金融業落地大模型面臨數據管理等挑戰 聯邦學習提供創新路徑

新京報貝殼財經訊（記者潘亦純）金融業因數字化程度高、商業化應用場景潛在價值高等，成爲AI（人工智能）大模型應用的最佳場景之一。然而，AI大模型要真正落地，還面臨着諸多挑戰，如近年來各項法律法規對私域數據使用有“數據可用不可見”的要求，使得金融業即便有海量自治的高質量數據，仍受限於隱私無法共享利用。

金融業如何更好利用AI大模型賦能發展？7月2日，在以“大模型時代AI前沿與金融應用”爲主題的微衆媒體學院系列活動上，微衆銀行首席人工智能官楊強表示，大模型的應用落地涉及數據管理、算法優化、系統設計和成本控制等多方面的綜合挑戰，需要持續的技術創新和策略調整，以推動AI技術更加成熟、高效地服務於社會各個領域。

楊強認爲，AI Agent（人工智能業務助理）是大模型面向應用端發展的下一階段，其基於大模型的通用能力，並結合相關領域知識適應不同場景需求。

微衆銀行人工智能首席科學家範力欣則提出，聯邦學習作爲一種先進的分佈式機器學習範式，允許參與方在不直接共享原始數據的情況下協作訓練模型，爲解決大模型應用落地的技術難題提供了創新路徑。聯邦大模型技術路線通過其獨特的設計，不僅解決了數據時效性、模型幻覺、專業知識融合及算力資源消耗等挑戰，而且在保護數據隱私和促進AI技術公平性方面邁出了重要一步，爲大模型在各領域的廣泛應用開闢了新的可能。