“數據是數字化時代的石油,是企業發展的戰略性資源,但很多時候,數據并非知識,二者中間隔著重要一環——數據價值的萃取和提煉,形成解釋力,這正是天鏡大模型的著力點。” 近日,馬上消費人工智能研究院院長陸全在金融大模型發展論壇暨馬上消費大模型發布會上表示。

天鏡大模型是馬上消費深入金融企業不同業務場景,運用大模型技術推動企業數據價值挖掘的重要探索。它就像一枚堅硬銳利鉆頭,正幫助企業穿鑿厚重的巖層,抵達、打撈數據富礦。

“天鏡”,意味著大模型就像一面鏡子,是人類思維與智慧經由AI工具,在數字世界的鏡像。要達到“鏡像”人腦、擁有同等思維智能的目標,就不能僅僅是某個工具的單點應用、一個技術元素的簡單嵌入,必須回到問題的原點,整體性思考驅動智能發展的“命門”。

本質上,百模大戰還是認知之爭,發展框架之爭,對AI “第一性原理”的理解不同,研發路徑也大相徑庭。天鏡同其他大模型的本質差異在于,馬上消費在8年金融數字化的積累中,深刻理解了數據對金融企業發展的決定性意義,其研發的底層邏輯也清晰可見——“讓天鏡大模型引爆企業數據潛能”。

在陸全看來,數據是金融企業發展的能源。就非結構化數據來說:人工經驗就像風能、太陽能,無處不在但分散稀疏,需要全新的方式聚合利用;各類圖表、文檔就如藏在頁巖中的新型化石能源,提取方式決定價值高低;而結構化數據如企業數據庫,就像礦藏豐富的大型油田,資源有限且開采門檻很高;至于像數字人這樣的未來形態數據,大范圍應用已成為確定趨勢,但也對數據和知識管理提出了更高的要求。

陸全表示,天鏡大模型將應用于營銷獲客、風險審批,客戶運營、客戶服務、安全合規、資產管理6個零售金融最典型的場景,以模型和數據驅動業務,讓大模型真正落地,解決行業痛點問題。

萃取數據價值,天鏡大模型的“煉金術”

匯聚群體智慧

人才是企業最寶貴的財富,他們身上的經驗、能力豐富而駁雜,有血有肉、活潑生動。以最常見的客服崗位來說,他們沖在第一線,在成千上萬通客服通話中摔打出了自己的話語邏輯和處置經驗。以往,這部分非結構化數據價值不可觀測、追蹤和分析,人走了,知識就流失了。

馬上消費瞄準這一痛點,依托積累的大量的績優客服真實通話數據訓練天鏡大模型,提煉萃取一線人力經驗,匯聚成群體智慧,讓天鏡擁有一對多客戶服務的能力,也可作為人工坐席的輔助角色,幫助推薦、優化回答,大大提高問題解決效率。此外,大模型真正沉淀出群體智慧知識庫,將優秀坐席經驗低成本、規?；瘡椭平o全體客服和新員工,形成創新流水線,實現知識的循環和積累。

行業大模型想實現商業價值,就必須能夠直面客戶,在真實客服場景下檢驗效果。當前,天鏡大模型在智慧營銷和客服場景已運行3個月。實測數據可知,大模型意圖理解準確率達91%,已接近于人,相較于傳統AI的68%有較大提升;客戶參與率和營銷成功率分別為61%和30%,均略高于平均人工坐席57%的參與率和28%的營銷成功率,但和人工績優坐席水平仍有一些差距。

這些差距,也為天鏡大模型“越用越聰明”指明了方向。傳統AI客服依賴話語配置,只能回答特定的問題,但規則的設置不可能窮盡成千上萬細分場景。而大模型能綜合各種信息自主學習并生成“模板”中沒有的回答,實現更為復雜的反饋和決策,并不斷自我優化。

喚醒沉睡知識

發布會上,陸全還讓天鏡大模型秀了一把多文檔處理能力。

他認為,很多企業的數據其實是“虛胖”的、“散裝”的。表面上看,企業內各種文件、圖表等知識規模相當可觀,卻也存在結構性矛盾:非結構性數據藏在“文山書?！敝?知識濃度低,查詢時間和精力成本很高,效率低下,解釋力不足。

