（原標(biāo)題：ChatGPT在智能投顧領(lǐng)域應(yīng)用探討）

ChatGPT上線不到一周用戶突破100萬(wàn)，據(jù)報(bào)道稱，ChatGPT開發(fā)者OpenAI預(yù)計(jì)ChatGPT明年年?duì)I收將會(huì)達(dá)到2億美元，2024年?duì)I收將達(dá)到10億美元。業(yè)內(nèi)也都是ChatGPT的溢美之詞，關(guān)于其實(shí)現(xiàn)的探討已有不少。對(duì)其在具體場(chǎng)景中的應(yīng)用探討不多，本文將探討ChatGPT在智能投顧領(lǐng)域應(yīng)用，包括其帶來(lái)的變革以及潛在問(wèn)題。

“大力出奇跡”還將繼續(xù)

當(dāng)ChatGPT發(fā)布之后，就有一種觀點(diǎn)認(rèn)為并沒(méi)有什么理論上的創(chuàng)新，并有些質(zhì)疑這條路只有大的公司才能繼續(xù)的道路。ChatGPT是基于GPT3.5模型，2020年GPT3.0模型就有1700億以上參數(shù)，訓(xùn)練一次需要上千萬(wàn)美元。可以想見，GPT3.5訓(xùn)練一次將需要更多的資源，也就只有頭部的互聯(lián)網(wǎng)公司能夠?qū)崿F(xiàn)。在筆者2020年出版的書就有如下論述:

“強(qiáng)化學(xué)習(xí)領(lǐng)域著名教授理查德·薩頓（Richard S. Sutton）則認(rèn)為，人類不應(yīng)試圖把自己的知識(shí)和思維方式植入到AI之中，比如用人類的思路教AI下棋，將讓AI按照人類總結(jié)的思路來(lái)識(shí)別圖像等等。真正的突破，必然來(lái)自完全相反的方向。摒棄人類在特定領(lǐng)域的知識(shí)，充分利用大規(guī)模計(jì)算才是王道。用人類在特定領(lǐng)域的知識(shí)來(lái)提升人工智能，都是在走彎路。OpenAI首席科學(xué)家Ilya Sutskever精辟地總結(jié)了薩頓的核心觀點(diǎn)：大力出奇跡（Compute always wins）。對(duì)此也有相反觀點(diǎn)，牛津大學(xué)計(jì)算機(jī)系教授希蒙·懷特森（Shimon Whiteson）就認(rèn)為構(gòu)建AI需要融入人類知識(shí)，問(wèn)題只在于該何時(shí)、如何、融入哪些知識(shí)。筆者認(rèn)為，在科學(xué)界，自然需要各樣的研究方法論。但在工業(yè)界，“大力出奇跡”，是不二法門。大規(guī)模計(jì)算的作用還遠(yuǎn)遠(yuǎn)沒(méi)有發(fā)掘完，只要數(shù)據(jù)數(shù)量與質(zhì)量、計(jì)算能力持續(xù)提升，加之算法的優(yōu)化，在工業(yè)界一定還有更多的驚喜等著我們?！?/p>

GPT需要如此之多的資源投入，可以想見這條路還遠(yuǎn)沒(méi)有到頭。

智能助理將向前一大步

2020年，GPT3雖然也在一系列NLP數(shù)據(jù)集上取得更好效果，但并沒(méi)有讓人們覺(jué)得驚嘆。而試用過(guò)ChatPGT的人都會(huì)感嘆ChatPGT合理的回答、可設(shè)定角色以及多輪對(duì)話能力。以下是讓ChatPGT介紹下自己以及根據(jù)要求修改自我介紹的示例。

圖片來(lái)源：openai.com

ChatGPT是基于GPT3.5模型，按理說(shuō)不會(huì)比GPT3.0模型上有太大的改進(jìn)。其中模型優(yōu)化來(lái)自：1）人類反饋的強(qiáng)化學(xué)習(xí)(Reinforcement Learning from Human Feedback, RLHF)增強(qiáng)了人類對(duì)模型輸出結(jié)果的調(diào)節(jié)，并且對(duì)結(jié)果進(jìn)行了更具理解性的排序。2）評(píng)估式強(qiáng)化人工訓(xùn)練代理（Training an Agent Manually via Evaluative Reinforcement，TAMER）框架，該框架將人類標(biāo)記者引入到Agents的學(xué)習(xí)循環(huán)中，可以通過(guò)人類向Agents提供獎(jiǎng)勵(lì)反饋，從而快速達(dá)到訓(xùn)練任務(wù)目標(biāo)。之前GPT3提出了一種In-Context Learning的方法，模型不根據(jù)下游任務(wù)調(diào)整參數(shù)，而是將下游任務(wù)的輸入輸出接起來(lái)，引導(dǎo)模型根據(jù)測(cè)試集的輸入生成預(yù)測(cè)結(jié)果，從而讓模型學(xué)習(xí)到當(dāng)前的語(yǔ)境。

