金融新基建丨ChatGPT爆火出圈，AI写研报、做投顾的时代来了？
点击蓝字，关注我们
21世纪资管研究院是南方财经全媒体集团旗下致力于资管领域政策和业务研究的独立智库。
人工智能写研报、做投顾的时代或许来临了。
2月5日，财通证券李跃博团队采用聊天机器人ChatGPT撰写了一篇医美行业研究报告《ChatGPT实测：提高外在美，增强内在自信——医疗美容革命》。
在这份由ChatGPT独立撰写的研报中，对医美行业的定义、发展史、项目分类、产业链进行了详尽描述，阐述了全球医美市场发展动态、监管情况，介绍了当下轻医美的崛起、中国医美市场现状及相关法律法规、合规要求，盘点了全球医美行业主要参与者，甚至对疫情后中国和全球医美市场进行了预测。
ChatGPT这款在11月30日由人工智能研究实验室OpenAI发布的聊天机器人，在今年1月份的月活跃用户预计已达到1亿。而今在实现商业化落地后，A股市场ChatGPT、AIGC概念股持续走热，赛为智能、海天瑞声、云从科技、初灵信息、汉王科技等概念股领涨，上周涨幅均超过60%。
向认知智能迈进一大步
“ChatGPT像个人，从能力与情商上接近于一名中级员工。”
在体验ChatGPT后，一位券商投顾团队负责人向记者发出这样的感慨。和以往一些人工智能客服相比，ChatGPT对投资相关泛性问题的回复非常得体，对不了解的内容也很坦诚。
ChatGPT的“类人化”，得益于其认知智能水平的进一步提升。
“ChatGPT的意图理解能力，已经达到了非人类理解人类语言所从未达到的巅峰。”恒生电子首席科学家白硕告诉记者，ChatGPT模型爆火的原因，在于其理解人的语言、生成人的自然语言已经达到一个新的境界。
人工智能的三个层次分别是计算智能、感知智能、认知智能，而ChatGPT代表着人工智能在认知智能方面向前迈了一大步。
据通联数据资深算法专家薛伟介绍，目前机器存储和计算的能力早已超越人类，而视觉、听觉、触觉等机器感知能力也在各行各业有广泛应用，其中最有挑战的就是认知智能，机器的认知智能，需要具有理解和思考的能力，在掌握大量知识储备后进行推理和决策。
“ChatGPT模型中存储了大量的知识，并且能够做一定水平的推理，表现出了一些在之前的小模型中不曾出现过的能力。”薛伟指出，ChatGPT打破了模型性能相对于模型规模的线性增长定律，实现了指数增长，未来随着使用更大规模的语料数据，以及其他的技术上的进步，大模型有望继续提升认知智能的水平。
白硕向记者表示，ChatGPT具备强大的指令学习能力，其能够理解的任务指令不仅包括回答问题，还包括信息检索、文章写作、问题求解、程序设计、作曲等等。同时，ChatGPT能够精准捕捉上下文所确定的代词所指，在多轮对话中准确进行意图识别。
ChatGPT如何进行研报等需要逻辑支撑的文献写作？
他指出，ChatGPT生成的文本之所以具备逻辑性，是基于“思维链”技术。机器通过接受人类的指导训练，学会如何将零散的事件、观点和证据装配成缜密的叙述或论述，要在“论点-论据”这么大的颗粒度上实现现场组装，需要人类高强度的训练，排除很多不可能正确的路径和分支，这就是基于人类反馈的强化学习。
分析师和理财顾问会失业吗？
对于金融行业而言，可以独立撰写研报、服务水平相当于中级投顾的ChatGPT，能否取代投研分析师和理财顾问？
对此，ChatGPT给记者的回答是：“不能替代投资顾问，投资顾问可以根据客户的独特情况为其提供个性化的投资建议，这是我无法替代的。”风险方面，ChatGPT表示，其应用是基于客户信息，存在着隐私泄露的风险。同时，ChatGPT坦言，其应用也存在着一定的准确性问题，因为它是基于人工智能技术，其准确性取悦于使用的算法和训练数据，而且它也无法取代投资顾问的人际关系和投资经验。但ChatGPT表示，自己可以替代投研分析师，因为其可以根据公司的需求，结合市场趋势分析和数据分析，为公司提供投资决策建议，推动公司利润增长。
