各位金库网的学员们，大家好！今天我们要给大家分享的主题是：Chat GPT 技术发展及金融创新应用的前景分析。我是这次的讲师梁力军老师。那么，Chat GPT 技术自从 2022 年的 10 月份诞生以来，受到了社会各界、学术人士以及技术业界的广泛关注。那什么是 Chat GPT？它会对我们的经济生活、金融产生哪些影响？它的未来发展是怎样的？我首先想从八个字来解释它。第一，它是一种人机的交互方式。在我们传统的人机交互过程中，我们感受到的是僵硬、机械化，而 Chat GPT 给了我们一种自然式的交互过程，能让你在流畅和愉快的氛围内进行交流互动。第二，那么 Chat GPT 给我们带来的是一种类人思维，它可以像你一样去思考问题，给你回答问题。
那么我们今天的内容，会从以下几个方面进行讲解。首先我们来看一部非常神奇的电影，那这部电影是什么？就是印度电影。来，请大家一起来看，叫做《贫民窟的百万富翁》。那这部神奇的印度电影，有一个青年的角色叫做杰玛・马利克，他在相关的知识问答过程中，有了很多很多的答案。请问这些答案他是如何一一答对的？比如说剑桥广场为什么不在剑桥，比如说哪位板球手跑出了史上最满分的、最棒的百分跑，而且那三个火枪手，第三个火枪手的名字叫什么？当我们看到这么多奇葩问题的时候，你的大脑里头会思考的是什么？我的答案在哪，where is my answer？那我们需要飞快地去调阅我们大脑中的思维，那这个信息就是什么？就是信息集、信息库。当我们去分析判断某一个问题的时候，必然需要去思考这个问题，它的答案我曾经在哪看到过，这个问题我需要用什么样的方式去解答，它才是最准确的。
我们下面再看，这部电影为什么会如此之火，获得了 9 项奥斯卡大奖？因为它恰恰给我们回答了一个问题：人是需要思考的。在所有的过程中，我们需要把我们自己的大脑变成一个知识库、信息库、语料库，从中去捞取答案。这是第一部电影给我们的思考。
下面我们再看一下，非常漂亮的一幅画。请大家看到了吗？这是中国的牡丹花，这个不是人画的，这是谁画的？是 Chat GPT 画的。当我们要想得到这样的绚烂多姿的几幅画，我们需要用哪些关键词，或者是用哪些检索词能让它表达？好，请看：圆润饱满五海花，红色花潮，青绿色的叶子，包括花蕊等等细节。当你的描述词越丰富、越细致的时候，那我们的 Chat GPT，它在搜索答案、形成相关的输出的时候，它会越来越丰富。请大家琢磨一下，Chat GPT 需要从图，包括语料，通过文字的库里头，去提取这样的一些画作，然后按照你的要求，变成了你希望所达到的成果，或者是作品，这叫什么？这叫做成果输出。那么成果输出之前，必须得有什么？大量的信息输入。
现在大家开始理解了，Chat GPT 应该是有两个过程：第一是信息源的输入；第二，那就是信息源的输出。但是最重要的过程是什么？是在中间如何通过大数据的模型，包括相关的计算，把我们这些过程，还有我们相应想达到的一个结果，进行一个模型运算，这个模型叫做 Transformer，我们一会会进行讲解。
请大家再看一个画作，这个画作，大家是不是感觉到非常的玄幻？因为这个画作，是在 2022 年的时候，美国的数字艺术大赛的时候，曾经由人工智能机器人叫做 MANTI 画的一幅画，叫做《太空歌剧院》。那这个太空歌剧院，获得了当年比赛的一等奖。请看，当我们在听取相关的音乐作品的时候，我们看到了一个遥远的未来，那这幅作品，完全是由谁画的？就是机器人。那机器人在画作的时候，它需要什么？它需要思考。所以 Chat GPT 最重要的过程是，如何把素材加工成我们想要的东西，过程中靠的是什么？靠的是类人思考，那这个思考本身就是一个模型计算。
