下一个前沿：金融服务的生成式人工智能

像 ChatGPT 这样的生成式人工智能 (AI) 应用程序已经吸引了公众的头条新闻和想象力。生成式 AI 是一种可以创造新内容和想法的人工智能，包括对话、故事、图像、视频和音乐。与所有 AI 一样，生成式 AI 由机器学习 (ML) 模型提供支持，机器学习 (ML) 模型是针对大量数据进行预训练的超大型模型（称为大型语言模型或 LLM），通常被称为基础模型 (FM)。

在金融服务行业，领导者和开发者渴望了解生成式人工智能的潜力并将其付诸实践。

例如，全球银行业领导者毕尔巴鄂比斯开亚阿根廷银行（BBVA） 宣布 计划探索诸如Amazon B edrock 之类的先进技术的潜力，该服务使来自 亚马逊 的财务经理和领先的人工智能初创公司可以通过API访问来创建创新的金融解决方案。

今年早些时候，高盛开始尝试 生成式人工智能用例 ，例如对包括法律合同在内的数百万份文档进行分类和分类。尽管传统的人工智能工具可以帮助解决这些用例，但该组织认为有机会使用法学硕士将这些流程提升到一个新的水平。 摩根大通 最近 还宣布，它正在开发类似ChatGPT的软件服务，以帮助客户选择合适的投资计划。

彭博社 发布了 BloombergGPT™ 的 训练结果，这是一种基于各种金融领域数据训练的新型大规模生成人工智能模型。作为一家金融数据公司，彭博的数据分析师收集和维护了长达40年的金融语言文件。为了改进情感分析等现有的自然语言处理 (NLP) 任务，并扩展人工智能在金融服务中的力量，彭博社创建了一个专为金融设计的 500 亿个参数 LLM（一种生成式人工智能）。

在机器学习的广泛采用方面，我们确实处在一个令人兴奋的转折点，但是随着金融服务行业的领导者向前迈进，他们将需要定义他们想要使用生成式人工智能解决的问题，并制定云战略以创造生成式人工智能的机会。

在这篇博客中，我们将重点介绍金融服务行业的一些生成式 AI 用例、亚马逊云科技 如何帮助客户快速大规模构建和部署生成式 AI 应用程序，以及如何在 亚马逊云科技 开始使用生成式 AI。

金融服务用例

在银行、资本市场、保险和支付领域，高管们渴望了解生成式人工智能和适用的用例，开发人员希望尝试易于使用、安全且可扩展的生成式人工智能工具。下面我们将探讨生成式人工智能可以应用于金融服务行业的四个用例类别。

1。改善客户体验

LLM 可以通过对员工查询做出更直观、更人性化的准确回应来提高员工的工作效率，例如可以回答人力资源相关问题的人力资源机器人。他们还可以为外部客户服务应用程序创建更强大、更具吸引力的对话式 AI 体验，例如为客服提供自动帮助、情境建议和下一步最佳操作的呼叫中心辅助功能。如果没有法学硕士，问题通常必须是预料到的，并且必须由人类作者事先创建一组固定的答案。而使用法学硕士，可以即时生成答案，并且随着新信息的出现，可以将其自动纳入所提供的答案中。

如今，金融服务机构以计算机视觉、光学字符识别和自然语言处理的形式利用机器学习来简化客户入职和了解客户 (KYC) 流程。生成式人工智能可以帮助企业提供灵活且相关的对话，从而改善整体客户体验，例如调整对话风格以匹配客户的对话风格（例如，休闲对话模式或正式对话模式）。

借助 LLM，企业可以自动将来自内部用户和外部客户的复杂问题转化为语义含义，分析上下文，然后生成高度准确的对话式回复。具体而言，法学硕士可以为开放式问题提供长式答案（例如，搜索数千页的法律或技术文档并总结回答问题的要点）。

还可以汇总和分析从客户互动中捕获的数据，例如通话记录和聊天记录，以获取情绪，以便更容易地理解与正面或负面客户体验相关的主题。同样，可以总结和整合个人客户感兴趣的主题和先前对话的背景，以增强全渠道方法并为客户提供统一的品牌体验。

