532023.08中国金融电脑数字化发展DevelopmentofDigitalization关于AIGC技术在金融业应用的思考与建议在金融数字化转型的下半场，数智化成为该阶段的主要特征之一，人工智能应用的广度和深度也随之不断拓展。尤其当以ChatGPT为代表的生成式AI（AIGeneratedContent，AIGC）技术横空出世，其展现出的强大生产力更是获得了广泛关注。作为数字技术应用的先锋队，金融业在AI领域积累了大量场景和实践经验，适时引入AIGC技术不仅有助于进一步提高业务数字化、智能化水平，对深入推动金融数字化转型同样具有重要意义。本文在简要分析AIGC技术优势及不足的基础上，尝试探讨了其在金融行业的适用场景，并针对性提出若干应用建议。一、AIGC技术的特点及局限性分析当前，业界主流的AIGC技术主要基于Transformer等预训练模型、GAN与Diffusion等生成算法模型，以及跨模态学习模型等实现，通过利用已有数据进行学习和扩展，可针对特定主题自主生成文本、图像、音频、视频和3D模型等多模态内容。从技术迭代的角度来讲，AIGC技术大幅提升了内容生产效率，开启了人工智能的新范式、新时代。以ChatGPT为例，其作为通用人工智能（ArtificialGeneralIntelligence，AGI）的早期版本，最大的特点是可以像真正的人类一样，提供自然流畅的对话体验。未来，伴随AIGC技术能力的进一步增强，其适用范围也将进一步扩大，如跨学科解决数学、编码、视觉、医学、法律、心理学等领域的复杂难题，且将无需提供额外的特殊提示。但值得注意的是，AIGC技术在加速创新的同时，固有的局限性也影响着其应用和推广：一是在技术层面，AIGC技术缺少规划能力，如难以分解复杂问题、回答可能存在偏见，以及没有自我更新能力、不具备实时搜索功能等，这些都需要通过技术发展来不断完善；二是AIGC内容的版权问题尚未得到解决，从而阻碍了其在商业领域被推广使用，如数据提供方提供了海量的训练数据，模型提供方则参与训练模型并提供服务，很明显两者都对内容生成作出了贡献，而AIGC内容版权的具体归属则尚无明确结论。此外，使用AIGC技术还需要特别关注安全性问题，如科技伦理、数据安全问题等，一旦AI生成的内容不受控制，可能会输出比较危险的内容，甚至包括种族歧视或反人类言论。同时，由于AIGC技术的稳定性较差，还存在被恶意攻击的风险，因此一些非常严谨的场景不太适合使用AIGC技术，而这一系列问题都有待在后续发展中逐一解决。二、AIGC技术在金融领域的适用场景结合金融业已有的人工智能应...
