Baru-baru ini, sebuah seminar dengan tema 'DeepSeek Bagaimana Mengubah Aturan Permainan AI? Ambang Batas Tinggi AGI Sedang Menghilang?' berlangsung lancar, diselenggarakan oleh Bank Net Baru dan Sekolah Manajemen Ilmu dan Teknik Keuangan Universitas Ekonomi dan Bisnis Barat Daya. Wakil Presiden Bank Net Baru Li Xiusheng, Direktur Departemen Keuangan Komputasi Sekolah Manajemen Ilmu dan Teknik Keuangan Universitas Ekonomi dan Bisnis Barat Daya Wang Jun, dan Kepala Bagian Ilmu Pengetahuan Risiko Bank Net Baru Wei Hao bersama-sama membahas misteri teknis di balik DeepSeek dan prospek penggunaannya dalam industri perbankan.
Bagaimana perkembangan sumber terbuka dan tertutup?
Ketika kerja sama yang semakin dalam antara OpenAI dan Microsoft menyebabkan kontroversi "monopoli ekologis", dan ketika Nvidia menghadapi kontrol ekspor chip AI yang paling ketat dalam sejarah Amerika Serikat, strategi open source DeepSeek tiba-tiba membuka pintu lain. Berbeda dari model AI tertutup tradisional, keterbukaan DeepSeek memungkinkan perusahaan untuk menggunakan model besar yang lebih canggih dengan biaya lebih rendah untuk meningkatkan kemampuan asisten cerdas multi-skenario.
Dalam industri perangkat lunak, ada dua mode yang berbeda, yaitu open source dan closed source, dan keduanya memiliki contoh keberhasilan. Li Xiusheng mengambil contoh Linux dan Android, menyatakan bahwa keduanya sebagai perwakilan perangkat lunak open source telah mendorong perkembangan di bidang sistem operasi secara besar-besaran. Dia juga menunjukkan bahwa Apple, sebagai contoh dari mode closed source, selalu mempertahankan posisi terdepan dalam aplikasi ponsel high-end. Meskipun jalur organisasi ini berbeda, namun keduanya telah mencapai pencapaian yang signifikan.
Dari sudut pandang menyerap kontributor global, saya pribadi lebih suka model open source, karena dapat mengumpulkan kebijaksanaan dan kekuatan lebih banyak orang, mendorong kemajuan dan inovasi teknologi bersama. Di masa depan, open source dan closed source mungkin akan terus berkembang bersama, tetapi potensi open source layak dinantikan.
Wang Jun believes that open source and closed source are a mutually integrated and competitive relationship. Open source technology is open to attract many developers to participate, promote rapid technological iteration, but the profit ability and business model are uncertain. Closed source focuses on building its own moat and threshold, with huge investment, unique but weak diversity of business models. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, and form a competitive situation in some areas.
Dari sudut pandang subjek pasar, DeepSeek sebagai model besar yang open source, biaya rendah, dan efisien, telah memberikan dampak yang signifikan pada perusahaan teknologi papan atas di pasar. "Bagi perusahaan besar seperti OpenAI yang menggunakan model tertutup, strategi penetapan harga DeepSeek mendorong mereka untuk mengkaji ulang model bisnis dan arah optimalisasi teknologi. Sementara bagi perusahaan chip seperti Nvidia, peluncuran DeepSeek membuktikan bahwa tidak selalu bergantung pada GPU high-end untuk melakukan inferensi tingkat atas, mendorong perusahaan semacam ini untuk mempertimbangkan logika investasi dan model pengembangan infrastruktur AI." kata Wang Jun.
Namun, perlu dicatat bahwa model besar kecerdasan buatan umum menghadapi tantangan dalam menyelesaikan masalah pengendalian risiko digital. Wei Hao menyatakan, "Meskipun model besar memiliki kemampuan yang luas, seperti pemahaman masalah, melakukan perhitungan matematika, dan menghasilkan kode, namun dalam domain vertikal pengendalian risiko ini, kinerjanya tidak sesuai harapan." Alasannya adalah pelatihan model besar terutama bergantung pada data dan kode internet yang terbuka, kurangnya pelatihan korpus data khusus untuk domain pengendalian risiko, sehingga logikanya mungkin tidak sepenuhnya sesuai dengan kebutuhan pengendalian risiko yang sebenarnya.
Bank-bank kecil dan menengah bangkit dengan DeepSeek?
