專(zhuān)家聯(lián)合建模方式效率較低、成本較高，無(wú)法滿(mǎn)足風(fēng)控系統(tǒng)快速迭代要求。接入騰訊云行業(yè)大模型后，模型迭代周期從17天縮短到3天，建模效率提升60%。
某銀行對(duì)欺詐樣本積累不足，在風(fēng)控建模階段面臨訓(xùn)練難題，新建的模型無(wú)法滿(mǎn)足性能要求。而接入騰訊云的金融風(fēng)控大模型后，該銀行客戶(hù)基于少量提示樣本就可以遷移得到適配自身業(yè)務(wù)場(chǎng)景的定制模型，相比于傳統(tǒng)的建模方式性能提升20.5%，在跨場(chǎng)景的泛化性測(cè)試上性能提升53%。
以上兩個(gè)案例，都是金融機(jī)構(gòu)亟待提升動(dòng)態(tài)風(fēng)控建模能力，而騰訊云金融風(fēng)控大模型恰好解決這一痛點(diǎn)的縮影。截至目前，騰訊云已與頭部金融機(jī)構(gòu)聯(lián)合共建了近百個(gè)定制化風(fēng)控模型。
契合定制化需求：基于機(jī)構(gòu)客戶(hù)樣本側(cè)場(chǎng)景進(jìn)行建模
金融機(jī)構(gòu)正在進(jìn)入存量精細(xì)化運(yùn)營(yíng)時(shí)代，獲客方式、風(fēng)控策略逐漸差異化加劇，對(duì)反欺詐的訴求也從通用型服務(wù)轉(zhuǎn)化為針對(duì)自身場(chǎng)景調(diào)優(yōu)的定制服務(wù)為主。根據(jù)騰訊云天御的客戶(hù)實(shí)踐顯示，2022年的定制化服務(wù)需求數(shù)量相比2020年增加了5倍。
“不同的金融機(jī)構(gòu)有著不同的產(chǎn)品形態(tài)和金融產(chǎn)品定位，不同的產(chǎn)品形態(tài)面臨的欺詐風(fēng)險(xiǎn)因素是有差異的。當(dāng)黑灰產(chǎn)逐漸應(yīng)用機(jī)器學(xué)習(xí)方法去迭代欺詐手法的時(shí)候，也需要相應(yīng)持續(xù)做出風(fēng)險(xiǎn)的迭代。這也就意味著我們沒(méi)辦法在訓(xùn)練好一個(gè)風(fēng)控模型之后，一成不變地應(yīng)用它。”李超介紹，這也是很多金融機(jī)構(gòu)開(kāi)始希望騰訊云提供定制化能力的根本所在——根據(jù)客戶(hù)自身的樣本側(cè)業(yè)務(wù)場(chǎng)景建模。
此外李超還提及，不僅僅是反欺詐環(huán)節(jié)，客戶(hù)分層、定額、定價(jià)等貫穿客戶(hù)貸款周期的風(fēng)險(xiǎn)審批諸多環(huán)節(jié)，都可以采用定制建模的方式。整體來(lái)看，目前更多需求場(chǎng)景集中在貸前風(fēng)控，貸中環(huán)節(jié)也逐漸多了起來(lái)。
“定制化建模相比于傳統(tǒng)的通用風(fēng)控模型，一般會(huì)有20%左右的反欺詐效果提升。”李超透露。
在騰訊云的調(diào)研里，金融機(jī)構(gòu)風(fēng)控建模存在著共性的痛點(diǎn)：建模流程耗時(shí)耗力、業(yè)務(wù)場(chǎng)景面臨小樣本或零樣本難題、缺乏對(duì)模型的多維度泛化性評(píng)估。騰訊云金融風(fēng)控大模型試圖針對(duì)這三個(gè)痛點(diǎn)對(duì)癥下藥。
據(jù)李超介紹，金融機(jī)構(gòu)基于騰訊云金融風(fēng)控大模型，在建模階段只需使用少量提示樣本，就能自動(dòng)構(gòu)建適配自身業(yè)務(wù)獨(dú)有特點(diǎn)的風(fēng)控模型，并且實(shí)現(xiàn)全流程自動(dòng)化的部署上線(xiàn)，并支持持續(xù)發(fā)布快速集成到自身的風(fēng)控系統(tǒng)上。來(lái)自騰訊云的數(shù)據(jù)顯示，該方案幫助客戶(hù)風(fēng)控策略部署效率提升10倍。
其次是依托20多年沉淀的海量欺詐樣本和多場(chǎng)景下的豐富風(fēng)控模型能力，幫助樣本積累有限以及新業(yè)務(wù)上線(xiàn)“零樣本”的企業(yè)，高效解決“小樣本”訓(xùn)練難題。來(lái)自騰訊云的數(shù)據(jù)顯示，模型區(qū)分度比傳統(tǒng)模式提升20%。
最后是為金融機(jī)構(gòu)提供超越自身樣本的模型評(píng)估體系，包含所有的風(fēng)控模型評(píng)估指標(biāo)，覆蓋全量金融風(fēng)控的細(xì)分場(chǎng)景，讓機(jī)構(gòu)能360度全面評(píng)估到模型的穩(wěn)定性和泛化性。
（文章來(lái)源：券商中國(guó)）
關(guān)鍵詞：
責(zé)任編輯：Rex_28
