KI-Agenten sind in der Finanzbranche tätig und es wurde eine große Anzahl von Anwendungen implementiert, aber die Kommerzialisierung wird einige Zeit dauern

AI Agent ist im Jahr 2024 ein hochfrequentiertes Wort im Bereich der künstlichen Intelligenz, auch die Finanzbranche ist mit von der Partie. Auf der Inclusion Bund-Konferenz 2024 wurden KI-Agenten häufig erwähnt, und die Branche geht davon aus, dass KI-Agenten zu einer der Hauptrichtungen für die Entwicklung künstlicher Intelligenz werden werden. Reportern von China Business News ist außerdem aufgefallen, dass zahlreiche Financial-Intelligence-Anwendungen implementiert werden, die der intelligenten Kommunikation zwischen Menschen und Maschinen ein menschlicheres Erlebnis verleihen. Bei Anwendungen im Finanzbereich sind intelligente Agenten jedoch anfällig für „Halluzinationen“. Die Kommerzialisierung wird jedoch einige Zeit in Anspruch nehmen, und auch der entsprechende Regulierungsrahmen muss verbessert werden. In der Finanzbranche tätige KI-Agenten beziehen sich auf Agenten der künstlichen Intelligenz, bei denen es sich um intelligente Einheiten handelt, die die Umgebung wahrnehmen, Entscheidungen treffen und Aktionen ausführen können. Sie verfügen über die Fähigkeit, vorgegebene Ziele durch unabhängige Denk- und Anrufwerkzeuge schrittweise zu erreichen. Aus der Sicht des Benutzers haben intelligente Agenten die Fähigkeit, tief über spezifische Probleme und bestimmte Bereiche nachzudenken und können mit Menschen eher wie „Menschen“ kommunizieren. Laut Han Xinyi, Präsident der Ant Group, sind KI-Agenten als Produktform generativer künstlicher Intelligenz die Kernrichtung der aktuellen Anwendung großer Modelle und ermöglichen es großen Modellen, „Hände und Füße“ wachsen zu lassen. Sun Maosong, ein ausländischer Akademiker der Europäischen Akademie der Wissenschaften und geschäftsführender Vizepräsident des Forschungsinstituts für künstliche Intelligenz der Tsinghua-Universität, wies in einem Interview mit China Business News darauf hin, dass „intelligent“ im Englischen mit „Agent“ übersetzt wird und Das Aufkommen der KI hat diesem Begriff eine neue Bedeutung verliehen. Das Konzept ist relativ weit gefasst und kann sich auf einen intelligenten Roboter oder einen digitalen Menschen in der virtuellen Welt beziehen. Es hat möglicherweise nicht einmal den Begriff „Mensch“, sondern bezieht sich auf eine Software oder ein Werkzeug, das KI-Technologie nutzt, um Menschen bei der Lösung von Problemen zu helfen . KI-Agenten, die großen Modellen mehr menschliche Eigenschaften verleihen können, sind die Kernrichtung aktueller Großmodellanwendungen. Dieser Trend hat sich bereits auf Banken, Versicherungen, Finanzmanagement und andere Finanzbereiche ausgeweitet. Im Jahr 2024 werden viele große Modellhersteller die Anwendungsentwicklung von KI-Agenten untersuchen. In Bezug auf Vermögensverwaltung, Risikobewertung, Kundenservice usw. im Finanzbereich zeigen Agenten ihren kommerziellen Wert. Beispielsweise hat sich das von der Postsparkasse ins Leben gerufene Programm „Postal Savings Brain“ von der Wahrnehmung und Einsicht zur generativen Schöpfung gewandelt und fördert Szenarien wie intelligente Geschäftsassistenten, digitale Kundenbetreuer und „Ark“ der virtuellen Geschäftshallen „Plan“ fördert nach und nach die finanzielle Entwicklung groß angelegter Modelle in diesem Bereich und fördert die Implementierung intelligenter Agenten in Szenarien wie Marketing, Investment-Research-Berichten und Risikokontrolle. KI-Agenten bieten darüber hinaus digitale Informationsdienste für Berufstätige und niederschwellige Vermögensberatungsdienste für die Öffentlichkeit an. Auf der diesjährigen Ausstellung wurde beispielsweise Zhixiaozhu 2.0 vorgestellt, ein intelligenter Assistent, der von der Ant Group auf der Grundlage ihres selbst entwickelten großen Modells und des anpassbaren AgentUnierse-Agenten-Frameworks mit Fachwissen entwickelt wurde. Vor Ort wurde es von einem Publikum gefragt: „Bitte legen Sie einen altersgerechten Investitions- und Finanzmanagementplan vor.