Menurut laporan penelitian dari perusahaan sekuritas Zhejiang, seluruh proses pelatihan DeepSeek-V3 hanya menggunakan kurang dari 2,8 juta jam GPU (unit pemrosesan grafis), sementara durasi pelatihan Llama3-405B yang dirilis oleh Meta, perusahaan raksasa internet Amerika, adalah 30,8 juta jam GPU. Biaya pelatihan DeepSeek-V3 sekitar 557,6 juta dolar AS, sementara biaya pelatihan model bahasa GPT-4 dari OpenAI (Pusat Penelitian Kecerdasan Buatan Terbuka Amerika) untuk chatbot ChatGPT mencapai ratusan juta dolar AS.
Dibandingkan dengan investasi tradisional yang mencapai puluhan hingga miliaran, biaya implementasi DeepSeek secara lokal dapat kurang dari satu juta yuan. Menurut informasi terbaru dari Kementerian Industri dan Informatika, tiga perusahaan telekomunikasi dasar telah sepenuhnya terhubung ke model besar open source DeepSeek. Saat ini di sektor keuangan, sejumlah lembaga dari bank, dana hingga sekuritas, sedang sibuk menerapkan DeepSeek. Sejak Mei 2024, bank internet baru telah menggunakan model besar DeepSeek dalam skenario pengembangan sistem, membangun asisten tanya jawab pengetahuan dan asisten penulisan kode, yang mempersingkat waktu yang diperlukan insinyur garis depan untuk mencari bahan teknis selama proses pengembangan.
Li Xiusheng berpendapat bahwa, dalam bidang kecerdasan buatan, kehadiran DeepSeek telah membawa dua perubahan konsep besar. Pertama, kehadiran DeepSeek telah mematahkan obsesi 'kekuatan besar menghasilkan keajaiban', yaitu tidak lagi mengejar kekuatan komputasi ekstrim secara buta. Sebelumnya, orang sering menganggap bahwa hanya dengan menumpuk kekuatan komputasi yang besar dapat mencapai terobosan, tetapi DeepSeek membuktikan bahwa melalui optimalisasi algoritma dan model, juga dapat mencapai kinerja yang efisien dengan kekuatan komputasi yang lebih rendah. Kedua, DeepSeek lebih lanjut memperparah persaingan antara sumber terbuka dan tertutup. OpenAI melalui ChatGPT telah mempopulerkan konsep model besar, tetapi strategi tertutupnya membatasi penyebaran teknologi. Sementara kehadiran model-model terbuka seperti DeepSeek, menurunkan ambang teknologi, memungkinkan lebih banyak lembaga untuk menerapkan model-model besar. Perubahan ini telah menimbulkan dampak yang dalam bagi industri perbankan dan lembaga keuangan lainnya.
"Untuk masa depan, dengan kemajuan teknologi yang terus berlanjut dan penurunan biaya lebih lanjut, model-model besar tidak lagi menjadi barang mewah eksklusif bank-bank besar, tetapi dapat diterapkan secara luas di bank-bank kecil dan menengah serta lembaga keuangan lainnya. Ini akan membawa tren revolusi teknologi penting bagi bank komersial, mendorong pengembangan mereka menjadi lebih cerdas dan efisien." kata Li Xiusheng.
Dalam bidang pengendalian risiko digitalisasi perbankan, teknologi model besar seperti DeepSeek memiliki prospek aplikasi yang luas. Menurut Weihao, peluncuran DeepSeek membuat para teknisi sangat excited, karena dapat menyaingi tingkat model penalaran teratas OpenAI, serta bobotnya open source, lisensinya longgar, dan dapat digunakan secara lokal dan terkontrol.
Wei Hao menceritakan pengalamannya dalam menggunakan praktik, "Ketika menangani data tak berstruktur, model besar seperti DeepSeek dapat meningkatkan pemahaman semantik dan kemampuan pemrosesan teks, memungkinkan kami untuk mendapatkan informasi dari berbagai data. Selain itu, teknologi model kecerdasan umum juga dapat menjadi acuan bagi model manajemen risiko, meningkatkan akurasi evaluasi pelanggan, dan membuat keputusan yang lebih baik."
Wei Hao menunjukkan bahwa kemampuan berpikir mendalam yang dimiliki oleh DeepSeek R1 dapat meningkatkan kemampuan pemahaman tujuan dan semantik melalui pola latihan rantai pemikiran. Kemampuan ini tidak hanya terbatas pada bahasa Cina, tetapi juga mampu menunjukkan performa yang bagus dalam menangani konteks panjang dan tujuan yang kompleks.
