近日，占融数科解决方案资深专家李政远与占融数科金融风控模型专家来守芳在微信视频号“占融数科”为行业人士带来了一场精彩直播。他们系统分析了大语言模型在金融风控领域运用的现状，并就未来大语言模型在该领域运用的发展潜力与阻力进行了探讨。
金融机构，特别是银行机构，在信贷风控上的解释性、有效性、准确性的要求还是比较高的，更倾向于有具体的、可解释的计算逻辑模型。目前来讲，大模型的解释性和稳定性还是不好评估。尽管大语言模型在金融风控模型中的结合取得一些进展，但仍未有较明显的改进。
来守芳认为，未来的金融风控模型将继续朝着智能化、数字化的方向发展，特别是随着深度学习、区块链、大模型等新技术的兴起，金融数据将更加透明和可靠，这将为采用大模型技术进行金融风控提供更准确的数据基础。同时，大语言模型也要妥善解决好数据隐私和安全问题、模型的可解释性和可靠性、针对金融特定场景的训练和优化等问题和挑战。
以下为此次直播分享的主要内容：
大语言模型的能力圈
大语言模型的基础是语言模型，因此，它的极限也被语言模型的极限所限制。因此，理解、把握语言模型能做什么事情，通常也就知道大语言模型的能力范围了。
通常，我们将语言模型能做的事情分为三类：
第一类，信息形式转换。
简而言之，就是将信息从一种形式转换为另一种形式，无论是语音识别还是机器翻译，都属于这一类。在语音识别中，输入的信息是语音声波，输出的信息是文字，它们是一一对应的，因此是信息在形式上的转化。机器翻译也是如此，是从一种语言的编码，转换成另一种语言的编码。需要指出的是，任何形式的信息转换通常都会损失一些信息。
在这一类事情中，一个通常不被人们注意的应用是在医学领域，比如基因测序。此外，借助计算机编写一些简单地程序也属于这个范畴。
第二类，根据要求产生内容
与当下ChatGPT做的主要工作相类似，即根据指令要求生产文本，如回答问题、回复邮件、书写简单的段落，都属于这一类。
这一类工作，输入的信息量明显少于输出的信息量。从信息论的角度看，这会产生很大的不确定性，需要额外补充信息。而补充信息的来源，其实就是语言模型中所包含的信息。因此，如果语言模型中包含了某个话题的很多相关信息，它就可以产生高质量的文本；否则，它给出的答案或者所写的内容有可能会天马行空。
第三类，信息摘要精简
就是将较多的信息精简为较少的信息。比如，为一篇长文撰写摘要，按照要求进行数据分析，分析上市公司的财报，都属于这方面的工作。
这一类工作，输入的信息多，输出的信息少，因此只要算法做得好，就不会出现信息不够用的问题。将信息由多变少，就会面临一个选择，选择保留哪些信息，删除哪些信息。同样的，把更多的信息进行精简，也会得出不同的结果，这就要看算法是如何设计的，它所依赖的语言模型之前都统计过什么样的信息等等。
金融风控模型的过往与未来
金融风控模型是金融行业中非常重要的工具，用于评估借贷应用、信用评分和风险管理。从历程上看，银行风控经历了从过去的传统模式到智能风控，再到当下数字化风控的进化。
传统风控的做法更多是基于专家经验的人工审批，依赖于审贷官对材料的理解与把握，并给出最终意见。假设有两笔贷款同时审批，那么审贷官会根据经验，基于排序做出相应决策，并得出自己的结论，选择甲贷款或者乙贷款。
随着科技进步，特别是大数据的发展与运用，越来越多的弱变量融入风控体系，改变了单一的强变量风险评估。特别是随着新型欺诈手段的层出不穷，银行等金融机构在自动化、大数据、云计算、人工智能、区块链等金融科技领域应用的基础上，逐渐发展、形成智能风控技术体系。
无论是传统体系，还是智能风控体系，其核心是数据。结合最新智能风控技术，对数据实现全面的数字化管理，才能构建起全面数字化风控体系。对于数字化风控，其核心看两个方面的能力：一个是数据积累，另一个就是技术能力。
风险决策自动化是数字化风控的高级表现形式，目前在信用卡审批和小金额的消费金融领域，已经完全实现决策的自动化。
AI 助力金融风控的探索展望
当下，AI技术越来越多地运用到金融风控领域，金融风控也正经历由计算逻辑到广域思维逻辑的跨越，这其中，大语言模型地运用领域越来越广，具体表现在以下三个方面：
首先是智能客服和用户体验。AI技术的进步，大语言模型可以通过自然语言处理和语义理解，实现智能客服的功能。它可以理解用户的问题并给出准确的解答，提供个性化的金融建议和支持，改善用户体验。
其次是反欺诈和安全监测。大语言模型可以通过对内部数据和用户行为数据的分析，识别出潜在的欺诈行为和网络攻击。它可以帮助金融机构在私域内实时监测用户交易和行为数据，及时发现异常情况并采取相应的反欺诈和安全措施。
最后是风险评估与预测。大语言模型可以通过学习和分析海量的金融数据，提高风险评估和预测的准确性。它可以识别潜在的风险因素和关联性，帮助金融机构更好地评估贷款违约风险、信用卡欺诈风险等。同时，大语言模型也能为金融机构提供更准确的盈利预测和市场波动预测。
未来，金融风控模型将继续朝着智能化和数字化方向发展。随着深度学习、区块链、大模型等新技术的兴起，金融数据将更加透明和可靠，这将为采用大语言模型等技术进行金融风控提供更准确的数据基础。