Yakın zamanda, 'DeepSeek nasıl AI oyununun kurallarını değiştiriyor? AGI'nin yüksek eşiği kayboluyor mu?' konulu bir salon başarıyla gerçekleştirildi. Salon, Xinwang Bankası ve Güneybatı Finans ve Ekonomi Üniversitesi Yönetim Bilimleri ve Mühendislik Fakültesi tarafından ortaklaşa düzenlendi. Xinwang Bankası Başkan Yardımcısı Li Xiusheng, Güneybatı Finans ve Ekonomi Üniversitesi Yönetim Bilimleri ve Mühendislik Fakültesi Finansal Hesaplama Bölümü Direktörü Wang Jun ve Xinwang Bankası Risk Yönetimi Bilimleri Bölümü Sorumlusu Wei Hao, DeepSeek'in arkasındaki teknik sırları ve bankacılık sektöründeki uygulama perspektiflerini tartıştı.
Açık kaynak ve kapalı kaynak nasıl gelişiyor?
OpenAI, Microsoft'in derinleşen işbirliğiyle 'ekosistem tekelini' tetiklerken, NVIDIA, ABD tarihindeki en sıkı AI yonga ihracat kontrolüne maruz kalırken, DeepSeek'in açık kaynak stratejisi beklenmedik bir kapıyı açtı. DeepSeek, geleneksel kapalı AI modellerinden farklı olarak, açık yapısıyla şirketlerin daha gelişmiş büyük modellere daha düşük maliyetlerle erişebilmelerini sağlayarak çoklu senaryo akıllı asistanların yeteneklerini artırıyor.
Yazılım endüstrisinde, açık kaynak ve kapalı kaynak olmak üzere iki model bir arada var ve her ikisinin de başarılı örnekleri var. Li Xiusheng, Linux ve Android'i örnek olarak göstererek, bu ikisinin açık kaynak yazılımlar olarak temsilcilerinin işletim sistemi alanının gelişimine büyük katkıda bulunduğunu belirtti. Aynı zamanda, kapalı kaynak modelinin bir örneği olarak Apple'ın, her zaman yüksek kaliteli mobil uygulamaların önde gelen konumunu koruduğunu belirtti. Bu kurumlar farklı yollar izlemiş olsalar da, hepsi önemli başarılar elde etmiştir.
"Küresel katkıda bulunanların bakış açısından, şahsen ben açık kaynak modelini daha olumlu görüyorum, çünkü daha fazla insanın bilgisini ve gücünü bir araya getirerek teknolojinin ilerlemesini ve yeniliğini destekleyebilir. Gelecekte, açık kaynak ve kapalı kaynak paralel olarak devam edebilir, ancak açık kaynağın potansiyeli umut vericidir." dedi Li Xiusheng.
Wang Jun believes that open source and closed source are intermingled and competitive. Open source technology is open, attracting many developers to participate, promoting rapid technological iteration, but profitability and business models are uncertain. Closed-source focuses on building its own moat and threshold, with huge investment, unique but less diverse business models. Both have their own advantages and disadvantages, so in practice, they may learn from and integrate with each other, forming a competitive situation in some areas.
Piyasa oyuncuları açısından DeepSeek, açık kaynaklı, düşük maliyetli ve verimli büyük bir model olarak, önde gelen teknoloji şirketlerine ciddi bir darbe vurdu. "OpenAI gibi kapalı kaynaklı büyük model şirketleri için, DeepSeek'in fiyatlandırma stratejisi iş modelini ve teknoloji optimizasyon yönünü yeniden değerlendirmeye zorluyor. NVIDIA gibi çip şirketleri için, DeepSeek'in piyasaya sürülmesi, üst düzey çıkarım yapabilmek için yüksek kaliteli GPU'ya bağlı olmanın zorunlu olmadığını kanıtlıyor ve bu tür şirketleri yapay zeka altyapısı yatırım mantığını ve gelişim modelini nasıl ayarlamaları gerektiğini düşündürüyor." dedi Wang Jun.