Sebagai industri yang memiliki tingkat informatisasi yang tinggi, industri perbankan telah mengalami berbagai perubahan yang signifikan dalam sistem komputernya. Mulai dari penggunaan sistem komputer untuk menggantikan operasi manual, hingga munculnya internet mobile, bank terus-menerus mengubah proses bisnisnya. Saat ini, dengan perkembangan cepat kecerdasan buatan, bank menghadapi tantangan dan peluang dalam evolusi sistem informasi keempat. Di era model besar, bagaimana seharusnya bank membangun kemampuan penerapan teknologi cerdas yang sesuai dengan dirinya?
Menurut Li Xiusheng, era model besar menuntut bank untuk memikirkan ulang bagaimana merancang manajemen operasional dan proses bank dari sudut pandang penerapan kecerdasan buatan. Bank perlu mempertimbangkan bagaimana membangun aplikasi terlebih dahulu, kemudian memikirkan bagaimana mengatur data, meningkatkan kualitas data, melakukan pelabelan, dan menerapkan data luar. Secara keseluruhan, bank komersial perlu memikirkan dari tingkat strategis sambil mempertimbangkan berbagai faktor seperti daya komputasi, data, algoritma, dan aplikasi.
Menurutnya, sejak berdiri, bank online baru telah sepenuhnya menggunakan teknologi kecerdasan buatan di bidang anti-penipuan dan pengendalian risiko kredit, mencapai penanganan pinjaman yang efisien dan berskala besar. Namun, dengan munculnya model-model besar, bank-bank mulai mempertimbangkan eksplorasi dan percobaan di berbagai bidang. Saat ini, bank online baru telah menerapkan model-model besar di bidang layanan pelanggan, berhasil menggantikan sebagian layanan pelanggan manusia, dan sedang mencoba menerapkan model-model besar di bidang pemasaran dan manajemen paska-kredit.
Selain di bidang perbankan, Wang Jun memprediksi bahwa aplikasi kecerdasan buatan terkait model besar akan mengalami peningkatan yang signifikan di berbagai bidang seperti manufaktur, prediksi risiko iklim, komputer, pendidikan, media hiburan, dan lain-lain. Wang Jun menunjukkan bahwa "di sektor manufaktur, model besar dapat memantau keandalan komponen atau baterai, memprediksi umur pakainya; dalam hal prediksi risiko iklim, algoritma kecerdasan buatan dapat memahami situasi cuaca di masa depan, memberikan peringatan dini dan optimasi rute untuk jalan raya cepat; dalam bidang komputer, model besar dapat membantu dalam melengkapi kode, memahami kode, dan membangunnya; dalam bidang pendidikan, berdasarkan kebiasaan dan perilaku belajar siswa, model besar personalisasi dapat membantu siswa belajar; dalam bidang media hiburan, model besar dapat digunakan untuk menghasilkan konten, membangun model, dan menciptakan skenario, seperti pembuatan animasi, desain permainan, produksi video pendek, dan bahkan sintesis karakter digital, yang digunakan dalam rekomendasi e-commerce."
Apa jenis bakat AI yang diperlukan oleh bank di masa depan?
Menurut Laporan Pengembangan Industri Perbankan Tiongkok Tahun 2024 yang dirilis oleh Asosiasi Industri Perbankan Tiongkok, keuangan dan kecerdasan buatan memiliki titik keselarasan alami, teknologi model besar AI dapat menggali data besar industri perbankan secara menyeluruh, sementara industri perbankan memiliki beragam skenario yang cocok untuk teknologi model besar AI. Saat ini, model besar AI sedang menggerakkan inovasi menyeluruh di bidang layanan perbankan, pemasaran, produk, dan sebagainya di Tiongkok, mempercepat kedatangan "bank masa depan".
Dengan aplikasi yang luas dari model besar oleh bank, juga menempatkan tuntutan yang lebih tinggi pada keterampilan teknologi personel. Menurut Li Xiusheng, dalam industri aplikasi internet, pemikiran internet telah membantu keberhasilan raksasa internet. Dengan kedatangan era kecerdasan buatan, permintaan akan bakat telah berubah menjadi bakat yang merupakan kombinasi keuangan dan teknologi dengan pemikiran kecerdasan buatan.