好，下面我们给大家放一个视频，请大家一起来观看。这是瑞典的一家银行，那这家银行，它在 2017 年的时候，引入了一个很神奇的数字虚拟人。请大家来看这个数字虚拟人，它会像人一样，然后跟你交流互动，在介绍它的产品：“我是一个热爱学习的，7×24 小时从来不休息的数字虚拟人。那我可以干什么？我具有服务意识，我可以给你提供个性化和定制化的服务。” 那如何去经营服务的时候，我们看一下它的特点：一、它可以帮你在网站上设计你自己的人生规划、财富规划，包括你相应的企业是如何经营；第二，我们可以看一下这位用户，他干什么？好，暂停。我们可以看到，当我需要给我的妻子转账的时候，用的是什么？我的声音就是我的密码。那电脑显然是读懂了，声音是发自于谁，那账户我要从哪转给谁。所有的这些技术是什么？是 NLP 自然语言识别，也就是计算机需要把人说的话，转化成计算机能够懂的语言，然后再执行相应的指令。在这张图上，我们可以清晰的看到，从哪个账户转到哪个账户，而且计算机会自动识别，转出账户和转入账户之间的相关的关系。还有我们可以看到，我需要转账的过程中，声音就是我的密码，password is my voice。
好，继续往下。它会提示你，你的账单将于什么时候到期，我通知你。那请问现在是不是要付账？OK，到下次账单日之前，你给我自动扣款就好了。当我们看到这些场景的时候，我们分明能感受到，机器人和人之间的交互是纯粹、非常自然的。第二，它能够考虑到你自身的特点。所以 Chat GPT，有个很大的特征就是能够为你所用，能够按照你的意愿，结合你的特点去使用。
好，继续。当我们看到这个企业主的时候，我可以帮助你进行人力资源的规划，我还可以帮你进行信贷方面的分析，用什么样的资金，支持我什么样的发展。所以这个视频，明确的告诉我们这样的几个信息：第一，类人化的数字虚拟人，已经在金融业界深度而广泛的应用；第二，相关的 NLP 技术，也就是自然语言识别技术，可以帮助我们和计算机之间，和我们的账户之间，交易之间形成有效的互动；第三，我们的服务渠道，我们的服务方式，可以有机的把 Chat GPT 进行融合。
下面我们看第二个视频，那这个视频，是一个非常有温度的 ATM 机，请大家一起来看。当我们走进银行的时候，大家会看到一个 ATM 机，那这个 ATM 机，它跟平常的 ATM 机不一样，为什么？因为它会说话。老太太很惊讶，年轻人也很惊讶，妈妈也很惊讶，为什么？因为我们看一下这个 ATM 机的旁边，吐出了什么东西？小伙子喜欢加拿大多伦多蓝鸟队，那么 ATM 机非常神奇的，给他吐出来一套蓝色的衣服，这套衣服恰恰是适合他穿的。看，我们这个小伙子，他得到的是什么？一个贺卡。这位小伙子得到的是什么？一份惊讶的礼物。每个人在这都得到的是快乐，而 ATM 机像人一样，跟你在交流，跟你在互动，甚至给我们这位热爱生活的老太太，送了一束美丽的鲜花。这是我人生中从来没有得到的，孩子的妈妈没有带孩子，去过像样的地方玩，那 ATM 机，洞悉了她自己的需求，给了她什么？两张 1000 美元的资金支票，同时又给她送了相关的小礼物，让孩子得到了快乐。而我们看到的这位妈妈，她的孩子，她的女儿刚做了癌症的手术，ATM 机非常的贴心，给她两张机票，前往佛罗里达州，去这个岛去看她的女儿。我们看到了，每个我们服务的对象，每个 ATM 机所服务的场景，都是让我们去深思的技术，包括我们的科技手段，用到机器设备的时候，我们需要达到什么叫做有温度，能够贴心的服务，才是真正的金融服务。所以 Chat GPT 可以在我们的服务机器上，在我们的手机移动端上，变成我们更加去为客户服务的一种有效手段。我们看看这位老太太，得到了一封信，称她为妈妈，这是一件非常幸福的事情，因为她一直在为她的孩子，付出各种的爱，而 ATM 机不但把交易给她完成了，还拉近了人和人之间的距离，而这个纽带恰恰是什么？就是我们的 Chat GPT，背后的自然语言识别，还有 AI 人工智能。
好，我们看一下，这位妈妈得到了两张机票，可以看自己的女儿去了，而小伙子也受邀到球场上，去进行开球了。所以我们思考一下，金融服务不再是冷冰冰的服务，而是，可以在现代科技手段的驱动和支持下，变成有温度、有情感的服务。
好，下面我们就正式进入到我们今天的内容，我们内容会分为四个方面：第一，Chat GPT 技术的前世和今生；第二，那么 Chat GPT 技术，它在发展过程中，它的技术基础是怎样的，它有哪些特征；第三，那么 Chat GPT 技术，它应用过程中的场景究竟有哪些；最后，Chat GPT 技术在我们金融相应的领域中，可以应用的领域有哪些，未来我们如何去发展。
