今天是小王入行整五年的日子。早晨到支行后，小王做的第一件事情便是打开最近部门新安装的Al助手——小智，开始在对话框中录入问题。
“小智，请打开我今天上午的计划表。”
“好的，小王。这是今天上午的计划表，你计划给三个客户打电话，这是预约的时间和他们的电话号码。”
今天要沟通的第一个客户是张女士，印象中这位客户小王迄今为止只联系过一次，并不太熟悉，于是他在系统中勾选了“查找前期通话记录文稿和微信聊天记录”和“查找行内交易数据”两个选项，并在对话框中连续问了三个问题，“小智，我上次与她联系是什么时候?她目前都持有什么投资?最近是否在本行买卖过产品?”
系统只用了两到三秒就给每个问题提供了快速、准确的回答：“根据记录，你上次联系她是一个月零三天前。她最近一个月没有交易过任何产品。目前她的持仓只有两笔定期理财。”
小王继续在系统勾选“查找前期通话记录文稿和微信聊天记录”,问道：“小智，她之前联系时表示对什么产品有兴趣?”
“她表示过对债券型基金和混合型基金有兴趣”,系统很快回答。
“那上次是否有给她推荐债券型或混合型基金产品?她为什么没买?”小王让小智继续在前期通话记录中找答案。
“上次推荐产品时，她表示没有闲钱，将在一个月之后有奖金入账，会考虑进行配置。”
那现在不正是推荐的好时候，小王心想。于是，他立刻勾选了“产品推荐引擎”选项，继续问道，“小智，目前本行在售的混合型基金中，哪款比较匹配张女士的偏好?”
几秒钟之后，小智给出了三个答案，“根据模型的预测，目前有三款产品，分别是AAA、BBB、CCC三只基金，较为适合张女士。”
读海量的通话记录、产品类文档或市场资讯类资料，他甚至不需要熟练掌握各类分析性工具(比如SQL取数、PPT制图、Excel透视分析等)。由于有小智这个不知疲惫且能开展基础信息加工分析的助手，客户经理小王只需要问“对的问题”,就能高效获得精炼的、极有针对性的营销知识和客户洞察，以供进一步决策或行动。生成式AI把小王从占用时间的案头类工作中解放出来，使小王可以将时间和精力尽可能多地放在与客户的直接交互上，同时还能体现出较之前更专业的水平。这就是生成式AI的魅力。
1.2理解根因：什么造就了生成式AI的强大能力?
人工智能已发展多年，历经专家模型、机器学习、深度学习多个阶段。今天生成式AI之所以火热，是因其相较传统AI,在“对话”与“创造”两类能力上实现了根本性的突破。
· 就“对话”能力而言，过去的机器在回答问题时往往缺乏对上下文的理解，导致答案相关性较低，表达机械化；而如今的生成式AI能够理解更长的上下文，并进行拟人化的思考和回答，与人类的对话沟通也更自然；
● 在“创造”能力方面，以往的机器只能按照预设任务(如分类、数值预测)输出答案；而现在，生成式AI能够自动生成自洽的图形、文本甚至代码，具备优秀的内容创作能力，
那么生成式AI背后的大模型，又是如何形成了突破性的对话和创造能力?这离不开科学和工程的双重进步。
一是科学的进步，即算法的突破。AI算法的本质在于特征提取。基于Attention Layer的Transformer技术，是一种新的模型架构，能更好地提取“全局”特征，因此模型的效果更好。Transformer技术使机器能高效捕捉海量语料中一个个词之间的关系，或者海量图片中一个个像素之间的关系，使得大量的知识(本质上表现为词语之间的关系)能被封装在训练好的模型中。由于该模型架构强大的能力，在2018年Transformer技术出现后，三分天下的AI应用领域(计算机视觉、语音识别和自然语言处理)逐渐形成大一统趋势。以前各个领域有一套适配其应用场景的模型架构，如今Transformer可相对较好地处理各类场景的问题。
二是工程的进步，即超大规模的算力和数据的支持。由于基础设施的进步(高算力芯片、高速网络),模型的训练规模较之前深度学习阶段有了数量级的显著跃升。深度学习时代的模型参数通常只有百万量级，只能训练几亿级的文本且还需要人工标记；但以ChatGPT为例的大模型参数可达1,750亿，能训练数万亿级的单词文本且预训练不需要人工标记。正因为训练的语料和参数在量级上的突飞猛进，使大模型体现出的能力远超以前。同时，也因为足够大到能训练和封装几乎全科领域的知识，大模型能表现出很强的“通用性”能力，即一个大模型可以在结合精调后运用到多个完全不同的场景。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