Bank baru-baru ini telah menekankan pemikiran internet, dan akan fokus pada pemikiran kecerdasan buatan di masa depan. Pemikiran kecerdasan buatan akan diintegrasikan dalam desain produk bisnis, pemasaran pelanggan, kegiatan operasional sehari-hari, dan pembangunan sistem manajemen operasional secara keseluruhan. Oleh karena itu, bank akan mengevaluasi apakah karyawan memiliki kemampuan, dasar, atau potensi ini untuk mengembangkan bakat yang diperlukan untuk perkembangan bank di masa depan.
"Kemajuan teknologi kecerdasan buatan telah memberikan tantangan bagi praktisi perbankan, namun juga memberikan peluang baru. Menghadapi perubahan, praktisi perlu tetap tenang, terus belajar, mengikuti perkembangan zaman, dan menemukan posisi mereka dalam masyarakat dan perusahaan." kata Li Xiusheng. "Teknisi perlu menyesuaikan diri, menggunakan teknologi kecerdasan buatan untuk meningkatkan kemampuan mereka. Sementara itu, pekerja bisnis tidak perlu terlalu khawatir digantikan, karena ambang aplikasi teknologi kecerdasan buatan telah turun, bahkan orang yang tidak mengerti komputer pun dapat menggunakan alat kecerdasan buatan untuk membangun alur kerja dan aplikasi, serta mengoptimalkan nilai diri. Oleh karena itu, selama berani belajar, mengikuti perkembangan teknologi, praktisi perbankan tidak akan tereliminasi, malah akan lebih siap menghadapi kemajuan teknologi zaman."
Dari perspektif bisnis pengendalian risiko, Wei Hao menunjukkan bahwa praktik langsung adalah kunci untuk menguasai kecerdasan buatan. Di bidang pengendalian risiko, penerapan teknologi kecerdasan buatan membutuhkan persyaratan bakat yang lebih tinggi, yang tidak hanya membutuhkan pemahaman mendalam tentang prinsip-prinsip teknis, tetapi juga pemahaman penuh tentang keunggulan, batas kemampuan, dan risiko model untuk memastikan penerapan teknologi yang benar. Oleh karena itu, personel pengendalian risiko perlu memiliki landasan teknis yang mendalam dan berbagai pengetahuan.
Wang Jun juga menyatakan bahwa perguruan tinggi juga berupaya untuk melatih para profesional yang memiliki keterampilan ganda di bidang AI+. "Kami mengoptimalkan pengaturan kurikulum dengan memasukkan kursus-kursus seperti analisis data, eksplorasi data, pembelajaran mesin, pembelajaran mendalam, dan data multimodal, sehingga mahasiswa dapat mengenal pengetahuan terkait kecerdasan buatan sejak tingkat sarjana. Kami juga menambahkan proyek latihan praktikum dan kursus eksperimental, mendorong mahasiswa untuk berpartisipasi dalam kompetisi keuangan dan teknologi, serta mengubah pengetahuan menjadi keterampilan praktis. Selain itu, kami berharap untuk memperkuat kerjasama industri-akademisi dengan membentuk laboratorium bersama, serta penyelenggaraan seminar oleh para ahli, sehingga mahasiswa dapat lebih dalam memahami kebutuhan dan bisnis industri, sehingga dapat memacu motivasi belajar mereka dan melatih para profesional yang sesuai dengan kebutuhan industri."
Ketika berbicara tentang tren pengembangan teknologi AI di industri perbankan, Li Xiusheng menyatakan bahwa dengan perkembangan teknologi AI dan model besar, bank komersial akan menghadapi restrukturisasi baru. Ini tidak hanya melibatkan peningkatan sistem, tetapi juga akan secara mendalam mengubah proses bisnis, bentuk produk, mekanisme pengambilan keputusan, komposisi personel, dan penataan posisi di bank. "Meskipun sifat dasar manajemen risiko keuangan tetap sama, namun cara pelayanan, bentuk produk, dan mekanisme operasi akan mengalami perubahan besar. Proses ini mungkin berlangsung perlahan, namun diperkirakan dalam tiga hingga lima tahun ke depan, wajah bank komersial akan mengalami perubahan yang signifikan."