更多的模型介紹可以參考下文：

這兩年國(guó)內(nèi)也刷出比GPT3更優(yōu)的效果，筆者也認(rèn)為GPT3.5能達(dá)到如此驚艷的多輪對(duì)話效果，可能更多是在數(shù)據(jù)處理、工程方面的優(yōu)化。

當(dāng)年智能音箱被各家互聯(lián)網(wǎng)公司重視，即使賠本賣，也要出貨量。就是想搶占人機(jī)交互接口。數(shù)字時(shí)代，當(dāng)領(lǐng)域中各類設(shè)備都帶有芯片，傳感器無(wú)處不在，每個(gè)設(shè)備都具備一定信息處理能力，并能將數(shù)據(jù)實(shí)時(shí)與網(wǎng)絡(luò)中云計(jì)算服務(wù)器同步。ChatGPT將不只是讓具備通識(shí)的智能助理近了一大步，更是萬(wàn)物”蘇醒”時(shí)代的人機(jī)協(xié)同不可或缺的接口，各領(lǐng)域助理也向前進(jìn)了一大步。

投資領(lǐng)域智能客服將向前一大步

國(guó)內(nèi)的投資領(lǐng)域智能客服通常方案是通過(guò)模型識(shí)別用戶意圖，匹配到特定的對(duì)話模板中，再往App功能跳轉(zhuǎn)或交易轉(zhuǎn)換。2017年，當(dāng)筆者在螞蟻金服時(shí)，曾負(fù)責(zé)支付寶理財(cái)客服“支小寶”的前身“安娜機(jī)器人”。當(dāng)時(shí)做的一個(gè)創(chuàng)新是將一些投研、基金知識(shí)圖譜與客服機(jī)器人、閑聊機(jī)器人結(jié)合，期望：

結(jié)合金融知識(shí)圖譜和基于深度學(xué)習(xí)自然語(yǔ)言處理模型幫客戶處理紛繁復(fù)雜的市場(chǎng)信息，為的是幫助個(gè)人客戶更好地構(gòu)建自己的理性投資。

但當(dāng)時(shí)并沒(méi)有多輪對(duì)話能力，對(duì)超出標(biāo)準(zhǔn)集覆蓋外的問(wèn)題也只能轉(zhuǎn)到閑聊機(jī)器人，給人比較智障的感覺(jué)。團(tuán)隊(duì)也嘗試做多輪對(duì)話優(yōu)化，僅靠?jī)?nèi)部客服數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠。當(dāng)時(shí)就想金融投資領(lǐng)域搜索交互時(shí)序的數(shù)據(jù)，以及知乎、論壇回復(fù)時(shí)序數(shù)據(jù)應(yīng)該會(huì)有改進(jìn)。這里還是要期待下國(guó)內(nèi)版ChatGPT能盡快問(wèn)世。結(jié)合ChatGPT能力，就能將用戶問(wèn)題映射到一個(gè)相關(guān)合理的回答結(jié)果集，在此基礎(chǔ)上再結(jié)合客戶個(gè)人信息，專業(yè)投研知識(shí)圖譜必能提供更專業(yè)、更合理的回答。

可以想見，各領(lǐng)域智能助理都將因?yàn)镃hatGPT而向前一大步。

難點(diǎn)一：投資需要客觀事實(shí)

前些天為調(diào)戲ChatGPT，人們會(huì)給其一個(gè)錯(cuò)誤假設(shè)，如“賈寶玉愛上紫霞仙子，他們結(jié)局如何？”，那時(shí)ChatGPT基本上會(huì)將這個(gè)錯(cuò)誤前提作為上下文順著意思編一段，近幾天這問(wèn)題已被修復(fù)。這么看來(lái)其也是需要一個(gè)事實(shí)知識(shí)庫(kù)？