下面我们看一下 Chat GPT 的网站，这个网站上有这么一段话，我来给大家念一下，大家对 Chat GPT 技术，它的特征和它的内涵，有一个清晰的认知：“introducing Chat GPT we have trained a model，called Chat GPT，which interacts in a conversational way” 大家发现了吗？第一句话是什么？open AI 公司，构建了一个模型，这个模型，是一种对话式的机器人。“there the dialogue format makes it possible for Chat GPT，to answer followup questions”，它能够给你回答以下的这些问题，包括什么问题？Mistakes，它会承认它的错误，当我回答过程中，我错了，我回它的不对。还有什么？challenge incorrect premises，那它会挑战、指出来你这个说的不对，它会像人一样跟你去进行讨论。那第三，reject inappropriate requests，会拒绝非法要求。看到这样的一段介绍，我们突然发现了，老师在今天开篇的时候讲了类人思维，它就像一个人一样跟你进行交流探讨，像你的朋友一样，会指出你的毛病，会承认自己的错误。而且在 2023 年的 11 月 7 号，Chat GPT 又推出了新的一个产品，叫什么？叫做 GPT-4 Turbo。那这个 Turbo 它推出以后，它的能力更强大了。
我们讲了半天了，Chat GPT 这个名词，你可以把它拆开，叫什么？GPT 加上 Chat，因为 GPT 本身这个名词，第一个 G 是 generic，生成内容、生成图片、生成，我们刚才看到了吧，有相关的国画，还有数字玄幻的大片，包括视频，包括程序，所以我们称之为，叫做 GPT 的六边形，因为它可以给你生成 N 多的内容的种类。那么 P 是什么，就是 pretreat，我们要进行相关的训练。什么是训练？我给你喂料，刚才我们在讲这个小伙子马利克，在回答各种问题的时候，要从我们的大脑里头，寻找各种的什么知识素材，也就是语料库。那这个语料库，它在训练过程中，是有海量的大数据，而且这个海量大数据，它是一种公开源，它会对全世界主流的网站，包括各种的大英博物馆，包括数据，包括书籍等等进行筛选，包括美国的主流报纸等等。所以 GPT 它其实是一个训练模型，那在训练过程中，必然涉及到相关的参数，包括提取的数据指标等等。那么 GPT 也就是从 1 到 2 到 3 到 4，它是一直在一个升级的过程，那么它的优势在于哪？能够更好地去理解上下文的规则，包括内容它的特点，同时还推出了一个新的产品，叫什么？就是能够遵循开发者的指令，我即使不懂程序开发，我也可以进行 Chat GPT 运作。看，就在这 Chat GPT，还推出了一个新的产品叫做 GPTs，也就是以后的用户，不需要懂程序代码，只要把你自己想要或者是些规则，输入到我们的 Chat GPT 过程中，它就能变出你想要的，比如说我想审计，包括我想金融服务，我想营销，好，把你的一些理念，把你的想法，把你的一些素材提供给它，包括你的 PDF、word 文档，审计报告等等，当你喂好料以后，它自然而然就会按照我们的 Transformer 的大模型，来给你进行运算，得出你想要的结果。
好，我们看一下 Chat GPT 技术的前世和今生。首先，那它的前世是什么？就是 AI 人工智能。总结一句话，Chat GPT 的实质，其实是一种交互式的聊天机器人，那它具有强大的语言理解能力和自我学习能力。我们刚才说了 NLP 自然语言识别，能够把大量的人类产生的素材、语料、知识信息、图片、程序进行学习。第二，那么它用的是 open AI 公司的什么技术？GPT 技术，我们刚才讲了叫做内容生成式，基于训练的一种技术，能够智能的回答各类用户所提出的个性化问题，并且能够帮你解决各种的疑惑。