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
【分析金融】DeepSeek突破AI围城：银行业的“奇点时刻”到来？
Baru-baru ini, sebuah seminar dengan tema 'DeepSeek Bagaimana Mengubah Aturan Permainan AI? Ambang Batas Tinggi AGI Sedang Menghilang?' berlangsung lancar, diselenggarakan oleh Bank Net Baru dan Sekolah Manajemen Ilmu dan Teknik Keuangan Universitas Ekonomi dan Bisnis Barat Daya. Wakil Presiden Bank Net Baru Li Xiusheng, Direktur Departemen Keuangan Komputasi Sekolah Manajemen Ilmu dan Teknik Keuangan Universitas Ekonomi dan Bisnis Barat Daya Wang Jun, dan Kepala Bagian Ilmu Pengetahuan Risiko Bank Net Baru Wei Hao bersama-sama membahas misteri teknis di balik DeepSeek dan prospek penggunaannya dalam industri perbankan.
Bagaimana perkembangan sumber terbuka dan tertutup?
Ketika kerja sama yang semakin dalam antara OpenAI dan Microsoft menyebabkan kontroversi "monopoli ekologis", dan ketika Nvidia menghadapi kontrol ekspor chip AI yang paling ketat dalam sejarah Amerika Serikat, strategi open source DeepSeek tiba-tiba membuka pintu lain. Berbeda dari model AI tertutup tradisional, keterbukaan DeepSeek memungkinkan perusahaan untuk menggunakan model besar yang lebih canggih dengan biaya lebih rendah untuk meningkatkan kemampuan asisten cerdas multi-skenario.
Dalam industri perangkat lunak, ada dua mode yang berbeda, yaitu open source dan closed source, dan keduanya memiliki contoh keberhasilan. Li Xiusheng mengambil contoh Linux dan Android, menyatakan bahwa keduanya sebagai perwakilan perangkat lunak open source telah mendorong perkembangan di bidang sistem operasi secara besar-besaran. Dia juga menunjukkan bahwa Apple, sebagai contoh dari mode closed source, selalu mempertahankan posisi terdepan dalam aplikasi ponsel high-end. Meskipun jalur organisasi ini berbeda, namun keduanya telah mencapai pencapaian yang signifikan.
Dari sudut pandang menyerap kontributor global, saya pribadi lebih suka model open source, karena dapat mengumpulkan kebijaksanaan dan kekuatan lebih banyak orang, mendorong kemajuan dan inovasi teknologi bersama. Di masa depan, open source dan closed source mungkin akan terus berkembang bersama, tetapi potensi open source layak dinantikan.
Wang Jun believes that open source and closed source are a mutually integrated and competitive relationship. Open source technology is open to attract many developers to participate, promote rapid technological iteration, but the profit ability and business model are uncertain. Closed source focuses on building its own moat and threshold, with huge investment, unique but weak diversity of business models. Both have their own advantages and disadvantages, so they may learn from and integrate with each other in practice, and form a competitive situation in some areas.
Dari sudut pandang subjek pasar, DeepSeek sebagai model besar yang open source, biaya rendah, dan efisien, telah memberikan dampak yang signifikan pada perusahaan teknologi papan atas di pasar. "Bagi perusahaan besar seperti OpenAI yang menggunakan model tertutup, strategi penetapan harga DeepSeek mendorong mereka untuk mengkaji ulang model bisnis dan arah optimalisasi teknologi. Sementara bagi perusahaan chip seperti Nvidia, peluncuran DeepSeek membuktikan bahwa tidak selalu bergantung pada GPU high-end untuk melakukan inferensi tingkat atas, mendorong perusahaan semacam ini untuk mempertimbangkan logika investasi dan model pengembangan infrastruktur AI." kata Wang Jun.
Namun, perlu dicatat bahwa model besar kecerdasan buatan umum menghadapi tantangan dalam menyelesaikan masalah pengendalian risiko digital. Wei Hao menyatakan, "Meskipun model besar memiliki kemampuan yang luas, seperti pemahaman masalah, melakukan perhitungan matematika, dan menghasilkan kode, namun dalam domain vertikal pengendalian risiko ini, kinerjanya tidak sesuai harapan." Alasannya adalah pelatihan model besar terutama bergantung pada data dan kode internet yang terbuka, kurangnya pelatihan korpus data khusus untuk domain pengendalian risiko, sehingga logikanya mungkin tidak sepenuhnya sesuai dengan kebutuhan pengendalian risiko yang sebenarnya.