在金融投資領(lǐng)域，充斥著謠言，并且謠言與事實(shí)是混在一起。這也是權(quán)威媒體，以及金融數(shù)據(jù)供應(yīng)商不可或缺的原因。今年，國(guó)內(nèi)金融數(shù)據(jù)供應(yīng)商一波提價(jià)，讓一眾金融機(jī)構(gòu)紛紛思考長(zhǎng)期的替代方案，以及將投研數(shù)據(jù)建設(shè)提到更優(yōu)先的位置。想想提價(jià)也是有道理，畢竟國(guó)外彭博（Bloomberg）的價(jià)格在那里，而且每年還漲價(jià)。在2B領(lǐng)域，不可替代性才是利潤(rùn)的王道。有些跑題，金融領(lǐng)域客觀事實(shí)依靠的可靠信息源而不是大眾的點(diǎn)擊反饋。但光依靠金融供應(yīng)商、權(quán)威媒體、知識(shí)庫(kù)、人機(jī)結(jié)合的方案已被證明效果并不理想，如之前Kensho（kensho.com）的嘗試。

ChatGPT最讓人驚艷的事就是不需要構(gòu)建事實(shí)知識(shí)圖譜，靠大模型、海量數(shù)據(jù)和少量人工標(biāo)注（聽說(shuō)只有40人的標(biāo)注團(tuán)隊(duì)）就達(dá)到如此效果。但如何解決事實(shí)的常識(shí)，是大模型很難解決的問(wèn)題之一。在投顧領(lǐng)域，可能的解決方案還是上述所說(shuō)將ChatGPT能力作為智能投顧鏈路的一部分。

更重要的一點(diǎn)，社會(huì)、經(jīng)濟(jì)領(lǐng)域的事實(shí)是有主觀性的，真實(shí)世界事實(shí)映射到數(shù)據(jù)的結(jié)果，與其采取的特定方法是密切相關(guān)的，當(dāng)我們采取了一種方法來(lái)處理、解讀數(shù)據(jù)時(shí)，就使它們成了這樣一種特定方法論、一定主觀性的特定事實(shí)。這樣的主觀性也是經(jīng)濟(jì)、社會(huì)領(lǐng)域不確定性的原因之一，但這也是經(jīng)濟(jì)社會(huì)多樣性的來(lái)源。

難點(diǎn)二：投資需要多樣性

當(dāng)你問(wèn)ChatGPT同樣問(wèn)題，你很可能得到類似回答。筆者也查了下其他人問(wèn)類似問(wèn)題的截圖進(jìn)行驗(yàn)證，的確答案非常類似。模型是有一定泛化能力，而且也可以將多樣性作為模型優(yōu)化指標(biāo)之一，但大模型訓(xùn)練出來(lái)，很難保證多樣性回答。

金融投資是需要多樣性的。近年A股行情中，多次出現(xiàn)白馬股踩踏，分析其原因，大部分是因?yàn)榛痫L(fēng)格的高度趨同化，持倉(cāng)高度相似,一旦市場(chǎng)大幅回調(diào)，會(huì)形成連鎖效應(yīng)，逼迫這些產(chǎn)品的管理人減倉(cāng)止損, 當(dāng)市場(chǎng)的流動(dòng)性缺失時(shí)，又會(huì)加大市場(chǎng)的短期跌幅。雖然這些奉行價(jià)值投資理念的基金，幾百億的規(guī)模，只有白馬股才能為這些資金提供足夠的流動(dòng)性，但這種流動(dòng)性在趨同的策略市場(chǎng)上不堪一擊。只有一種風(fēng)格的股市，暴漲暴跌是正常的，因?yàn)槭袌?chǎng)自我調(diào)節(jié)的作用消失了。哈耶克所在學(xué)派強(qiáng)調(diào)市場(chǎng)過(guò)程，強(qiáng)調(diào)大量獨(dú)立個(gè)體參與，通過(guò)競(jìng)爭(zhēng)中的價(jià)格發(fā)現(xiàn)機(jī)制，把各種有限、當(dāng)?shù)鼗?、碎片化的信息匯聚，達(dá)到有效配置資源進(jìn)行勞動(dòng)分工的目的。差異性信息的有效收集和運(yùn)用是市場(chǎng)發(fā)揮自我調(diào)節(jié)的作用的前提。市場(chǎng)參與者預(yù)期多樣性，決定了市場(chǎng)的彈性。當(dāng)市場(chǎng)的預(yù)期一致時(shí)，不論是否合理，都喪失市場(chǎng)部分重要功能。

