ChatGPT在金融行业的应用潜力和风险

2022年11月30日，Open AI发布名为“ChatGPT”的对话优化语言模型。这一模型一经发布就获得了极大的关注，在各大平台引起了广泛讨论，被称为“2022最先进的聊天机器人”。

ChatGPT本质上是一款人工智能技术驱动的自然语言处理工具，能够通过学习和理解人类的语言来进行对话，而且能完成撰写邮件、视频脚本、文案、翻译、代码等任务。本质上是一种AIGC（人工智能生成内容）工具。

ChatGPT应用带有人工标注反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF），使用GPT3.5大规模语言模型作为初始网络结构，使用收集数据增强的InstructGPT进行模型训练，训练过程可以大致分为三个步骤：一是基于人工标注的“指令-答案”数据对GPT3.5进行监督学习，精调得到的大模型（SFT）能理解各式各样的任务指令，该步骤只进行一次；二是训练强化学习框架中的奖励模型（RM），使其能模拟人类对答案的偏好评分；三是输入新指令到SFT，得到答案输出，基于RM对该答案进行评分，并通过强化学习迭代机制将该评分反馈更新SFT模型，步骤二和步骤三持续重复进行，直至最终形成一个成熟稳定的模型。

技术突破使ChatGPT更加成熟。ChatGPT之所以能够具有现象级的热度，主要归功于其模型构建中实现的两个技术突破：一是人工标注反馈的强化学习，RLHF 解决了生成模型的一个核心问题，即如何让人工智能模型的产出和人类的常识、认知、需求、价值观保持一致；二是SFT策略微调模型，有效利用大模型能力，让训练过程更接近人类思维模式的同时可避免过度理解或曲解。

借助微软Azure云平台提供的超强算力，ChatGPT的出现使得AIGC步入新的研究范式，即以大数据预训练+小数据微调的方式，摆脱了对大量人工调参的依赖，在手写、语音和图像识别、语言理解方面的表现大幅突破，所生成的内容也越来越准确和自然，从而加速场景内容生成的高效性和应用的多样化。

根据ChatGPT自身回答，它可以为经营机构提供文本生成、数据分析、聊天机器人、预测分析、NLP技术方面的服务。

文本生成：为经营机构生成报告、研究文档、市场分析、公告等文本。

数据分析：帮助经营机构分析市场数据，识别有价值的信息，并对数据进行清洗、整理和可视化。

聊天机器人：为经营机构提供客户服务和咨询，以提高客户满意度。

预测分析：帮助经营机构预测股票价格、市场趋势、货币汇率等，提高投资决策的准确性。

NLP技术：使用自然语言处理技术为经营机构分析新闻、社交媒体等数据源，以寻找投资机会。

ChatGPT在算法成熟的基础之上，其应用层的爆发呼之欲出，应用场景非常广泛，拥有巨大的潜在应用空间，功能覆盖多个行业领域板块。因此，ChatGPT当前和潜在的主要应用场景分为内容生成、编程协助、创意生成、虚拟对话四大类。

ChatGPT可以AI协助内容生产的方式参与到文本写作的各个环节中去，全AI生成内容（AIGC）将是内容生成的最终形态，其生产效率高，成产成本极低。

段落创作 Analogy maker

故事创作 Story creator

摘要生成 Notes to summary

机器翻译 English to other languages  

英语语法纠正 Grammar correction 

人称转换 Third-person converter 

文本分类 ESRB rating 

……

ChatGPT在编程协助领域应用潜力巨大。自然语言生成和代码编程有诸多相似之处，采用注意力机制的ChatGPT同时能实现生成代码前后的逻辑一致性，在编程领域具有良好的表现和应用落地潜力。

代码转换 JavaScript to Python

代码编写 Write a Python

代码压缩 JavaScript one line function

程序命令生成 Text to command

SQL语句生成 SQL translate   

修复代码 Bug Python bug fixer

……

ChatGPT可以在创意设计、广告设计、营销文案等方面辅助从业者，提升创意生成的效率和针对性。

头脑风暴 VR fitness idea generator 

菜谱生成 Recipe creator 

点评生成 Restaurant review creator

面试问题生成 Interview questions

广告设计 Ad from product description

……

ChatGPT在人机对话中拥有较高的自由度，展现出更拟人的交流方式，连续对话能力也大幅提升。

聊天 Friend chat

智能客服 Intelligent customer service

搜索引擎增强 Search engine enhancement

语音工作助手 Voice work assistant

……

1.编程协助

ChatGPT在编程协助领域应用潜力巨大。自然语言生成和代码编程有诸多相似之处，采用注意力机制的ChatGPT同时能实现生成代码前后的逻辑一致性，在编程领域具有良好的表现和应用落地潜力。