Bank-bank kecil dan menengah bangkit dengan DeepSeek?
Menurut laporan penelitian dari perusahaan sekuritas Zhejiang, seluruh proses pelatihan DeepSeek-V3 hanya menggunakan kurang dari 2,8 juta jam GPU (unit pemrosesan grafis), sementara durasi pelatihan Llama3-405B yang dirilis oleh Meta, perusahaan raksasa internet Amerika, adalah 30,8 juta jam GPU. Biaya pelatihan DeepSeek-V3 sekitar 557,6 juta dolar AS, sementara biaya pelatihan model bahasa GPT-4 dari OpenAI (Pusat Penelitian Kecerdasan Buatan Terbuka Amerika) untuk chatbot ChatGPT mencapai ratusan juta dolar AS.
Dibandingkan dengan investasi tradisional yang mencapai puluhan hingga miliaran, biaya implementasi DeepSeek secara lokal dapat kurang dari satu juta yuan. Menurut informasi terbaru dari Kementerian Industri dan Informatika, tiga perusahaan telekomunikasi dasar telah sepenuhnya terhubung ke model besar open source DeepSeek. Saat ini di sektor keuangan, sejumlah lembaga dari bank, dana hingga sekuritas, sedang sibuk menerapkan DeepSeek. Sejak Mei 2024, bank internet baru telah menggunakan model besar DeepSeek dalam skenario pengembangan sistem, membangun asisten tanya jawab pengetahuan dan asisten penulisan kode, yang mempersingkat waktu yang diperlukan insinyur garis depan untuk mencari bahan teknis selama proses pengembangan.
Li Xiusheng berpendapat bahwa, dalam bidang kecerdasan buatan, kehadiran DeepSeek telah membawa dua perubahan konsep besar. Pertama, kehadiran DeepSeek telah mematahkan obsesi 'kekuatan besar menghasilkan keajaiban', yaitu tidak lagi mengejar kekuatan komputasi ekstrim secara buta. Sebelumnya, orang sering menganggap bahwa hanya dengan menumpuk kekuatan komputasi yang besar dapat mencapai terobosan, tetapi DeepSeek membuktikan bahwa melalui optimalisasi algoritma dan model, juga dapat mencapai kinerja yang efisien dengan kekuatan komputasi yang lebih rendah. Kedua, DeepSeek lebih lanjut memperparah persaingan antara sumber terbuka dan tertutup. OpenAI melalui ChatGPT telah mempopulerkan konsep model besar, tetapi strategi tertutupnya membatasi penyebaran teknologi. Sementara kehadiran model-model terbuka seperti DeepSeek, menurunkan ambang teknologi, memungkinkan lebih banyak lembaga untuk menerapkan model-model besar. Perubahan ini telah menimbulkan dampak yang dalam bagi industri perbankan dan lembaga keuangan lainnya.
"Untuk masa depan, dengan kemajuan teknologi yang terus berlanjut dan penurunan biaya lebih lanjut, model-model besar tidak lagi menjadi barang mewah eksklusif bank-bank besar, tetapi dapat diterapkan secara luas di bank-bank kecil dan menengah serta lembaga keuangan lainnya. Ini akan membawa tren revolusi teknologi penting bagi bank komersial, mendorong pengembangan mereka menjadi lebih cerdas dan efisien." kata Li Xiusheng.
Dalam bidang pengendalian risiko digitalisasi perbankan, teknologi model besar seperti DeepSeek memiliki prospek aplikasi yang luas. Menurut Weihao, peluncuran DeepSeek membuat para teknisi sangat excited, karena dapat menyaingi tingkat model penalaran teratas OpenAI, serta bobotnya open source, lisensinya longgar, dan dapat digunakan secara lokal dan terkontrol.
Wei Hao menceritakan pengalamannya dalam menggunakan praktik, "Ketika menangani data tak berstruktur, model besar seperti DeepSeek dapat meningkatkan pemahaman semantik dan kemampuan pemrosesan teks, memungkinkan kami untuk mendapatkan informasi dari berbagai data. Selain itu, teknologi model kecerdasan umum juga dapat menjadi acuan bagi model manajemen risiko, meningkatkan akurasi evaluasi pelanggan, dan membuat keputusan yang lebih baik."