大模型的誕生,高效解決了提取、利用非結構化文檔中的數據資料的痛點。例如,將企業招股書、財報、經濟預測數據等文件上傳至大模型后,工作人員可以就文檔提問,如企業利潤變動情況、業務發展分析等問題,天鏡能同時在多個文檔的文字、圖表等多模態文本中找到并融合答案,充分理解后將其組織為人更容易理解的語言。經由天鏡的能力,企業可以在內部織就一張靈活的數據網,交織有序、暢通無阻,數據價值充分釋放。

“深入解析金融領域專業術語、同時查詢定位多個不同文檔、洞悉金融圖表隱含信息、強大歸納總結能力”,陸全總結道,這些能力,正是激活沉睡知識的關鍵。

激活數據生產力,向產業縱深處探尋

所謂引爆企業數據潛能,不僅需要讓數據沉淀成知識,更要充分流動、形成能力,這需要大模型擁有扎根產業的技術洞見,激活生產力。

眾創數據價值

正如“冰山理論”形容的那樣,金融機構生產、留存了大量的數據,但很多時候,它們被埋藏、堆積在水面下,未能應用在實際經營中優化決策,讓數據產生價值。因為“礦”雖富,可“開采”門檻很高,很多時候沒有合適的數據分析師挖掘數據之間的關聯價值。

陸全表示:“大模型時代必然會顛覆人與數據傳統的交互方式?！碧扃R大模型SQL生成平臺不再需要代碼等指令,也不需要專業的數據洞察,可直接向AI 用大白話輸入問題,天鏡自動理解需求、生成結構化的查詢語言,再給出注釋和解釋,按照人的意思去完成任務。

這中間一段復雜的流程被大模型略去后,數據應用門檻極大降低,形成明晰易得的知識體系,沉睡的數據價值被瞬間“激活”,實現人人都能靈活定制、使用數據的目標。這將大大提高資源利用率,實現數據資源彈性伸縮,快速響應各類場景的數據應用,賦能業務發展。

這正是馬上消費追求的“眾創數據價值”的終極目的。

當前,天鏡每日線上SQL生成數量650多次,SPIDER標準數據集EX得分75.2,代表天鏡大模型生成的SQL有75%能在數據集上運行并得到正確結果。ChatGPT此項得分為82分,而天鏡在馬上消費細分業務場景中運行,使用者滿意反饋比例82.3%,意味著天鏡在熟悉業務上的生成能力超過ChatGPT。

打造數字分身

發布會上,以馬上消費數字人框架為基礎,天鏡大模型能力加持的“天鏡數字人”首次亮相。

陸全將天鏡數字人的特點總結為“數字外表+智慧大腦+情感內心”的結合,旨在打造大模型驅動的“三合一”數字員工,擅理解,有溫度,懂心理學的智能秘書,或不休不眠的智能“打工人。

他進一步解釋到,天鏡數字人希望能讓每個員工都能輕松擁有自己的數字分身,上傳一段自己5分鐘的視頻素材并定制一些參數后,就能以極低的成本生成“另一個我”,與本人聲音、表情甚至性格都很像,隨時可以被喚起,成為人人都擁有的超級助手,代替員工完成大量工作。

馬上消費是金融機構中死磕語音識別、情緒識別的公司之一,自研國內領先的AI心理引擎,在該領域積累了大量的專利和核心技術。在“AI心理學”的加持下,數字人對用戶心理的把握更精準,服務更貼心。

“馬上消費持續拓展虛實共生,可信開放的數字融合體”,陸全表示,天鏡大模型不僅致力于為企業提高生產效率,也希望能把個體從大量重復勞動中解放出來,回歸用戶,做深價值,共同迎接大模型時代,讓更多人享受科技普惠帶來的獲得感。

譚建榮、倪光南、孫茂松和楊新民四位院士和近200家金融機構共同見證了天鏡大模型的發布。發布會后,譚建榮院士專程到馬上消費總部座談交流,深入了解大模型關鍵技術研發和產業落地問題。他認為,馬上消費能探索金融大模型,說明是行業的領頭羊。因為“有了數據和模型,才能從不確定的關系轉變為確定的關系,從變量中找出不變量”。

匯集智慧、喚醒知識、眾創價值、數字分身,天鏡大模型在四個場景的應用,分別讓數據價值實現有效沉淀、快速流動、高效運用、生產力倍增,這四維能力也形成引爆數據價值的兩條路經:沉淀那些隱而不彰、分散、小顆粒的數據,降低大塊狀、結構化、多模態數據的使用門檻。