Ancak dikkat edilmesi gereken bir konu, genel yapay zeka büyük modellerin dijital risk yönetimi konusundaki zorluklarla karşı karşıya olmasıdır. Wei Hao, 'Büyük modellerin geniş bir yeteneğe sahip olmalarına rağmen, sorunları anlama, matematiksel işlemler yapma ve kod oluşturma gibi alanlarda, risk yönetimi gibi dikey bir alanda performansları beklenenden düşük olabilir.' dedi. Bunun nedeni, büyük modellerin eğitiminin genellikle açık internet verilerine ve kodlara dayanması ve risk yönetimi alanına özgü veri korpüsü eğitiminden yoksun olmasıdır, bu nedenle mantığı risk yönetiminin gerçek gereksinimleriyle tam olarak örtüşmeyebilir.
Orta ve küçük bankalar DeepSeek'e mi güveniyor?
Zhejiang Securities Research Report states that the entire training process of DeepSeek-V3 uses less than 2.8 million GPU (Graphics Processing Unit) hours, compared to the training time of Llama3-405B released by Meta, the American internet giant metaverse platform company, which is 30.8 million GPU hours. The training cost of DeepSeek-V3 is about 5.576 million US dollars, while the training cost of the language model GPT-4 released by OpenAI (Open Artificial Intelligence Research Center in the United States) for the chatbot ChatGPT is as high as several billion US dollars.
Geleneksel büyük modellere milyonlarca hatta milyarlarca yatırım yapılırken, DeepSeek'in yerel dağıtım maliyeti milyonun altına kadar düşebilir. Son bilgilere göre, üç temel telekomünikasyon şirketi DeepSeek'in açık kaynaklı büyük modeline tamamen erişmiştir. Şu anda finans sektöründe, bankalardan fonlara ve menkul kıymetlere kadar birçok kuruluş DeepSeek'i yoğun bir şekilde dağıtmaktadır. 2024 yılından itibaren, yeni bir internet bankası, DeepSeek'in büyük modelini sistem geliştirme senaryolarında kullanmaktadır. Araştırma ve geliştirme bilgi soru-cevap asistanı ve kod yazma asistanı oluşturarak, birinci hattaki mühendislerin teknik belgelere erişme süresini kısaltmaktadır.
Li Xiusheng believes that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major conceptual changes. The first is that the emergence of DeepSeek has broken the obsession with 'great strength produces miracles', that is, no longer blindly pursuing extreme computing power. In the past, people often believed that breakthroughs could only be achieved by stacking huge computing power, but DeepSeek has proven that efficient performance can also be achieved with lower computing power through optimizing algorithms and models. The second is that DeepSeek further intensifies the debate between open source and closed source. OpenAI has popularized the concept of large models through ChatGPT, but its closed-source strategy limits the dissemination of technology. The emergence of open-source models like DeepSeek reduces the technical threshold, allowing more institutions to apply large models. This change has profound implications for industries such as banking and financial institutions.
"Gelecek için, teknolojinin sürekli ilerlemesi ve maliyetlerin daha da düşmesiyle, büyük modeller artık sadece büyük bankaların lüksü olmayacak, aksine küçük ve orta ölçekli bankalar gibi finansal kuruluşlarda geniş çapta kullanılabilir hale gelecek. Bu, ticari bankacılığa önemli bir teknolojik dönüşüm trendi getirecek ve daha akıllı ve verimli bir şekilde gelişmelerini teşvik edecek." dedi Li Xiusheng.
Bankacılık sektöründe dijital risk yönetimi alanında, DeepSeek gibi büyük model teknolojilerinin geniş bir uygulama potansiyeli bulunmaktadır. Wei Hao'nun paylaştığı bilgilere göre, DeepSeek'in piyasaya sürülmesi teknik personeli çok heyecanlandırdı, çünkü bu, OpenAI'ın önde gelen çıkarım modeli seviyesine eşdeğer, ayrıca ağırlıklar açık kaynaklı, lisansı esnek, yerelleştirilebilir ve kontrol edilebilir bir şekilde kullanılabilir.
Wei Hao shared his practical experience, 'When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to extract information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve the accuracy of customer assessments and make better decisions.'
Wei Hao, DeepSeek R1'in sahip olduğu derin düşünme yeteneği, düşünce zinciri eğitim modunu kullanarak niyet ve anlam anlama yeteneğini artırabilir. Bu yetenek sadece Çince ile sınırlı değil, aynı zamanda uzun bağlamlar ve karmaşık niyetlerle başa çıkarken de mükemmel bir performans sergileyebilir.