好，那么我们看一下它的两大特点：第一，能够自我学习；第二，能够多场景应用，比如说我们想，在 Edge 浏览器上，能不能进行插件的应用？没有问题，我们在手机终端上能不能应用？也是完全没有问题的。可是最核心的是什么？是它的学习能力，它的学习能力，有两个重要的技术基础，第一个叫做深度的神经网络，第二个就是 NLP 自然语言的识别技术，这两大技术可以有效的去支撑它的发展，那么关于这两大技术，我们会在之后的内容中，去进行详细的讲解。
好，我们看一下第二个，那么 Chat GPT 的大模型和 NLP 大模型，我们刚才也强调过了，就是 Transformer。那么 Transformer 是用于什么的？第一，用于数据的处理和加工；第二，在加工和处理的过程中，需要用不断的一种什么自我学习，我们的学习，一般来分为，有监督学习，无监督学习，自我学习等等模式，而 Chat GPT，它的特点是自我学习、自我监督，而且这个 Transformer 模型，在进行运算的过程中，它能够实现流畅的生成和便捷的对话，这是它的第一大特点。第二，它的应用场景是非常的广泛的，我们刚才讲了，它是一个六边形，内容的生成的方式，和结果类型是非常丰富的。第三，它能够比较好的进行语意的理解，和较为准确的回答，而且 Chat GPT，它有一个非常重要的机制，叫什么机制？叫做基于人类反馈的奖励机制，当我们输出给客户，和我们的用户相关的结果的时候，这个结果非常不错，我给你点个赞，做一下相关的奖励，机器就会把这个点赞的结果，包括你对它的评价进行一个二次学习，变成了一个学习的参数，这是第二大方面。
那么 Chat GPT 的整个的发展和引进，经历了怎样的一个过程呢？首先，人类发展史最初期是马车时代，通过人和牲畜，促进了我们人类文明的发展。第二，我们进入到了汽车时代，有了内燃机，有了石油。而走到了现今时代，我们进入到了电动和智能汽车时代，我们越来越多地感受到了无人机、无人驾驶、无人汽车，包括无人器械、智能家具等一系列的发展。那背后的功臣是谁呢？就是人工智能。
我们通过这张图，可以很清晰地看到，我们的科技的发展的三大阶段。首先，第一大阶段就是 PC 的互联网，也就是我们的电脑、笔记本，通过有了 Wifi、以太网、互联网，促进了信息的发展和爆炸。第二阶段，我们有了移动互联网，每个人的智能机、智能设备都变成了信息处理器。走到了第三个阶段，出现了第五代移动的数字技术，也就是 5G，对于我们各类的汽车也好，设备也好，机具也好，形成了这种发展式的智能化和数字化。这个阶段主要是以智能的机器人作为特点。
我们看到了一个非常陌生的名词，就叫做 AIGC。请问什么叫做 AIGC？AI 就是 Artificial intelligence，人工智能；那 GC 是 generative content，也就是生成式内容。那我们在进行提问的时候，我们需要让计算机回答，它是一对一机械式的。可是我们需要的问题，比如我想让你帮我写段文章，帮我写个程序，帮我写个小说，这种内容，在传统的交互过程中，是完全实现不了的。但是 AIGC 阶段，我们就可以按照我们的需求实现了。为什么呢？有两个根本的原因：第一，算力的水平提升了；第二，Chat GPT 诞生了，给 AI 赋予了灵魂。所以 Chat GPT 的计算机，或者说它的发展的基础是什么呢？就是 AIGC，它是一个基础，也是一个平台。
那么 Chat GPT，既然它的发展基础是 AI 人工智能，那我们不得不提到的就是神经网络。我们可以看到右边的这张图，叫做神经网络的学习过程。我们在一开始讲印度的那部电影《贫民窟的百万富翁》的时候，提到了人的大脑需要思考，思考的是什么呢？就是 input layer。当我们的大量信息从外部采集到我们的大脑的时候，要形成我们的知识库、信息库，这叫做信息的输入。但是这些信息或者是数据，哪些留、哪些放、哪些存，那是要靠什么呢？靠中间，叫做加工层、分析层。我们看到了，中间的两部分，我们也称之为叫做 hidden layer，隐含层。这个隐含层是在干什么呢？是把大量的数据和信息进行运算、加工、分析、储存。那我们看到下面有一个名词，叫做注意力机制的融入。我们认识这个人，下次一见面，很快地把他识别出来了，为什么呢？