东方财富人工智能首席科学家刘志毅：大模型应用需聚焦专业场景 AI治理关键在可解释性

21世纪经济报道 见习记者余纪昕 上海报道

12月6日，上海市临港新片区主办的“2024年滴水湖新兴金融大会”隆重举行。当日下午，在南方财经全媒体集团、21世纪经济报道承办的“2024南财数字金融领航者论坛”上，围绕“数字时代的金融变革新趋势”主题，东方财富人工智能首席科学家刘志毅在圆桌论坛上发表了相关观点。

图：刘志毅

刘志毅首先剖析了大模型在金融信息服务领域面临的三大核心应用挑战。"金融行业对信息处理的要求极其严苛，不仅需要应对信息的高度复杂性，更要确保极强的实时性，需要模型有更好的可解释性。"刘志毅以东方财富AI研究院的最新研究成果为例，详细阐述了其团队的技术突破，"我们创新性地运用深度学习架构，构建了多维信息关联网络，使模型能够精准捕捉金融数据间的潜在联系，实现了信息价值的深度挖掘，并且在可解释性上做出新的阐述和突破，这一技术创新显著提升了专业用户的决策效率。"

在信息连接层面，刘志毅介绍了团队采用的双轨并行的技术路线。"第一条技术路径聚焦于信息压缩算法的优化，通过高效的压缩机制实现智能化处理，在保证信息完整性的同时大幅提升处理效率。第二条路径则是创新性地将强化学习应用于大小模型协同，"他进一步解释道，"这种创新的协同机制使模型能够根据不同场景需求灵活调整决策策略，不仅提升了推理的准确性，更实现了效率的质的飞跃。"

针对企业对AI的战略定位问题，刘志毅提出了具有前瞻性的见解。"目前市场存在一个普遍的认知偏差，即将AI简单视为人力替代方案。这种理解既不符合技术发展规律，也限制了AI的价值发挥，"他强调，"我们需要将重点转向如何通过AI增强和拓展人的专业能力。这个新时代的核心特征是人机深度协同，关键在于找准AI介入的最佳场景，在确保成本可控的前提下实现价值最大化。"

在投入产出评估这一重大问题上，刘志毅提出了系统性的战略思维框架。"当前市场普遍存在短视倾向，过分关注即期回报，这种思维方式与AI发展规律存在根本性矛盾，"他指出，"AI投资必须要有更长远的战略眼光，建议以5到10年为规划周期。"刘志毅以通信革命为例，生动阐释了技术演进的规律，"就像从座机到移动通信的跨越一样，大模型技术也需要经历完整的发展周期。在这个过程中，务实的技术路线选择和精准的场景定位显得尤为重要。"

在AI治理方面，刘志毅特别强调了可解释性这一核心命题。"随着AI应用场景的不断拓展，可解释性问题已经成为制约行业发展的关键瓶颈，"他指出，"特别是在金融这样的高风险领域，AI系统的每一个决策都必须是可追溯、可解释的。"

刘志毅介绍了团队在这一领域的创新探索。"我们正在积极研究White box Transformer技术，这是一项突破性的技术创新，"他解释道，"与传统的黑盒模型不同，White box技术让我们能够深入理解AI决策的具体过程，这不仅提升了系统的可信度，更为风险管控提供了坚实基础。"

特别值得一提的是，团队创新性地提出了"算法治理自动化"的理念。"传统的人工监管方式已经难以适应AI快速迭代的特点，"刘志毅强调，"我们正在探索通过算法实现治理自动化，建立起自适应的风险管理机制。这不仅能提升治理效率，更能确保治理措施的及时性和有效性。"

展望未来发展方向，刘志毅特别强调了"AI for Science"的战略价值。"过去二十年，我们见证了互联网在应用层面带来的变革，但这种创新模式已经遇到了天花板，"他分析道，"AI的出现为我们开辟了一条全新的创新路径，让我们有可能突破传统的创新范式限制。"

刘志毅提出的"硬科技+AI"理念，着眼于用AI重塑科技创新的基础范式。"传统的科研创新往往需要20年甚至更长的周期，这与当前快速变化的市场需求存在明显差距，"他解释道，"通过AI赋能，我们有望将这一周期压缩至5-10年，这种效率提升将从根本上改变科技创新的格局。"

在具体实践中，刘志毅认为AI将在多个领域发挥关键作用。"比如在新材料研发领域，AI可以帮助我们快速筛选和优化材料配方；在生物医药领域，AI可以显著加速药物分子的设计和筛选过程，"他举例说明，"这些都是AI与硬科技深度融合的典型案例。"

"更重要的是，这种融合将催生全新的商业模式和产业形态，"刘志毅进一步指出，"我们已经看到一些创新企业开始将AI的计算能力作为基础设施，为传统产业提供创新加速服务。这种模式不仅能够提升创新效率，更有望重塑整个产业的价值链结构。"

刘志毅强调，实现这一愿景需要企业具备精准的战略眼光。"未来的竞争优势将更多地来自于AI与硬科技的深度融合，这要求我们在技术路线选择和场景应用上有更精准的判断，"他总结道，"只有将AI的创新潜力与实体经济的发展需求紧密结合，找准应用场景和突破口，才能真正实现技术创新的价值转化，推动产业升级和经济高质量发展。"