Bankacılık sektörü, bilgi teknolojisi açısından oldukça gelişmiş bir sektör olarak, bilgisayar sistemlerinde birçok önemli değişiklik yaşadı. Manuel işlemlerin bilgisayar sistemleriyle değiştirilmesinden, mobil internetin ortaya çıkmasına kadar, bankalar iş süreçlerini sürekli olarak yeniden şekillendirdi. Şu anda, yapay zeka hızla gelişirken, bankalar dördüncü bilgi sistemleri evriminin zorlukları ve fırsatlarıyla karşı karşıya. Bu büyük modelleme çağında, bankalar kendi akıllı teknoloji uygulama yeteneklerine nasıl uygun bir şekilde inşa etmelidir?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the management and processes of banks from the perspective of the full application of artificial intelligence. Banks need to first consider how to build applications, and then consider how to organize data, improve data quality, label and annotate, and apply external data. Overall, commercial banks need to think from a strategic level, while considering factors such as computing power, data, algorithms, and applications.
Onun tanıtımına göre, Yeni Dijital Banka'nın kurulmasından bu yana, sahtekarlıkla mücadele ve kredi riski kontrolü alanında yapay zeka teknolojisini tamamen kullanarak verimli ve büyük ölçekli kredi işlemlerini gerçekleştirdi. Ancak büyük modellerin ortaya çıkmasıyla, banka daha fazla alanda keşif ve deneme yapmayı düşünmeye başladı. Şu anda Yeni Dijital Banka, müşteri hizmetleri alanında büyük modelleri kullanarak bazı insanı hizmetleri başarıyla değiştirdi ve pazarlama, kredi sonrası yönetimi ve diğer alanlarda büyük modelin uygulanmasını denemektedir.
Bankacılık alanının dışında, Wang Jun, imalat, iklim riski tahmini, bilgisayar, eğitim, medya eğlence gibi alanlarda, büyük modelleme ile ilgili akıllı uygulamaların önemli ölçüde gelişeceğini tahmin ediyor. Wang Jun, "imalat sektöründe büyük modeller, parçaların veya pillerin güvenilirliğini izleyebilir, ömrünü tahmin edebilir; iklim riski tahmini alanında, yapay zeka algoritmaları gelecekteki hava durumunu yorumlayabilir, otobanlar gibi yerler için uyarılar ve rota optimizasyonu sağlayabilir; bilgisayar alanında büyük modeller, kod tamamlama, kod anlama ve oluşturmaya yardımcı olabilir; eğitim alanında, öğrencilerin öğrenme alışkanlıklarına ve davranışlarına dayalı olarak kişiselleştirilmiş büyük modelleri öğrencilerin öğrenmelerine yardımcı olabilir; medya eğlence alanında büyük modeller içerik oluşturmak, model oluşturmak ve sahne kurmak için kullanılabilir, animasyon yapımı, oyun tasarımı ve kısa video yapımı gibi, ayrıca dijital insanlar sentezleyebilir, e-ticaret önerileri gibi kullanılabilir."
Geleceğin bankaları hangi tür yapay zeka yeteneklerine ihtiyaç duyuyor?
Çin Bankacılık Birliği tarafından yayınlanan "2024 Çin Bankacılık Sektörü Geliştirme Raporu"na göre, finans ve yapay zeka doğal bir uyum içinde, yapay zeka büyük model teknolojisi, bankacılık sektörünün devasa verilerine tam olarak dokunabiliyor ve bankacılık sektörü, yapay zeka büyük model teknolojisine uygulanabilen zengin senaryolara sahip. Şu anda, AI modeli, Çin'in bankacılık hizmetlerinin, pazarlamasının, ürünlerinin ve diğer alanlarının kapsamlı inovasyonunu teşvik ediyor ve "geleceğin bankacılığının" gelişinin hızlanmasını hızlandırıyor.
Büyük modellerin bankalar tarafından yaygın olarak kullanılmasıyla, teknik personelin becerilerine de daha yüksek taleplerde bulunulmaktadır. Li Xiusheng, internet uygulama endüstrisinde, internet düşüncenin internet devlerinin başarısına yardımcı olduğunu düşünmektedir. Yapay zeka çağının gelmesiyle, yetenek ihtiyacı finans ve teknoloji alanlarında yapay zeka düşüncelerine sahip karmaşık yetenekler gerektirmektedir.