因为我们知道这个人的特征是什么。对于某一个花、某一个动物、某一个植物，我们一定提取的是它的关键特征、数据信息。所以注意力机制融入到我们的神经网络以后，就变成了什么呢？Transformer，大数据模型的一个运算机制。我们不是要把所有的信息全部记录下来，是要进行什么呢？特征识别和特征分析。第三叫做 output layer，也就是输出层。那我们刚才说了 AIGC，G 就是 generative，C 是 Content，那么这个输出层输出的是什么呢？就是我们的内容。而这个内容的形态，它是五花八门、多种多样，不只是给你进行文字方面的输出，还有程序、绘画，还有其他的代码等等。所以 AIGC 在发展过程中，它的计算机的基础是神经网络。
第二，我们看一下，相关的第二个重要的技术是什么呢？ML，机器学习，英文就是 machine learning。机器学习是来干什么的呢？它其实就是把我们所有的知识，在隐含层进行一个确权。比如说权重是多少，哪些信息分成什么样的类别，信息和信息之间有怎样的关系，我要把这种关系，形成模式化的识别，这是第二点。那么机器学习，它涉及到很多的领域，比如说像数理统计、概率论、图分析、博弈论，还有模糊数学等等。它是来模拟人类是如何把隐含层的信息，如何加工、如何分析、如何储存的一个过程，然后变成一种新的知识，并且能够按照一定的规则去干，去给你进行输出，这是机器学习。
那么机器学习，一般来说分为两种主要的学习模式，第一个是监督学习，第二个是无监督学习。监督学习就是你告诉它，这是一朵花，这是一匹马，这是一辆汽车，那这些事物本身它的特征是什么。好，我们再拿一个新的事物，去让机器去匹配、去比较，这样它就得出一个相似度、一个拟合度的结果。而无监督学习，它更侧重的是什么呢？你这些群体、这些人、这些数据点，他们内在的一个关联关系是什么，物以类聚，人以群分，这是两大类学习的区别。
那么第三个非常重要的，就是深度学习。那么深度学习是干什么的呢？好，我们刚才说了，隐含层相关的数据和数据点之间的关联是什么呢？是非线性的，而不是像我们的 y = a，x + b。请问这个非线性的关系，我怎么能识别它的模型，怎么能得到它的模式呢？就靠的是 deep learning，DL。深度学习是使用包含复杂结构和多重非线性变换结构，所得出的一种抽象的算法，这恰恰是 Transformer 的一个计算的基础。而且它模拟的是什么呢？是人脑识别，或者是人脑运算和分级分类，进行抽象化的一个过程。它能够把相关的数据的特征，快速地进行提取，然后形成我们的记忆，然后再形成一个新的判断，这是机器学习。
那么在机器学习，包括特征识别的过程中，我们需要让人和计算机共同进行学习，人的知识要转化成机器，或者是 AI 的知识。我们看到有四类的学习方式：第一种学习方式就是监督学习，一对一，我把程序代码写好，让计算机来执行，它不用有其他的一些自我意识，它也不会有的，所以我们称之为叫做一对一学习；第二叫做半监督学习，也就是一个老师，可以在虚拟环境下，让多个学生来共同学习，这叫做半监督学习。但是 AI 的特点，恰恰在于后两者：第三个叫做无监督学习，我不需要你告诉我它是什么，我只需要按照我的运算的模型和运算的模式，自动化地去匹配和分析所有数据点之间的关联和关系；那么还有一个，叫做自监督学习，我自我学习，而且我会思考，这个数据之间为什么会有这样的一个关系。当我们看到自监督学习的时候，大家可能意识到了，它是有创新性的、有思考性的进行学习，这就是人工智能和 ChatGPT 学习的方式。
那在整个的学习过程中，我们可以看到它的模型训练的方式，和它的层级过程是非常复杂的。那主线是什么呢？第一，我们从外部获取大量的，或者叫海量的数据；第二，针对海量的数据，要提取它的特征；第三，所有的数据点和数据点之间，特征值和特征值之间有怎样的关系；第四，我们通过大样本的模型、大数据的模型 Transformer，把这种模型、把它的关系刻画出来，然后用于一种新型的数据结果的输出，这是它的整个的一个过程。我们也发现了，这个过程，用到了我们刚才所讲的各类的知识，包括机器学习、神经网络、NLP 等等。
