智能投研技术联盟主席杨强：大语言模型在资产管理领域应用前景广阔

视频：秦春刚 制片：张骄

　　上证报中国证券网讯（记者 刘雪）10月21日，智能投研技术联盟（ITL）主席、中国人工智能学会（CAAI）荣誉副理事长杨强在第四届1024资管科技开发者大会上发言表示，大语言模型在资产管理领域拥有广阔的应用前景，希望各方合作共同推动资产管理行业在大语言模型的引领下实现更加精准、高效的服务。

　　当前，科技赋能、数字化转型已成为全球金融业发展的重要焦点和趋势。大语言模型作为人工智能领域的一项重大突破，正以前所未有的速度和广度深刻影响着各行各业，包括金融领域。

　　杨强表示，资产管理作为金融行业的重要组成部分，一直以来都扮演着连接资金供给与需求的纽带。随着金融科技的快速发展，传统资产管理正面临着巨大的变革和挑战。大语言模型作为一种强大的人工智能技术手段，具备优秀的自然语言处理能力和学习能力，在资产管理领域拥有广阔的应用前景。

　　杨强介绍，首先，大语言模型可以提供更加个性化、定制化的资产管理服务。通过学习用户的投资偏好、风险承受能力等信息，大语言模型可以根据不同的需求和特点，为客户提供精准的投资建议和理财规划。这将极大地提升客户的投资体验和满意度。

　　其次，大语言模型可以加强资产管理的智能决策能力。通过分析海量的金融数据和市场信息，大语言模型可以提供更加准确、全面的市场预测和风险评估，帮助资产管理机构做出更明智的投资决策。这将有助于提高投资回报率，并降低风险。

　　“大语言模型还可以优化资产管理的运营效率。”杨强认为，传统的资产管理服务通常需要大量的人力资源和时间成本，而大语言模型可以自动化处理大部分的客户咨询和问题解答，从而减少人工介入的需求，提高工作效率和服务质量。通过颠覆传统的工作方式，大语言模型可以为资产管理机构带来更高的效益和竞争力。

　　在大语言模型的应用过程中，仍面临一些挑战和考验，其中，比较突出的是数据安全和隐私保护问题。

　　杨强表示，资产管理涉及大量敏感的个人和企业财务信息，如何确保这些数据在使用过程中得到充分的保护，是一个重要的问题。

　　“还需关注模型的可解释性和稳定性。”杨强表示，大语言模型由于其复杂的结构和训练方式，可能导致其决策过程缺乏可解释性，这对于资产管理行业来说是一个不容忽视的问题。

　　杨强认为，需要找到合适的方法和技术手段，提高模型的可解释性和鲁棒性（承受故障和干扰的能力），以确保资产管理决策的可信度和可靠性针对以上问题和挑战，智能投研技术联盟将持续关注并积极探索解决方案。

　　“希望行业内共同合作，推动大语言模型在资产管理领域的创新应用，并推动相关政策和标准的制定与落实，为行业的健康发展提供支持和指导。”杨强说。