OpenAI的論文《Learning from Human Preferences》提到學(xué)習(xí)人類的偏好，學(xué)習(xí)人類偏好本身沒(méi)啥稀奇，所有的搜索推薦模型都在做這事。諾貝爾經(jīng)濟(jì)學(xué)獲得者保羅·薩繆爾森提出顯示偏好公理(Weak Axiom of Revealed Preference)是現(xiàn)代新古典主義經(jīng)濟(jì)學(xué)的基石之一。如果人們共用一個(gè)偏好序列，這一定能被機(jī)器學(xué)到，但多樣性來(lái)源于人們偏好不一致，GPT大模型并沒(méi)有解決對(duì)個(gè)性化的偏好學(xué)習(xí)。而且神經(jīng)科學(xué)發(fā)現(xiàn)，個(gè)體的偏好是不穩(wěn)定的，當(dāng)一個(gè)行為主體進(jìn)行知覺(jué)判斷時(shí)，他要經(jīng)歷一個(gè)隨機(jī)的認(rèn)知過(guò)程，做出一個(gè)隨機(jī)的偏好決策?！八械男盘?hào)（期望主觀價(jià)值也是一個(gè)神經(jīng)信號(hào)）都是隨機(jī)的?！碑?dāng)我們從認(rèn)知科學(xué)角度探討行為主體面對(duì)不確定性環(huán)境下的偏好時(shí)，不僅有其自身的稟賦原因，他們以往的經(jīng)驗(yàn)、經(jīng)歷也將對(duì)決策產(chǎn)生影響。既包括個(gè)人的，也包括社會(huì)、環(huán)境的經(jīng)歷，都將影響我們的偏好。

而且價(jià)值和偏好是在誘導(dǎo)過(guò)程中建立起來(lái)的，偏好是情境的、過(guò)程敏感的，甚至是有可能偏好反轉(zhuǎn)的。借助各種誘導(dǎo)能夠改變偏好因素的相對(duì)權(quán)重，從而產(chǎn)生不同的偏好順序。所以ChatGPT在智能投顧流程中只能作為重要環(huán)節(jié)之一，但不應(yīng)成為主導(dǎo)性環(huán)節(jié)，個(gè)人的偏好還是應(yīng)以用戶自身偏好決定而不是被機(jī)器決定或誘導(dǎo)。ChatGPT的智能投顧方案也應(yīng)是助推多樣性的，而不是扼殺多樣性。市場(chǎng)需要人類的偏好、直覺(jué)，這是多樣性的重要來(lái)源。

作者簡(jiǎn)介

袁峻峰，《人工智能為金融投資帶來(lái)了什么》作者，復(fù)旦大學(xué)金融學(xué)碩士，F(xiàn)RM金融風(fēng)險(xiǎn)管理師，目前就職于國(guó)內(nèi)某大型券商，本文僅代表個(gè)人觀點(diǎn)。筆者關(guān)注于金融投資數(shù)字化、智能化，以及數(shù)字貨幣、WEB3等帶來(lái)的金融領(lǐng)域變革等，歡迎探討。公眾號(hào)：FIN AI 探索

本文系未央網(wǎng)專欄作者:袁峻峰 發(fā)表，內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表網(wǎng)站觀點(diǎn)，未經(jīng)許可嚴(yán)禁轉(zhuǎn)載，違者必究！

免責(zé)聲明：信息網(wǎng)轉(zhuǎn)載此文目的在于傳遞更多信息，不代表本站的觀點(diǎn)和立場(chǎng)。文章內(nèi)容僅供參考，不構(gòu)成投資建議。如果您發(fā)現(xiàn)網(wǎng)站上有侵犯您的知識(shí)產(chǎn)權(quán)的作品，請(qǐng)與我們?nèi)〉寐?lián)系，我們會(huì)及時(shí)修改或刪除。

Tags：[db:TAG標(biāo)簽](1451206)

轉(zhuǎn)載請(qǐng)標(biāo)注：信息網(wǎng)——ChatGPT在智能投顧領(lǐng)域應(yīng)用探討