Yeni web bankacılığı son yıllarda internet düşüncesine vurgu yapmış ve gelecekte yapay zeka düşüncesine önem verecektir. İş ürünü tasarımı, müşteri pazarlaması, günlük işletme faaliyetleri ve bütünsel işletme yönetim sistemi oluşturulurken tümü yapay zeka düşüncesini içerir. Bu nedenle banka, çalışanların bu yeteneğe, temele veya potansiyele sahip olup olmadığını değerlendirecek ve gelecekteki bankacılık gelişimine uyum sağlamak için gerekli yetenekleri geliştirecektir.
"Yapay zeka teknolojisinin sürekli gelişmesi bankacılık profesyonellerine zorluklar getirirken aynı zamanda yeni fırsatlar da sunmaktadır. Değişime karşı, profesyonellerin sakin kalmaları, sürekli öğrenmeleri, çağın gereksinimlerine ayak uydurmaları ve kendi yerlerini toplumda ve iş dünyasında bulmaları gerekmektedir," diye Li Xiusheng teşvik etti. "Teknik personelin kendilerini ayarlamaları, yapay zeka teknolojisini kullanarak yeteneklerini geliştirmeleri gerekmektedir. İş insanlarının endişelenmelerine gerek yok, çünkü yapay zeka teknolojisinin uygulama eşiği düşmüş durumda, bu da bilgisayar bilmeyen kişilerin bile yapay zeka araçlarını kullanarak süreçleri ve uygulamaları oluşturabileceklerini ve değerlerini ortaya koyabileceklerini göstermektedir. Bu nedenle, cesurca öğrenmeye istekli olunduğu sürece, bankacılık profesyonelleri elenmeyecektir, aksine çağın teknolojik ilerlemesine daha iyi uyum sağlayabileceklerdir."
Risk yönetimi iş açısından, Wei Hao, yaparak uygulamanın yapay zeka kontrolünü ele geçirmenin anahtarı olduğunu belirtti. Risk yönetimi alanında, yapay zeka teknolojisinin uygulanması daha yüksek yetenekler gerektirir, sadece teknik prensiplere derin bir anlayışa sahip olmakla kalmaz, aynı zamanda modelin avantajları, yetenek sınırları ve riskleri hakkında tam bir anlayışa sahip olmanız gerekir, böylece teknolojinin doğru bir şekilde uygulandığından emin olabilirsiniz. Bu nedenle, risk yöneticilerinin sağlam bir teknik altyapıya ve geniş bir bilgi yelpazesine sahip olmaları gerekir.
Wang Jun also stated that universities are committed to cultivating compound talents in the field of AI+. "We optimize the curriculum, incorporating courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, allowing students to access AI-related knowledge at the undergraduate level. We have increased practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, and transforming knowledge into practical skills. In addition, we hope to strengthen industry-academia-research cooperation with the industry, allowing students to gain a deeper understanding of industry needs and operations through joint laboratories, expert lectures, etc., thereby stimulating their learning motivation and cultivating talents that meet industry needs."
AI teknolojisinin bankacılık sektöründeki uygulamalarının gelecekteki gelişme eğilimleri hakkında konuşurken, Li Xiusheng, AI ve büyük model teknolojisinin gelişimiyle, ticari bankaların yeni bir dönüşüm dönemine girdiğini belirtti. Bu sadece sistem güncellemelerini değil, aynı zamanda bankanın iş süreçlerini, ürün biçimlerini, karar mekanizmalarını, personel kombinasyonunu ve pozisyon düzenlemelerini derinden değiştirecek. 'Finansal risk yönetiminin özü değişmese de, hizmet şekli, ürün biçimi ve işletme mekanizması büyük değişiklikler geçirecek. Bu süreç belki de kademeli olacak, ancak tahmini olarak üç ila beş yıl sonra, ticari bankaların yüzü tamamen yenilenecek.'