Wei Hao menunjukkan bahwa kemampuan berpikir mendalam yang dimiliki oleh DeepSeek R1 dapat meningkatkan kemampuan pemahaman tujuan dan semantik melalui pola latihan rantai pemikiran. Kemampuan ini tidak hanya terbatas pada bahasa Cina, tetapi juga mampu menunjukkan performa yang bagus dalam menangani konteks panjang dan tujuan yang kompleks.
Sebagai industri yang memiliki tingkat informatisasi yang tinggi, industri perbankan telah mengalami berbagai perubahan yang signifikan dalam sistem komputernya. Mulai dari penggunaan sistem komputer untuk menggantikan operasi manual, hingga munculnya internet mobile, bank terus-menerus mengubah proses bisnisnya. Saat ini, dengan perkembangan cepat kecerdasan buatan, bank menghadapi tantangan dan peluang dalam evolusi sistem informasi keempat. Di era model besar, bagaimana seharusnya bank membangun kemampuan penerapan teknologi cerdas yang sesuai dengan dirinya?
Menurut Li Xiusheng, era model besar menuntut bank untuk memikirkan ulang bagaimana merancang manajemen operasional dan proses bank dari sudut pandang penerapan kecerdasan buatan. Bank perlu mempertimbangkan bagaimana membangun aplikasi terlebih dahulu, kemudian memikirkan bagaimana mengatur data, meningkatkan kualitas data, melakukan pelabelan, dan menerapkan data luar. Secara keseluruhan, bank komersial perlu memikirkan dari tingkat strategis sambil mempertimbangkan berbagai faktor seperti daya komputasi, data, algoritma, dan aplikasi.
Menurutnya, sejak berdiri, bank online baru telah sepenuhnya menggunakan teknologi kecerdasan buatan di bidang anti-penipuan dan pengendalian risiko kredit, mencapai penanganan pinjaman yang efisien dan berskala besar. Namun, dengan munculnya model-model besar, bank-bank mulai mempertimbangkan eksplorasi dan percobaan di berbagai bidang. Saat ini, bank online baru telah menerapkan model-model besar di bidang layanan pelanggan, berhasil menggantikan sebagian layanan pelanggan manusia, dan sedang mencoba menerapkan model-model besar di bidang pemasaran dan manajemen paska-kredit.
Selain di bidang perbankan, Wang Jun memprediksi bahwa aplikasi kecerdasan buatan terkait model besar akan mengalami peningkatan yang signifikan di berbagai bidang seperti manufaktur, prediksi risiko iklim, komputer, pendidikan, media hiburan, dan lain-lain. Wang Jun menunjukkan bahwa "di sektor manufaktur, model besar dapat memantau keandalan komponen atau baterai, memprediksi umur pakainya; dalam hal prediksi risiko iklim, algoritma kecerdasan buatan dapat memahami situasi cuaca di masa depan, memberikan peringatan dini dan optimasi rute untuk jalan raya cepat; dalam bidang komputer, model besar dapat membantu dalam melengkapi kode, memahami kode, dan membangunnya; dalam bidang pendidikan, berdasarkan kebiasaan dan perilaku belajar siswa, model besar personalisasi dapat membantu siswa belajar; dalam bidang media hiburan, model besar dapat digunakan untuk menghasilkan konten, membangun model, dan menciptakan skenario, seperti pembuatan animasi, desain permainan, produksi video pendek, dan bahkan sintesis karakter digital, yang digunakan dalam rekomendasi e-commerce."
Apa jenis bakat AI yang diperlukan oleh bank di masa depan?
Menurut Laporan Pengembangan Industri Perbankan Tiongkok Tahun 2024 yang dirilis oleh Asosiasi Industri Perbankan Tiongkok, keuangan dan kecerdasan buatan memiliki titik keselarasan alami, teknologi model besar AI dapat menggali data besar industri perbankan secara menyeluruh, sementara industri perbankan memiliki beragam skenario yang cocok untuk teknologi model besar AI. Saat ini, model besar AI sedang menggerakkan inovasi menyeluruh di bidang layanan perbankan, pemasaran, produk, dan sebagainya di Tiongkok, mempercepat kedatangan "bank masa depan".
Dengan aplikasi yang luas dari model besar oleh bank, juga menempatkan tuntutan yang lebih tinggi pada keterampilan teknologi personel. Menurut Li Xiusheng, dalam industri aplikasi internet, pemikiran internet telah membantu keberhasilan raksasa internet. Dengan kedatangan era kecerdasan buatan, permintaan akan bakat telah berubah menjadi bakat yang merupakan kombinasi keuangan dan teknologi dengan pemikiran kecerdasan buatan.
