AIGC重塑金融：AI大模型驱动的金融变革与实践
全新正版 极速发货
￥ 55.38 5.6折 ￥ 99 全新
库存10件
广东广州
认证卖家担保交易快速发货售后保障
作者林建明
出版社机械工业
ISBN9787111743811
出版时间2024-02
装帧其他
开本其他
定价99元
货号31969165
上书时间2024-07-05
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
林建明<br/>萨摩耶云科技集团创始人、董事长兼首席执行官，拥有逾20年金融科技行业经验。金融领域知名的AIGC先行者和实践者，对AIGC在金融领域的应用有深刻的洞察和思考。<br/>曾担任招商银行股份有限公司信用卡中心总工程师，并主导信用卡业务相关技术架构的建设工作。2013年参与成立招联消费金融有限公司（现已成为知名的消费金融公司），率先将数字技术应用于金融行业。曾分别凭借招商银行移动支付系统及招商银行信用卡实时智能决策支持体系，荣获中国人民银行颁发的“银行科技发展奖”二等奖及三等奖。
目录
赞 誉<br />推 荐 序<br />前 言<br />第1章 AIGC开启的AI大航海时代1<br />1.1 大语言模型的过去、现在与未来2<br />1.1.1 大语言模型的过去和现在2<br />1.1.2 大语言模型的未来3<br />1.2 ChatGPT引发的生产力革命3<br />1.2.1 AI新的里程碑：ChatGPT4<br />1.2.2 ChatGPT引领人类进入智慧时代4<br />1.2.3 大模型带动生产力飞跃5<br />1.3 AIGC三大核心技术7<br />1.3.1 生成算法模型7<br />1.3.2 预训练模型11<br />1.3.3 多模态技术12<br />1.4 AIGC爆发，数据、算力和算法共振14<br />1.4.1 数据：作为大模型训练基础资源的高质量数据集需求<br /> 增加15<br />1.4.2 算力：算力需求不断攀升，GPU行业市场潜力巨大18<br />1.4.3 算法：大模型算法助力AIGC突破21<br />1.5 从PGC、UGC到AIGC，传统内容生成模式的颠覆与重塑24<br />第2章 AIGC技术与应用的落地场景29<br />2.1 AIGC产业生态加速形成，走向模型即服务的未来30<br />2.1.1 AIGC架构体系及其重要性30<br />2.1.2 主要参与主体排兵布阵，商业模式探索开始起步33<br />2.1.3 AIGC产业生态版图扩容加速35<br />2.2 AIGC典型应用场景与实践37<br />2.2.1 文本生成39<br />2.2.2 音频生成41<br />2.2.3 图像生成44<br />2.2.4 视频生成47<br />2.2.5 跨模态生成49<br />2.2.6 策略生成52<br />2.3 大模型落地金融领域的风险与挑战54<br />2.3.1 大模型在金融领域的5个典型应用场景54<br />2.3.2 大模型在金融领域应用所面临的风险及其防范56<br />2.3.3 AIGC技术的科林格里奇困境58<br />2.4 金融机构使用AIGC技术的难点与可能路径63<br />第3章 AIGC提升金融业内部生产效率67<br />3.1 提升自动化运营水平68<br />3.1.1 金融行业自动化运营现状68<br />3.1.2 AIGC提升金融机构自动化运营水平70<br />3.1.3 AIGC在自动化运营领域的5类应用场景71<br />3.2 提升数据分析效率75<br />3.2.1 金融行业中常见的数据分析需求75<br />3.2.2 金融机构进行数据分析常用的技术手段76<br />3.2.3 AIGC提升数据分析能力的4个维度77<br />3.3 提升财务报告自动生成水平80<br />3.3.1 技术手段在财务报告生成领域的应用81<br />3.3.2 AIGC提升财务报告自动生成水平的5条路径82<br />3.3.3 AIGC提升财务报告自动生成水平的具体步骤83<br />3.4 提升风险管理效率84<br />3.4.1 技术手段在风险管理方面的应用84<br />3.4.2 AIGC提升风险管理水平的4个维度85<br />3.4.3 AIGC提升金融机构风险管理能力的路径86<br />3.5 提升人机协作效率87<br />3.5.1 数字员工遍布金融行业88<br />3.5.2 数字员工的5点不足90<br />3.5.3 AIGC能有效提升数字员工职场“经验值”91<br />第4章 AIGC提升金融业外部服务效率95<br />4.1 数字人96<br />4.1.1 数字人在金融领域的应用现状96<br />4.1.2 AIGC令数字人更具“服务力”99<br />4.2 智能营销101<br />4.2.1 智能获客101<br />4.2.2 智能运营108<br />4.2.3 营销数据分析与预测110<br />4.2.4 营销活动规划112<br />4.2.5 营销效果评估113<br />4.3 风险信用评估114<br />4.3.1 信贷评估115<br />4.3.2 信用违约预测122<br />4.3.3 贷款利率优化126<br />4.3.4 欺诈检测129<br />4.4 智能投顾134<br />4.4.1 客户画像135<br />4.4.2 资产配置137<br />4.4.3 个性化投资组合管理138<br />第5章 AIGC提升金融科技水平141<br />5.1 重塑算力系统142<br />5.1.1 大模型的算力需求142<br />5.1.2 金融业的算力需求145<br />5.1.3 AIGC辅助算力提升147<br />5.2 提升金融数据处理能力148<br />5.2.1 重构金融数据库149<br />5.2.2 萨摩耶云在重构数据库方面的尝试152<br />5.2.3 提升金融数据的分析和挖掘能力153<br />5.2.4 萨摩耶云在使用AIGC提升数据分析和挖掘能力<br /> 方面的尝试156<br />5.3 加速智能开发157<br />5.3.1 自动编写代码158<br />5.3.2 撰写代码注释159<br />5.3.3 低代码开发160<br />5.3.4 智能调试和故障排查161<br />5.3.5 智能化项目管理和协作162<br />5.3.6 萨摩耶云在加速智能开发方面的经验164<br />5.4 重塑研发团队人员构成167<br />5.5 重塑基础设施架构169<br />第6章 AIGC推动监管科技发展175<br />6.1 监管科技服务的两个主体176<br />6.1.1 监管机构端177<br />6.1.2 金融机构端177<br />6.2 监管科技的发展现状178<br />6.3 AIGC在监管科技中的应用方向180<br />6.3.1 身份识别181<br />6.3.2 数据采集182<br />6.3.3 监管数据报送184<br />6.3.4 风险监测及预警185<br />6.4 AIGC对防范系统性金融风险的作用186<br />第7章 金融业如何安全地使用AIGC189<br />7.1 数据隐私保护190<br />7.2 模型可解释性192<br />7.3 对抗攻击和欺诈行为194<br />7.4 人工干预机制196<br />7.5 合规和监管要求198<br />7.6 用可信AIGC应对科技治理挑战201<br />7.6.1 知识产权202<br />7.6.2 算法歧视204<br />7.6.3 安全挑战207<br />7.6.4 伦理风险208<br />7.6.5 环境风险210<br />7.7 AI治理的欧美实践和国际经验212<br />7.7.1 欧美AI治理的实践212<br />7.7.2 国际AI治理的启示与借鉴213<br />7.8 AIGC的中国合规发展与治理建议214<br />7.8.1 监管文件规范AIGC发展214<br />7.8.2 探索共筑可信AIGC生态新范式215<br />第8章 面向金融业的提示工程217<br />8.1 提示工程的基本概念218<br />8.1.1 什么是提示工程218<br />8.1.2 提示工程的组成部分219<br />8.1.3 提示词通用技巧221<br />8.1.4 迭代式的提示词开发流程226<br />8.1.5 提示工程中的大模型局限性226<br />8.2 金融业提示工程的训练要点和使用技巧227<br />8.2.1 金融业提示词的核心227<br />8.2.2 金融业提示工程的训练要点228<br />8.2.3 金融业提示工程的使用技巧228<br />8.3 提示工程在金融业的使用场景230<br />8.3.1 金融分析和研究报告230<br />8.3.2 自动化客服和理财机器人236<br />8.3.3 智能投顾和投资建议237<br />8.4 提示工程在金融领域的未来发展趋势239<br />第9章 从零开始训练金融领域特定大模型241<br />9.1 构建通用大模型的5个步骤242<br />9.2 从通用大模型到金融大模型243<br />9.2.1 通用大模型直接用于金融领域的5点局限243<br />9.2.2 金融大模型的建设方式245<br />9.3 金融业大模型的应用价值246<br />9.4 构建金融领域特定大模型的7个步骤247<br />9.4.1 通用基础大模型准备247<br />9.4.2 模型训练环境准备248<br />9.4.3 数据集和代码准备249<br />9.4.4 词表扩充和数据预处理249<br />9.4.5 模型训练250<br />9.4.6 模型推理255<br />9.4.7 模型评估256<br />9.5 垂直应用模型在金融领域的场景探索256<br />9.5.1 金融大语言模型256<br />9.5.2 金融风控大模型259<br />9.5.3 投资管理大模型260<br />9.5.4 保险精算大模型261<br />第10章 迈向AGI时代的畅想263<br />10.1 AIGC大模型的未来展望264<br />10.1.1 数据层264<br />10.1.2 算力层265<br />10.1.3 算法层267<br />10.1.4 应用层269<br />10.2 生命3.0：关于人与AI未来的思考270<br />10.3 AGI未来发展预测273<br />10.4 AGI时代金融业的未来畅想274
内容摘要
内容简介本书从技术、应用、安全和监管等维度全面讲解了金融机构应该如何正确地认知和实践AIGC，以此加速实现数字化和智能化。
作者有超过20年的金融科技工作经验，同时有丰富的AI大模型创新和应用经验，在本书中，作者将自己的丰富经验、深入洞察以及国内外的经典案例相结合，为金融行业的AIGC实践指明了方向，提供了方法论。
全书一共10章，具体包含以下内容：AIGC技术演变与应用典型落地场景（第1、2章）首先，深入探究大语言模型的过去、现在与未来，剖析AIGC三大核心技术的发展演变，以及算力、算法、数据在其中的关键作用和相互影响。然后，进一步探讨AIGC技术与应用在典型场景中的具体落地，帮助读者全面理解AIGC的基本原理，为迎接AI新时代夯实理论基础。
AIGC提升金融业内外部效率与方法论（第3~5章）分析AIGC对提升金融业内部生产效率和外部服务效率以及技术能力产生的深远影响。分享全球范围内大模型厂商和金融证券机构的AIGC应用实践，详解该技术在自动化流程、数据分析、风险管理、数字人、智能营销、智能投顾、投资决策等业务领域的具体应用，帮助金融业更好地降本增效、重塑竞争力。
AIGC监管与金融业安全使用策略（第6、7章）重点探讨AIGC在监管科技中的应用，以及金融业如何安全地使用AIGC。结合国际实践经验，同时考虑中国的合规发展现状，提出应对科技治理挑战的对策，旨在建立可信赖的AIGC使用策略。
训练金融大模型的方法与AIGC未来畅想（第8~10章）首先，总结金融业提示工程的训练要点及使用技巧，并探索和分析金融领域特定大模型的训练方法及应用场景。然后，展望大模型发展方向，思考人与AI的未来，畅想AI时代金融业从数字金融向智慧金融转变的路径。
— 没有更多了 —
以下为对购买帮助不大的评价