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
【财经分析】DeepSeek突破AI围城：银行业的“奇点时刻”到来？
Yakın zamanda, 'DeepSeek nasıl AI oyununun kurallarını değiştiriyor? AGI'nin yüksek eşiği kayboluyor mu?' konulu bir salon başarıyla gerçekleştirildi. Salon, Xinwang Bankası ve Güneybatı Finans ve Ekonomi Üniversitesi Yönetim Bilimleri ve Mühendislik Fakültesi tarafından ortaklaşa düzenlendi. Xinwang Bankası Başkan Yardımcısı Li Xiusheng, Güneybatı Finans ve Ekonomi Üniversitesi Yönetim Bilimleri ve Mühendislik Fakültesi Finansal Hesaplama Bölümü Direktörü Wang Jun ve Xinwang Bankası Risk Yönetimi Bilimleri Bölümü Sorumlusu Wei Hao, DeepSeek'in arkasındaki teknik sırları ve bankacılık sektöründeki uygulama perspektiflerini tartıştı.
Açık kaynak ve kapalı kaynak nasıl gelişiyor?
OpenAI, Microsoft'in derinleşen işbirliğiyle 'ekosistem tekelini' tetiklerken, NVIDIA, ABD tarihindeki en sıkı AI yonga ihracat kontrolüne maruz kalırken, DeepSeek'in açık kaynak stratejisi beklenmedik bir kapıyı açtı. DeepSeek, geleneksel kapalı AI modellerinden farklı olarak, açık yapısıyla şirketlerin daha gelişmiş büyük modellere daha düşük maliyetlerle erişebilmelerini sağlayarak çoklu senaryo akıllı asistanların yeteneklerini artırıyor.
Yazılım endüstrisinde, açık kaynak ve kapalı kaynak olmak üzere iki model bir arada var ve her ikisinin de başarılı örnekleri var. Li Xiusheng, Linux ve Android'i örnek olarak göstererek, bu ikisinin açık kaynak yazılımlar olarak temsilcilerinin işletim sistemi alanının gelişimine büyük katkıda bulunduğunu belirtti. Aynı zamanda, kapalı kaynak modelinin bir örneği olarak Apple'ın, her zaman yüksek kaliteli mobil uygulamaların önde gelen konumunu koruduğunu belirtti. Bu kurumlar farklı yollar izlemiş olsalar da, hepsi önemli başarılar elde etmiştir.
"Küresel katkıda bulunanların bakış açısından, şahsen ben açık kaynak modelini daha olumlu görüyorum, çünkü daha fazla insanın bilgisini ve gücünü bir araya getirerek teknolojinin ilerlemesini ve yeniliğini destekleyebilir. Gelecekte, açık kaynak ve kapalı kaynak paralel olarak devam edebilir, ancak açık kaynağın potansiyeli umut vericidir." dedi Li Xiusheng.
Wang Jun believes that open source and closed source are intermingled and competitive. Open source technology is open, attracting many developers to participate, promoting rapid technological iteration, but profitability and business models are uncertain. Closed-source focuses on building its own moat and threshold, with huge investment, unique but less diverse business models. Both have their own advantages and disadvantages, so in practice, they may learn from and integrate with each other, forming a competitive situation in some areas.
Piyasa oyuncuları açısından DeepSeek, açık kaynaklı, düşük maliyetli ve verimli büyük bir model olarak, önde gelen teknoloji şirketlerine ciddi bir darbe vurdu. "OpenAI gibi kapalı kaynaklı büyük model şirketleri için, DeepSeek'in fiyatlandırma stratejisi iş modelini ve teknoloji optimizasyon yönünü yeniden değerlendirmeye zorluyor. NVIDIA gibi çip şirketleri için, DeepSeek'in piyasaya sürülmesi, üst düzey çıkarım yapabilmek için yüksek kaliteli GPU'ya bağlı olmanın zorunlu olmadığını kanıtlıyor ve bu tür şirketleri yapay zeka altyapısı yatırım mantığını ve gelişim modelini nasıl ayarlamaları gerektiğini düşündürüyor." dedi Wang Jun.
Ancak dikkat edilmesi gereken bir konu, genel yapay zeka büyük modellerin dijital risk yönetimi konusundaki zorluklarla karşı karşıya olmasıdır. Wei Hao, 'Büyük modellerin geniş bir yeteneğe sahip olmalarına rağmen, sorunları anlama, matematiksel işlemler yapma ve kod oluşturma gibi alanlarda, risk yönetimi gibi dikey bir alanda performansları beklenenden düşük olabilir.' dedi. Bunun nedeni, büyük modellerin eğitiminin genellikle açık internet verilerine ve kodlara dayanması ve risk yönetimi alanına özgü veri korpüsü eğitiminden yoksun olmasıdır, bu nedenle mantığı risk yönetiminin gerçek gereksinimleriyle tam olarak örtüşmeyebilir.