2。提高知识工作者的生产力

生成式人工智能工具可以帮助知识型工作者，例如财务或法律分析师、产品创新者和咨询销售专业人员，提高他们的工作效率和效力。

知识工作者的关注点将从搜索、汇总和总结文本和图像的关键部分转变为检查生成式人工智能模型提供的答案的准确性和完整性。

该用例适用于许多工作职位，包括准备投资建议的财务顾问和分析师、应对新法规影响的合规分析师、起草贷款文件的信贷人员、起草保险单的承保人以及准备RFI回应的销售人员。在所有这些情况下，人类专业人员可以保留编辑权和最终决定权，并能够将注意力转移到其他更具附加值的活动上。

3。了解市场和客户情绪

如今，追 踪事件驱动新闻 的能力已经 存在，许多对冲基金和量化机构已经开发出基于新闻和社交媒体情绪、信心和故事情绪的信号进行市场交易的方法。

但是，传统的以事件为导向的投资策略和监控方法依赖于对已知行为和模式的挖掘。生成式人工智能有可能在没有方向的情况下揭示新的主题和相关情绪。例如，LLM可以通过对具有相似含义的帖子进行聚类并为群组分配情绪的综合衡量标准，从社交媒体内容中识别消费者行为的新趋势。同样，可以快速识别和总结与特定内容（例如新的广告活动）相关的负面情绪。然后，投资者和企业可以迅速对这些信息做出回应。

4。推动产品创新并实现业务流程自动化

生成式人工智能有可能帮助财务顾问和投资者利用对话文本自动创建高度定制的投资策略和投资组合。

例如，财务顾问或投资者可以在财富管理平台上发言或打字：“我想投资在人权状况不佳的国家不依赖原材料开采的清洁能源公司。”然后，一个支持人工智能的生成平台可以提供一份公司名单，并就这些公司被选中的原因提供支持性评论。同样，投资者可以访问和阅读自动生成的有关其投资和投资组合的摘要评论。

鉴于如今，生成式人工智能在准确性方面存在局限性，这些解决方案的初始实施很可能在内部针对财务顾问。要使这些解决方案真正具有可扩展性，就必须克服这些限制，也就是说，如果针对每位零售客户的投资组合量身定制的每日评论必须由人工检查，则至少对大众富裕阶层而言，可能会违背此类生成式人工智能创建评论的目的。

生成式人工智能还可以快速高效地从当今很少使用的文本数据源生成数据产品。例如，年度报告和申报（例如向美国证券交易委员会提交的10-K）主要用作财务报表的来源。这些文档的文本中隐藏着数据，这些数据可能为全球所有或大多数上市公司的产品目录或客户和供应链关系图提供支持。生成式人工智能可以创建这些类型的数据产品，其成本只是手动提取这些信息或使用传统自然语言处理流程提取这些信息所需成本的一小部分。 在过去的博客中 ，我们已经描述了如何微调 LLM 以在特定文件类型（例如美国证券交易委员会申报）上获得最佳性能。

年度报告只是可以提供数据产品的一个重要来源。据估计，非结构化数据（主要是文本）占所有现有数据的80％-90％。生成式人工智能非常适合将这些庞大的书面和口头文字存储库转换为按需结构化或半结构化信息，从而推动投资流程和散户投资者的互动。投资研究、投资者演讲、财报电话会议记录、广播新闻和访谈、报纸、贸易期刊和网站都是内容来源的示例，如果进行全面和适当的总结，可以为投资者提供有针对性的价值情报，例如定价趋势或消费者对特定产品或产品领域的偏好。

建立在 20 多年的经验基础上

20 多年来，人工智能和机器学习一直是亚马逊关注的焦点，亚马逊客户体验的许多方面都由机器学习提供信息或驱动，包括我们的电子商务推荐引擎；优化运营中心机器人拣货路线的路径；以及我们的供应链、预测和容量规划。

Amazon Web Services (亚马逊云科技) 利用亚马逊的经验和客户的经验，目标是普及机器学习，让任何想要使用它的人都能使用它。这包括超过10万名不同规模和行业的客户，我们帮助他们使用具有包括金融服务在内的行业领先能力的人工智能和机器学习进行创新。如今，我们拥有最广泛和最深入的人工智能和机器学习服务组合。