那么 Chat GPT 实质究竟是什么呢？这就我们讲到它的今生了。Chat GPT 的全名，叫做 Chat generative pretrained Transformer，Transformer，就是一个模型生成器，你也可以把它理解成，一种大数据的运算算法。那么它是由 open AI 公司开发的，open AI 公司，它的前身是一个非盈利组织，当然现在，它已经采取了这种商业化的运作。自从 2022 年 Chat GPT 诞生以来，open AI 公司做了很多的研发和创新，它的目的是希望什么呢？能够让每一个用户，能够快捷地、方便地，真正地让机器像人类一样，跟你进行语言的交互、知识的交互，变成我们人的一个管家，变成我们的好朋友，甚至变成我们的伴侣。
第二，那么 Chat GPT 本身，它是一个大型的语言模型，能够把 output 和 input 之间，形成一个有效的连接，而且它能够在这个过程中，体现我们人类大脑的智能化和思考的过程。同时 Chat GPT，它必须是一个什么叫做预先训练的模型 pretrained，因为预训练模型，它必须要给它进行 “喂料”，其实是让它要先学习相关的数据、相关的学习的这个内容，包括知识，才能转化成这个模型的输出过程中的一个什么预先性的知识集，也叫做语料库。有了语料库以后，我们才能真正地按我们的需求，去产生各类的知识输出、内容输出等等。
那 Chat GPT 整个的发展历程过程中，有很多的关键事件和关键人物，大家可以通过视频中，包括相关的一些图片中，看到这些人物，比如说像图灵，还有对话机器人，以及 IBM，还有世界上第一部由人工智能自我创作的小说，叫做《1 The Road》等等。发展到现在，从深度学习，DL 的深度迭算法之后，那么人工智能叫做 AIGC 百花齐放，发展的速度和发展的质量，是越来越快，越来越高。
整个的发展过程中，我们不得不提一个人，就是马斯克。而马斯克，他是一个非常有睿智、有智商的发明家，也是一个科技创业人士的积极的推进者。那么他在这个过程中，联合了很多的专业机构、金融机构和科技机构共同开发了 Chat GPT 发展的里程碑。我们可以总结成四个时间阶段：第一个，2019 年的 3 月份，从非盈利组织过渡到了商业化机构；第二，那么到了 19 年的 7 月，微软跟它之间进行了深度的合作，进行了资金的这种注资；第三，2020 年的 6 月份，那么 open AI 发布了第一个相关的商业产品；那么到了 2022 年的 9 月份，形成了 Chat GPT 的基础模型，就是 3。当然了，这个 GPT 的 1、2、3，其实重要的是什么呢？它的计算的参数量，到 2020 年的时候，这个计算的参数量，已经突破了 1751 亿个参数，说明它的训练集丰富程度，和它的深度、广度，都得到了质一般的提升。
那么在 2022 年的 11 月 30 号这一天，正式推出了 Chat GPT，仅过了 5 天，用户就超过了数百万，仅过了两个半月就超过了上亿。它这个指数级的上升，恰恰体现了我们社会、我们的各个阶层对 Chat GPT 的认可，和它的接受程度。第二，2023 年的 1 月末，我们发现了吧，用户已经突破了一个亿。2 月 2 号，那么发布了一个新的试点计划，叫做 Chat GPT plus，但是由于用户增长的速度过快，后来就把这个计划暂停了。那么到了 2023 年的 2 月 2 号，chat GPT 又全线整合了其他的一些功能。
当前 ChatGPT 主要的发展，我们可以看到这样的四个阶段：第一，付费的订阅版本诞生了；第二，Chat GPT 出现了一些问题，被黑客们进行利用，包括有些假新闻的诞生、假视频的制作，甚至出现了一些假邮件来钓鱼等等；第三，微软还推出了，比如说像在 Edge 浏览器中进行了一个结合，包括 GPT-4 的诞生，这是它的整个的发展的历程。