Orta ve küçük bankalar DeepSeek'e mi güveniyor?
Zhejiang Securities Research Report states that the entire training process of DeepSeek-V3 uses less than 2.8 million GPU (Graphics Processing Unit) hours, compared to the training time of Llama3-405B released by Meta, the American internet giant metaverse platform company, which is 30.8 million GPU hours. The training cost of DeepSeek-V3 is about 5.576 million US dollars, while the training cost of the language model GPT-4 released by OpenAI (Open Artificial Intelligence Research Center in the United States) for the chatbot ChatGPT is as high as several billion US dollars.
Geleneksel büyük modellere milyonlarca hatta milyarlarca yatırım yapılırken, DeepSeek'in yerel dağıtım maliyeti milyonun altına kadar düşebilir. Son bilgilere göre, üç temel telekomünikasyon şirketi DeepSeek'in açık kaynaklı büyük modeline tamamen erişmiştir. Şu anda finans sektöründe, bankalardan fonlara ve menkul kıymetlere kadar birçok kuruluş DeepSeek'i yoğun bir şekilde dağıtmaktadır. 2024 yılından itibaren, yeni bir internet bankası, DeepSeek'in büyük modelini sistem geliştirme senaryolarında kullanmaktadır. Araştırma ve geliştirme bilgi soru-cevap asistanı ve kod yazma asistanı oluşturarak, birinci hattaki mühendislerin teknik belgelere erişme süresini kısaltmaktadır.
Li Xiusheng believes that in the field of artificial intelligence, the emergence of DeepSeek has brought about two major conceptual changes. The first is that the emergence of DeepSeek has broken the obsession with 'great strength produces miracles', that is, no longer blindly pursuing extreme computing power. In the past, people often believed that breakthroughs could only be achieved by stacking huge computing power, but DeepSeek has proven that efficient performance can also be achieved with lower computing power through optimizing algorithms and models. The second is that DeepSeek further intensifies the debate between open source and closed source. OpenAI has popularized the concept of large models through ChatGPT, but its closed-source strategy limits the dissemination of technology. The emergence of open-source models like DeepSeek reduces the technical threshold, allowing more institutions to apply large models. This change has profound implications for industries such as banking and financial institutions.
"Gelecek için, teknolojinin sürekli ilerlemesi ve maliyetlerin daha da düşmesiyle, büyük modeller artık sadece büyük bankaların lüksü olmayacak, aksine küçük ve orta ölçekli bankalar gibi finansal kuruluşlarda geniş çapta kullanılabilir hale gelecek. Bu, ticari bankacılığa önemli bir teknolojik dönüşüm trendi getirecek ve daha akıllı ve verimli bir şekilde gelişmelerini teşvik edecek." dedi Li Xiusheng.
Bankacılık sektöründe dijital risk yönetimi alanında, DeepSeek gibi büyük model teknolojilerinin geniş bir uygulama potansiyeli bulunmaktadır. Wei Hao'nun paylaştığı bilgilere göre, DeepSeek'in piyasaya sürülmesi teknik personeli çok heyecanlandırdı, çünkü bu, OpenAI'ın önde gelen çıkarım modeli seviyesine eşdeğer, ayrıca ağırlıklar açık kaynaklı, lisansı esnek, yerelleştirilebilir ve kontrol edilebilir bir şekilde kullanılabilir.
Wei Hao shared his practical experience, 'When dealing with unstructured data, large models like DeepSeek can enhance semantic understanding and text processing capabilities, allowing us to extract information from a wider range of data. In addition, the technology of general intelligent models can also be borrowed by risk control models to improve the accuracy of customer assessments and make better decisions.'
Wei Hao, DeepSeek R1'in sahip olduğu derin düşünme yeteneği, düşünce zinciri eğitim modunu kullanarak niyet ve anlam anlama yeteneğini artırabilir. Bu yetenek sadece Çince ile sınırlı değil, aynı zamanda uzun bağlamlar ve karmaşık niyetlerle başa çıkarken de mükemmel bir performans sergileyebilir.