基于前代版本GPT-3模型的智能代码生成插件GitHub Copilot提供了片段级的代码补全功能，可以用于注释生成代码、生成单元测试等场景，其正式版定价10美元/月，据GitHub官方统计，Copilot 开放测试一年已有120万用户。

基于GPT-3.5模型的ChatGPT同样具有强大的代码生成能力，可以实现简单任务的完整代码编程，可以应用在代码生成、代码提示、故障诊断、自动测试等环节。下方两图为ChatGPT在面临相同目的、不同编码要求时生成的代码。

此外，如果将ChatGPT与Open AI旗下Code Capsules （一种代码封装工具）相结合，分析所有开源代码并合成代码库，使代码和其他资源在不同的环境中快速、可重复地运行，从而提高代码的可移植性和可复制性。

目前，ChatGPT已经被亚马逊用于编写软件代码等工作职能。为AWS Aurora数据库工程师编写故障排除指南，回答“困难的”支持问题。

美因茨大学和伦敦大学学院的研究还发现，ChatGPT不仅可以出色地修复bug，而且开发者还能通过对话来显著提高修复的成功率。

2.异常交易监测

ChatGPT通过分析客户行为模式来检测异常交易。境外某经纪交易商在测试ChatGPT时发现，将欺诈数据集加载到ChatGPT后，它能够自动识别数据类型并将其可视化。该交易商要求ChatGPT基于数据集构建模型时，它还能够引导完成“预处理数据”“将数据拆分为训练集和测试集”“帮助选择适用算法” “训练模型”“评估模型”。

在测试中，ChatGPT为其提供了两个python库（Eli5和Lime）来解释模型，并在一个小时内完成了该交易商IT团队一天才能完成的工作。最后，ChatGPT帮助创建了一个异常交易检测模型，并从28.5万笔交易中检测出470次异常交易。虽然准确性不如更强大的模型，但ChatGPT能够帮助非专业的业务人员完成复杂的分析。

代替搜索功能：无论是快速查阅信息还是更深入的研究，强大的知识聚合能力是ChatGPT这类AI工具能为经营机构带来的典型优势。ChatGPT能够返回比搜索引擎更加精确的查询结果，例如“新出的法规将为机构发展带来什么样的影响”“长辈版App应当侧重哪些功能”。

快速图像化工作成果：通过与Open AI旗下Dall-E 2（视觉语言生成模型）相结合，ChatGPT能够初步完成“设计图标”“制作流程图”“创造特定图片”等功能，丰富工作成果展现形式。

核心内容抓取： ChatGPT可以帮助员工整理电子邮件在内的长篇文档内容，并立即获得包含优先操作项的内容摘要。

自动化营销：ChatGPT可以基于需求生成内容。经营机构可以利用ChatGPT超个性化的编写电子邮件内容、广告文案、网站文案等。

生成数据副本：根据输入的数据内容，生成图表、发展趋势、拟标题等。

产品设计：ChatGPT还能够整合和理解客户需求，站在客户的角度帮助经营机构设计金融产品、优化客户体验等。

关键字和情绪分析：通过分析文本语言，ChatGPT能够帮助经营机构迅速了解市场舆情、竞品动态、员工情绪等。

校对：ChatGPT能够对内容进行校对，免费、即时的修正措辞问题。

智能客服：ChatGPT不仅能够自动处理客户问题并执行简单操作，在允许的前提下还能够通过指导新客户完成所需的文书材料并回答他们可能有的任何问题实现自动化开户。

提供个性化的财务建议：ChatGPT可以通过API嵌入到经营机构网站和App中。例如，形成新模型分析客户投资习惯，推荐比目前大多数机器人投资顾问更精细和有用的投资方案，但不能直接进行投资决策。客户可以更好地获取有关订阅、现金流和变化的数据。

提高客户活跃度：通过ChatGPT为网站或App生成更具吸引力且信息丰富的内容，有助于吸引新客户并提高客户活跃度。

总的来看，作为AIGC的重要应用，ChatGPT的出现使得AIGC有望成为新型的内容生产基础设施，有利于证券基金等金融机构在编程协助、风险控制、提高用户活跃度等场景的应用，从而推动整个金融行业新一轮的技术革命。但是，ChatGPT类型的技术工具在实际落地时依然面临着许多挑战：一是落地成本高，需要强大的数据、算力、算法做支撑，AIGC的商业化应用需要强大的基础设施支持，对证券基金经营机构的IT投入要求极高；二是潜在技术风险，模型可信度需要实践验证，2月7日，谷歌旗下智能聊天机器人Bard出现事实性错误，不仅使谷歌股价大跌，也让人民意识到此类工具的真实性和可解释性无法验证，会导致在部分应用场景失效或错误；三是存在短期内监管政策落地不及预期的风险；四是金融科技伦理风险，AIGC自动内容生成是否会出现违反道德、法律的问题。