例如，我们开发了 Amazon S ageMaker，这是所有开发人员构建、训练和部署模型的简便方法。我们还提供广泛 的人工智能 (AI) 和机器学习服务 ，使金融服务行业能够通过简单的 API 调用向应用程序添加图像识别、预测和智能搜索等人工 智能功能。如今，像NatWest、Vanguard和PennyMac这样的金融服务领导者以及全球成千上万的初创公司和政府机构，都在使用我们的工具来帮助他们利用人工智能和机器学习来实现组织、行业和使命的转型和发展。

我们对金融服务中的生成式人工智能采取同样的民主化方法，使客户能够在机器学习堆栈的所有三个层面上轻松、实用且经济实惠地在业务中使用，包括：基础架构、工具和专门构建的人工智能服务。我们的生成式人工智能方法是在机器学习堆栈中进行投资和创新，使这项技术脱离研究领域，将其提供给任何规模的客户和各种技能水平的开发人员。

为生成式 AI 机会提供动力

借助 亚马逊云科技，金融服务客户可以灵活地选择他们想要使用生成式 AI 进行构建的方式：使用专门构建的机器学习基础设施构建自己的 FM，利用预先训练的 FM 作为基础模型来构建应用程序，或者使用带有内置生成式 AI 的服务，而无需任何 FM 方面的特定专业知识。为了实现这种灵活性，我们确定了四个重要注意事项，以便您可以快速大规模构建和部署生成式 AI 应用程序。

1。让 亚马逊云科技 成为使用 FM 最容易构建的地方。

借助 Amazon Bedrock，客户可以使用 FM 构建和扩展基于 AI 的生成应用程序，从而使所有构建者的访问权限大众化。Amazon Bedrock 是一项新服务，可通过 API 访问来自亚马逊和领先的人工智能初创公司（包括 AI21 Labs、Anthropic 和 Stability AI）的 FM。Amazon Bedrock 是客户使用 FM 构建和扩展基于 AI 的生成应用程序的最简单方法，从而使所有构建者的访问权限大众化。

2。投资性价比最高的机器学习基础架构。

利用生成式 AI 的力量需要大量的计算资源和数据，这些资源和数据的获取和管理可能既昂贵又耗时。使用我们的 亚马逊云科技 Trainium 和 亚马逊云科技 Inferentia 芯片，我们以最低的成本在云中训练模型和运行推理。

3。部署改变游戏规则的生成式人工智能应用程序，例如亚马逊 CodeWhisperer。

生成式 AI 可以减轻耗时的编码任务的繁重负担，并使用不熟悉的 API 加速构建。 Amazon CodeWhisperer 是一款 AI 编码伙伴，它使用 FM 根据开发人员在自然语言中的注释和先前在集成开发环境 (IDE) 中使用的代码实时生成代码建议，从而从根本上提高开发人员的工作效率。

4。提供使用开源模型或构建自己的 FM 的灵活性。

除了 Bedrock 中的模型外， 亚马逊 SageMaker JumpStart 还是一个提供算法、模型和机器学习解决方案的机器学习中心。借助 SageMaker JumpStart，客户可以发现、探索和部署 Bedrock 中不可用的开源 FM，例如 OpenLlama、redPajama、Mosiac MPT-7B、FLAN-T5/UL2、Gpt-j-6b/Neox-20b 和 Bloom/Bloomz。

准备好开始重新构想今天和明天的业务了吗？

随着金融服务机构的发展，他们将需要充分了解生成人工智能技术，能够比较和对比不同金融机构在特定任务中的功效，并有机会尝试不同的领域适应和模型定制方法。在 亚马逊云科技，我们的目标是让我们的客户能够轻松实用的在业务中探索和使用生成式 AI。

参加 美国东 部时间7月13日上午 11:00 举行的生成式人工智能与金融服务的未来网络研讨会。

了解 有关面向金融服务客户的 亚马逊云科技 AI 和 ML 以及生成式 AI 的更多信息。

开始 使用亚马逊 SageMaker Jumpstart 来解决金融服务的常见用例。