Bankacılık sektörü, bilgi teknolojisi açısından oldukça gelişmiş bir sektör olarak, bilgisayar sistemlerinde birçok önemli değişiklik yaşadı. Manuel işlemlerin bilgisayar sistemleriyle değiştirilmesinden, mobil internetin ortaya çıkmasına kadar, bankalar iş süreçlerini sürekli olarak yeniden şekillendirdi. Şu anda, yapay zeka hızla gelişirken, bankalar dördüncü bilgi sistemleri evriminin zorlukları ve fırsatlarıyla karşı karşıya. Bu büyük modelleme çağında, bankalar kendi akıllı teknoloji uygulama yeteneklerine nasıl uygun bir şekilde inşa etmelidir?
Li Xiusheng believes that the advent of the era of large models requires banks to rethink how to reshape the management and processes of banks from the perspective of the full application of artificial intelligence. Banks need to first consider how to build applications, and then consider how to organize data, improve data quality, label and annotate, and apply external data. Overall, commercial banks need to think from a strategic level, while considering factors such as computing power, data, algorithms, and applications.
Onun tanıtımına göre, Yeni Dijital Banka'nın kurulmasından bu yana, sahtekarlıkla mücadele ve kredi riski kontrolü alanında yapay zeka teknolojisini tamamen kullanarak verimli ve büyük ölçekli kredi işlemlerini gerçekleştirdi. Ancak büyük modellerin ortaya çıkmasıyla, banka daha fazla alanda keşif ve deneme yapmayı düşünmeye başladı. Şu anda Yeni Dijital Banka, müşteri hizmetleri alanında büyük modelleri kullanarak bazı insanı hizmetleri başarıyla değiştirdi ve pazarlama, kredi sonrası yönetimi ve diğer alanlarda büyük modelin uygulanmasını denemektedir.
Bankacılık alanının dışında, Wang Jun, imalat, iklim riski tahmini, bilgisayar, eğitim, medya eğlence gibi alanlarda, büyük modelleme ile ilgili akıllı uygulamaların önemli ölçüde gelişeceğini tahmin ediyor. Wang Jun, "imalat sektöründe büyük modeller, parçaların veya pillerin güvenilirliğini izleyebilir, ömrünü tahmin edebilir; iklim riski tahmini alanında, yapay zeka algoritmaları gelecekteki hava durumunu yorumlayabilir, otobanlar gibi yerler için uyarılar ve rota optimizasyonu sağlayabilir; bilgisayar alanında büyük modeller, kod tamamlama, kod anlama ve oluşturmaya yardımcı olabilir; eğitim alanında, öğrencilerin öğrenme alışkanlıklarına ve davranışlarına dayalı olarak kişiselleştirilmiş büyük modelleri öğrencilerin öğrenmelerine yardımcı olabilir; medya eğlence alanında büyük modeller içerik oluşturmak, model oluşturmak ve sahne kurmak için kullanılabilir, animasyon yapımı, oyun tasarımı ve kısa video yapımı gibi, ayrıca dijital insanlar sentezleyebilir, e-ticaret önerileri gibi kullanılabilir."
Geleceğin bankaları hangi tür yapay zeka yeteneklerine ihtiyaç duyuyor?
Çin Bankacılık Birliği tarafından yayınlanan "2024 Çin Bankacılık Sektörü Geliştirme Raporu"na göre, finans ve yapay zeka doğal bir uyum içinde, yapay zeka büyük model teknolojisi, bankacılık sektörünün devasa verilerine tam olarak dokunabiliyor ve bankacılık sektörü, yapay zeka büyük model teknolojisine uygulanabilen zengin senaryolara sahip. Şu anda, AI modeli, Çin'in bankacılık hizmetlerinin, pazarlamasının, ürünlerinin ve diğer alanlarının kapsamlı inovasyonunu teşvik ediyor ve "geleceğin bankacılığının" gelişinin hızlanmasını hızlandırıyor.
Büyük modellerin bankalar tarafından yaygın olarak kullanılmasıyla, teknik personelin becerilerine de daha yüksek taleplerde bulunulmaktadır. Li Xiusheng, internet uygulama endüstrisinde, internet düşüncenin internet devlerinin başarısına yardımcı olduğunu düşünmektedir. Yapay zeka çağının gelmesiyle, yetenek ihtiyacı finans ve teknoloji alanlarında yapay zeka düşüncelerine sahip karmaşık yetenekler gerektirmektedir.