在使用ChatGPT撰写研报后，财通证券指出：“不可否认的是，ChatGPT在文字表意、标题撰写等方面均具有较高水平，但采用该种直接生成+翻译模式形成的报告具有标点和术语存在明显错误、无法得知引用数据来源及可靠性、部分复杂语句翻译后表意不清晰等问题。”
“ChatGPT像一个优秀的实习生。”某券商债券分析师团队负责人向记者表示，当下这是一个好的工具，但由于国内训练数据更新不及时，其知识储备还存在不足。
另一家券商的债券分析师告诉记者，ChatGPT目前还只能做最基本的科普研究，主观性较强的内容还难以替代，每个领域都有一套自己的研究逻辑，目前ChatGPT还没能掌握。
在投顾领域，目前国内在智能客服、智能投资顾问方面已展开探索。
据浙江大学金融科技研究院首席金融科技专家邵辉向记者介绍，国内线上理财的智能客服往往通过识别用户意图，并匹配到特定的对话模板来实现服务。如2017年支付宝的理财客服“支小宝”的前身“安娜机器人”试图将金融知识图谱与客服机器人和闲聊机器人结合，期望通过基于深度学习的自然语言处理模型处理复杂的市场信息，帮助个人客户做出理性投资，但是存在许多问题，其中一个主要问题，是当时的对话模型缺乏多轮对话能力，如今ChatGPT在多轮对话上取得了重大突破，但对于金融理财或投资仍存在问题。
“金融投资需要多样性。”邵辉指出，当投资者向ChatGPT提问时，可能会得到类似的答案，这主要是由于大规模预语言训练模型难以保证出现多样化答案，因此在智能投顾流程中，ChatGPT只能作为重要环节，而非主导环节，个人偏好也应由用户自己决定，而不是由机器决定或诱导。
通联数据智能投研业务中心总经理许丹青则认为，机器人目前难以替代人工投资顾问的情感陪伴价值。她表示，在不同的市场情况下，投资顾问需要对投资者进行情感陪伴与长期投资者教育，但ChatGPT对于回答的真假认定尚不清晰，理财领域需要的专业市场知识、以及资产配置模型等尚有欠缺，另外在情感陪伴方面，暂时无法像真人一样提供场景化、兼具专业与同理性的顾问服务。
ChatGPT在金融领域的落地畅想
在金融领域，ChatGPT以及其代表的AIGC（人工智能技术生成内容）的商业化落地还有多远？
据薛伟介绍，在投研领域，ChatGPT主要应用的大规模预训练语言模型技术已被广泛投入使用。
数据结构化方面，通过在金融领域经过优化的大模型，实现公告和研报等数据的结构化，大幅提高数据生产效率。另类数据挖掘方面，通过大模型在海量的非结构化文本中挖掘投资信号，针对股票、债券等各类标的，生产丰富多样的情绪数据。在搜索引擎中，大模型能够大幅提升语义搜索的能力，面对复杂多变的语言数据，准确的找到满足用户需求的结果。内容生成方面，基于大模型强大的语言生成能力，完全依赖模型或者通过辅助人工的方式，提高内容生成的效率和质量，包括辅助研究员写研报等场景。投顾领域的技术主要在于知识库的结构化整理、智能问答的实体抽取与上下文识别，对答案进行结构化整合等。
若将ChatGPT引入金融业，白硕表示，还需要解决ChatGPT在金融领域落地的“最后一公里”。
白硕告诉记者，如今ChatGPT可以在公网部署，在运营使用中不断迭代，这是基于它这个大模型的原始能力。但当其引入垂直金融领域落地时，其预训练环节还需要调整。一方面需要做加法，用金融领域的私有、专有数据对其进行增强样本的训练，补足通用模型在金融领域的短板；另一方面需要做减法，将超大模型中金融领域用不到的资源摘除。
“未来，需要将专业性的应用系统，如金融领域已有的专业数据库、专业知识图谱及其他资源，与ChatGPT的意图理解能力、语言生成能力以及场景掌控能力进行对接，解决商业化落地的最后一公里。”白硕表示。
END
►►►
往期荐读