Bank baru-baru ini telah menekankan pemikiran internet, dan akan fokus pada pemikiran kecerdasan buatan di masa depan. Pemikiran kecerdasan buatan akan diintegrasikan dalam desain produk bisnis, pemasaran pelanggan, kegiatan operasional sehari-hari, dan pembangunan sistem manajemen operasional secara keseluruhan. Oleh karena itu, bank akan mengevaluasi apakah karyawan memiliki kemampuan, dasar, atau potensi ini untuk mengembangkan bakat yang diperlukan untuk perkembangan bank di masa depan.
"Kemajuan teknologi kecerdasan buatan telah memberikan tantangan bagi praktisi perbankan, namun juga memberikan peluang baru. Menghadapi perubahan, praktisi perlu tetap tenang, terus belajar, mengikuti perkembangan zaman, dan menemukan posisi mereka dalam masyarakat dan perusahaan." kata Li Xiusheng. "Teknisi perlu menyesuaikan diri, menggunakan teknologi kecerdasan buatan untuk meningkatkan kemampuan mereka. Sementara itu, pekerja bisnis tidak perlu terlalu khawatir digantikan, karena ambang aplikasi teknologi kecerdasan buatan telah turun, bahkan orang yang tidak mengerti komputer pun dapat menggunakan alat kecerdasan buatan untuk membangun alur kerja dan aplikasi, serta mengoptimalkan nilai diri. Oleh karena itu, selama berani belajar, mengikuti perkembangan teknologi, praktisi perbankan tidak akan tereliminasi, malah akan lebih siap menghadapi kemajuan teknologi zaman."
Dari perspektif bisnis pengendalian risiko, Wei Hao menunjukkan bahwa praktik langsung adalah kunci untuk menguasai kecerdasan buatan. Di bidang pengendalian risiko, penerapan teknologi kecerdasan buatan membutuhkan persyaratan bakat yang lebih tinggi, yang tidak hanya membutuhkan pemahaman mendalam tentang prinsip-prinsip teknis, tetapi juga pemahaman penuh tentang keunggulan, batas kemampuan, dan risiko model untuk memastikan penerapan teknologi yang benar. Oleh karena itu, personel pengendalian risiko perlu memiliki landasan teknis yang mendalam dan berbagai pengetahuan.
Wang Jun juga menyatakan bahwa perguruan tinggi juga berupaya untuk melatih para profesional yang memiliki keterampilan ganda di bidang AI+. "Kami mengoptimalkan pengaturan kurikulum dengan memasukkan kursus-kursus seperti analisis data, eksplorasi data, pembelajaran mesin, pembelajaran mendalam, dan data multimodal, sehingga mahasiswa dapat mengenal pengetahuan terkait kecerdasan buatan sejak tingkat sarjana. Kami juga menambahkan proyek latihan praktikum dan kursus eksperimental, mendorong mahasiswa untuk berpartisipasi dalam kompetisi keuangan dan teknologi, serta mengubah pengetahuan menjadi keterampilan praktis. Selain itu, kami berharap untuk memperkuat kerjasama industri-akademisi dengan membentuk laboratorium bersama, serta penyelenggaraan seminar oleh para ahli, sehingga mahasiswa dapat lebih dalam memahami kebutuhan dan bisnis industri, sehingga dapat memacu motivasi belajar mereka dan melatih para profesional yang sesuai dengan kebutuhan industri."
Ketika berbicara tentang tren pengembangan teknologi AI di industri perbankan, Li Xiusheng menyatakan bahwa dengan perkembangan teknologi AI dan model besar, bank komersial akan menghadapi restrukturisasi baru. Ini tidak hanya melibatkan peningkatan sistem, tetapi juga akan secara mendalam mengubah proses bisnis, bentuk produk, mekanisme pengambilan keputusan, komposisi personel, dan penataan posisi di bank. "Meskipun sifat dasar manajemen risiko keuangan tetap sama, namun cara pelayanan, bentuk produk, dan mekanisme operasi akan mengalami perubahan besar. Proses ini mungkin berlangsung perlahan, namun diperkirakan dalam tiga hingga lima tahun ke depan, wajah bank komersial akan mengalami perubahan yang signifikan."
(Sumber artikel: Xinhua Finance)
Sumber: East Money
Penulis: Xinhua Finance