Yeni web bankacılığı son yıllarda internet düşüncesine vurgu yapmış ve gelecekte yapay zeka düşüncesine önem verecektir. İş ürünü tasarımı, müşteri pazarlaması, günlük işletme faaliyetleri ve bütünsel işletme yönetim sistemi oluşturulurken tümü yapay zeka düşüncesini içerir. Bu nedenle banka, çalışanların bu yeteneğe, temele veya potansiyele sahip olup olmadığını değerlendirecek ve gelecekteki bankacılık gelişimine uyum sağlamak için gerekli yetenekleri geliştirecektir.
"Yapay zeka teknolojisinin sürekli gelişmesi bankacılık profesyonellerine zorluklar getirirken aynı zamanda yeni fırsatlar da sunmaktadır. Değişime karşı, profesyonellerin sakin kalmaları, sürekli öğrenmeleri, çağın gereksinimlerine ayak uydurmaları ve kendi yerlerini toplumda ve iş dünyasında bulmaları gerekmektedir," diye Li Xiusheng teşvik etti. "Teknik personelin kendilerini ayarlamaları, yapay zeka teknolojisini kullanarak yeteneklerini geliştirmeleri gerekmektedir. İş insanlarının endişelenmelerine gerek yok, çünkü yapay zeka teknolojisinin uygulama eşiği düşmüş durumda, bu da bilgisayar bilmeyen kişilerin bile yapay zeka araçlarını kullanarak süreçleri ve uygulamaları oluşturabileceklerini ve değerlerini ortaya koyabileceklerini göstermektedir. Bu nedenle, cesurca öğrenmeye istekli olunduğu sürece, bankacılık profesyonelleri elenmeyecektir, aksine çağın teknolojik ilerlemesine daha iyi uyum sağlayabileceklerdir."
Risk yönetimi iş açısından, Wei Hao, yaparak uygulamanın yapay zeka kontrolünü ele geçirmenin anahtarı olduğunu belirtti. Risk yönetimi alanında, yapay zeka teknolojisinin uygulanması daha yüksek yetenekler gerektirir, sadece teknik prensiplere derin bir anlayışa sahip olmakla kalmaz, aynı zamanda modelin avantajları, yetenek sınırları ve riskleri hakkında tam bir anlayışa sahip olmanız gerekir, böylece teknolojinin doğru bir şekilde uygulandığından emin olabilirsiniz. Bu nedenle, risk yöneticilerinin sağlam bir teknik altyapıya ve geniş bir bilgi yelpazesine sahip olmaları gerekir.
Wang Jun also stated that universities are committed to cultivating compound talents in the field of AI+. "We optimize the curriculum, incorporating courses such as data analysis, data mining, machine learning, deep learning, and multimodal data, allowing students to access AI-related knowledge at the undergraduate level. We have increased practical training projects and laboratory courses, encouraging students to participate in competitions such as financial technology competitions, and transforming knowledge into practical skills. In addition, we hope to strengthen industry-academia-research cooperation with the industry, allowing students to gain a deeper understanding of industry needs and operations through joint laboratories, expert lectures, etc., thereby stimulating their learning motivation and cultivating talents that meet industry needs."
AI teknolojisinin bankacılık sektöründeki uygulamalarının gelecekteki gelişme eğilimleri hakkında konuşurken, Li Xiusheng, AI ve büyük model teknolojisinin gelişimiyle, ticari bankaların yeni bir dönüşüm dönemine girdiğini belirtti. Bu sadece sistem güncellemelerini değil, aynı zamanda bankanın iş süreçlerini, ürün biçimlerini, karar mekanizmalarını, personel kombinasyonunu ve pozisyon düzenlemelerini derinden değiştirecek. 'Finansal risk yönetiminin özü değişmese de, hizmet şekli, ürün biçimi ve işletme mekanizması büyük değişiklikler geçirecek. Bu süreç belki de kademeli olacak, ancak tahmini olarak üç ila beş yıl sonra, ticari bankaların yüzü tamamen yenilenecek.'
(Makale kaynağı: Xinhua Finance)
Kaynak: Doğu Maliye Ağı
Yazar: Xinhua Finans