那么 Chat GPT 到今年，也就是 2024 年之前，2023 年的 11 月份，又出现了几个重要的事件，我们可以看一下。但到了 2023 年的 12 月份，英国的一些研究得出一个结果，随着 Chat GPT 不断的这种深化学习，可能会出现一个伦理问题，也就是欺骗。它的生成式的内容，有可能是在它自己加工过程中，有意识或者无意识地出现了一些误导现象，这是我们非常需要警惕的。在有极大压力的过程中，Chat GPT 有可能会欺骗人，也就是它内容可能是虚假的，这种事情，已经在学术界，包括在金融界，发现了一些事件。所以我们应该关注 Chat GPT 的红与黑，红就是有利的一面，黑就是可能存在有问题的一面。
下面我们分析一下 Chat GPT，到底可以在哪些领域去深度的应用，有哪些方法，可以更好地结合我们的业务。首先，比如说信贷业务，我们知道传统的信贷，最开始是怎么发放贷款呢？是由我们的业务人员，和我们的风险经理，包括我们的信贷的审批人员，共同对于一个客户进行讨论、评价、评分，然后进行授信额度的一个计算。但是这个过程，基本上都是靠我们的主观经验，比如说对方的财务的三表、他的经营的状况。第二个阶段，我们就让计算机跟我们的人类的思维进行有机的结合，但这个过程，主要是模拟我们的一些什么计算准则，比如进行分支界定，条件高于多少、低于多少，阈值超过多少，我们可能会判断，这个人、这个企业是不是值得我们去放款。所以我们看到了计算机专家系统，主要是要进行一些分值界定，if then else 这种，它必须要设定一定的先决条件。而我们到了第三个阶段，假如应用一些机器学习 AI 的话，它会像我们刚才所讲的，会把数据点和点之间的关系，包括一些非线性之间的联系，进行一个自我学习，那形成了一种典型的算法，比如说像随机森林算法。那这个算法它最大的特点是什么呢？需要准备两类数据集：第一类就是数据的训练集；第二，有了训练集以后，我们要形成一定的模型，这个模型，需要再拿另一部分集去进行测试，第二步叫做测试集。有了这两部分数据集以后，可以形成两类模式：第一类是好人模式，第二就是坏人模式，说白了，就是正常的数据样本和有问题的数据样本，形成了相对应的模型。有这两类模型以后，好，我们可以把新的一些数据样本点采集以后，让我们的新的模型去进行判定，快速给你得出它的拟合度的结果，这是新的一个样本的计算的过程。
第二，我们看一下如何去进行推荐。每个人都可能会浏览大量的信息，那哪些信息是我关注的，哪些信息可能是我非常喜欢的，比如最近我们看到了电视剧《繁花》，那手机上会根据你的偏好，推送电影或者电视，或者是新闻。我们总之一句话，猜你喜欢。而猜你喜欢的这个过程，它是采集的大量的数据样本点，我们称之为叫什么呢？推荐算法。推荐算法它的机理就是决策型 AI，把大量的行为数据、留痕数据、特征数据和你的个性化数据采集以后，进行大数据的一个计算，然后向我们的商户和项目的终端用户，分别推出你所关注的、你可以推荐的，这是第二大方面。
那第三，相关的推荐算法，用的比较有特色的就是今日头条。那么今日头条，它在计算过程中，有三大类方面的内容：第一个就是相关的头条所关注的信息，采集的新闻内容；那么第二就是用户的特点，比如用户点击、浏览、转发、收藏，他这些操作所对应的这个特征，比如说像年龄、习惯、职业等等；第三就是环境特征，那我在通过相应的工作场合，或者是我的通勤状态，和我的旅游的线路等等，通过这样的一些信息的偏好，通过三类数据的采集，给出了一个预估及测试，推荐内容在某一个场景下，是不是适合某一个用户的偏好，这就是今日头条的推荐算法。
那么未来发展的趋势是怎样的，Chat GPT，它的应用场景会有哪些呢？我们可以关注到，比如说对于数据方面、信息方面和知识方面，进行大数据大模型的处理；第二，会形成 AIGC 和 Chat GPT 它的训练的逻辑和模型，形成它具有特色化的、这部分个性化的什么思维逻辑，这是 Chat GPT 它的一个核心之作。为什么 Chat GPT 它会有它自己的性格，Chat GPT 会跟你使用它的用户之间，形成这种情感互动、交流互动，而且 Chat GPT 会不断的经过一个反馈、自我修补、自我反馈、自我补差这种学习的过程，提升它的这个训练的精度，而且信息内容的这种广度和深度，都会随着它的自我监督学习，得到提升。所以 ChatGPT 的未来的场景会越来越广泛。