“ Es wurden entsprechende Investitionsvorschläge gemacht, die Zielsituation anhand der aktuellen Marktbedingungen analysiert und Schlussfolgerungen aus zwei Aspekten gezogen: Risiko und zurückkehren. . „Die Anwendung der intelligenten Agententechnologie dringt in das öffentliche Leben ein, ohne etwas anzugeben.“ Sun Maosong wies darauf hin, dass wir bereits die Fähigkeit haben, bessere Agenten zu entwickeln, hauptsächlich aufgrund der Fähigkeit, große Sprachmodelle zu generieren. Die „vier großen Fortschritte“ in Die Fähigkeit, Code zu generieren, Bild- und Videoverarbeitungsfunktionen sowie 3D-Modellierungsfunktionen haben intelligenten Agenten neue Entwicklungsmöglichkeiten eröffnet. Sun Maosong ist jedoch auch der Ansicht, dass Intelligenz im Vergleich zu großen Modellen, die unter allgemeinen Bedingungen auf Dialogumgebungen beschränkt sind, ein komplexeres vorgelagertes Konzept ist, das jedoch in dreidimensionalen und vierdimensionalen Räumen diskutiert wird Bei der Implementierung handelt es sich bei Agenten um nachgelagerte Konzepte großer Modelle, die in verschiedenen praktischen Bereichen angewendet werden. Schwierigkeiten und Herausforderungen Der Einsatz von KI-Agenten im Finanzbereich ist der einzige Weg, aber dieser Prozess verläuft nicht reibungslos und es müssen noch viele Probleme und Herausforderungen gelöst werden. Erstens gibt es im Finanzbereich Herausforderungen bei der Kommerzialisierung von KI-Agenten. „Die Kommerzialisierung der intelligenten Agententechnologie braucht noch Zeit für die Iteration.“ Sun Maosong glaubt, dass dies ein Prozess ist, bei dem quantitative Änderungen zu qualitativen Änderungen führen. Es kann mehrere Jahre der Iteration und Akkumulation dauern, bis die Leistung erheblich verbessert wird Der kommerzielle Wert intelligenter Agenten wird sich lohnen. Ich freue mich darauf, aber habe mehr Geduld damit. Der Weg zur Kommerzialisierung von KI-Agenten wird auch durch Forschungs- und Entwicklungskapazitäten begrenzt. Laut Huang Xuanjing, Professor an der Fudan-Universität, gelten intelligente Agenten als vielversprechender Weg zur allgemeinen künstlichen Intelligenz. Es kann die Professionalität großer Sprachmodelle voll zur Geltung bringen und iterative Upgrades verschiedener Dienste bewirken. Gleichzeitig steht die Forschung und Entwicklung intelligenter Agenten jedoch derzeit vor vier großen Herausforderungen: unzureichende Basismodellfähigkeiten, Fehlen eines einheitlichen interaktiven Rahmens, mangelnde Selbstlernfähigkeit und Selbstentwicklung sowie Sicherheits- und ethische Probleme bei intelligenten Agenten. Darüber hinaus stellt das Problem der Illusion großer Modelle eine große Herausforderung für den Einsatz von KI-Agenten in der Finanzbranche dar. Brancheninsider glauben, dass die Fehlertoleranzrate der Finanzbranche sehr niedrig ist, unabhängig davon, ob es sich um Wissensfragen oder um die Inhaltsextraktion handelt. Die Genauigkeit des Modells ist zu einem wichtigen Hindernis für die Einführung generativer Methoden geworden KI in der Finanzbranche. „Große Modelle sind sehr beliebt und ihre Fähigkeiten sind auch sehr mächtig, aber es gibt Bedingungen dafür, dass diese Fähigkeit stark ist. Beispielsweise funktioniert sie in einer Dialogumgebung sehr gut, aber sobald man aus dieser Umgebung herauskommt, sind Ihre Fähigkeiten fraglich.“ .“ Sun Maosong wies darauf hin, dass durch intelligente Agenten und andere die Fähigkeiten großer Modelle weiter verbessert werden könnten und sie sich vom „Co-Piloten“ zum „Hauptfahrer“ entwickeln könnten. „Obwohl große Modelle im Finanzgeschäftsbereich großes Potenzial gezeigt haben, steht ihre umfassende Anwendung in der Finanzbranche immer noch vor vielen Herausforderungen. Laut Wu Lianfeng, Vizepräsident und Chefanalyst von IDC China, ist die aktuelle Kombination aus allgemeinen großen Modellen und dem Die gesamte Branche steckt noch in den Kinderschuhen. Darüber hinaus erfordern die strenge Aufsicht und die strengen Compliance-Anforderungen der Finanzbranche, dass die Umsetzung großer Modelle vorsichtiger sein muss und der Zyklus länger sein wird. Insgesamt ist das Branchenökosystem großer Modelle noch nicht vollständig ausgereift, und eine breite Anwendung erfordert die Bewältigung von Herausforderungen wie Technologie, Branchenentwicklung, Regulierung und Technologieethik.