기술 주변기기 일체 포함 생성 AI가 금융 산업에 어떤 파괴적인 혁신을 가져올까요?

생성 AI가 금융 산업에 어떤 파괴적인 혁신을 가져올까요?

May 22, 2023 pm 01:44 PM
기술 대회

McKinsey는 얼마 전 발표된 "Today's Technology Reshaping Tomorrow's Finance: Seven Technologies Impacting the Future Pattern of the Global Financial Industry"에서 특별히 주목해야 할 금융 기술의 네 가지 주요 트렌드가 있다고 지적했습니다.

  • 기술은 점차 성숙해지고 애플리케이션 파일럿에서 대규모 애플리케이션까지 심층적인 침투
  • 새로운 기술이 등장하여 기술적 의미가 확대되고 금융 분야에 새로운 활력이 불어넣어졌습니다. 다양한 기술의 중첩은 승수효과를 발휘하고 금융에 혁신을 불어넣습니다.
  • 개인정보 보호, 정보보안의 부가가치를 일깨워 금융기술의 새로운 성장 포인트가 됩니다.
  • 맥킨지는 4가지 주요 트렌드를 바탕으로 인공지능, 클라우드 컴퓨팅, 메타버스 및 종합 가상 기술, 블록체인 및 Web3.0, 차세대 커뮤니케이션, 차세대 통합 개발, 신뢰 아키텍처 등 7가지 카테고리를 식별하고 디지털 아이덴티티(Digital Identity)는 금융산업의 미래 지형을 바꿀 신기술로 꼽힙니다.
올해 초 발표한 '금융 기술 동향 전망 2023'에서는 생성 AI, 인과 추론, 그래프 컴퓨팅, 기술 윤리 거버넌스, 온체인 분산 금융 애플리케이션, 프라이버시 컴퓨팅, 그래프 컴퓨팅 등을 제안했다. 가상 디지털 기술, 자동 기계 학습 및 클라우드 기능 업그레이드 및 기타 상위 10대 기술 동향.

Generative AI Explosion

기술 동향에 대해 기관마다 약간 다른 견해가 있지만 인공 지능 기술이 목록의 최상위에 있다는 것은 의심의 여지가 없습니다. 2023년은 생성적 AI가 폭발적으로 증가하는 해입니다. 금융 분야에서는 지시를 통해 다양한 스타일의 텍스트, 음성, 비디오를 생성하고 금융 자산 대상과 유사한 콘텐츠를 생성하는 것이 생성적 AI의 가장 기본적인 적용입니다. 금융분야 . 금융 비즈니스 실무에서 생성 인공지능은 생성되는 과정과 결과의 관점에서 일정한 창의적 성격을 갖고 있기 때문에 일정한 보조적 가치를 갖는다.

핵심 기술은 고립되어 존재하는 것이 아니라 서로 얽히고, 내재되고, 통합되어 강력한 에너지를 발산하고 산업 혁신을 촉발합니다. 현재 이러한 핵심 기술 결합은 점차 금융 부문에서의 실제 적용을 심화하고 있으며 미래에 더 큰 가치를 반영하고 금융 기술은 물론 금융 산업의 시장 경쟁 패턴에 영향을 미칠 것입니다.

당위원회 위원이자 Xingye Digital Finance 부사장인 Zhou Ganghui는 ChatGPT 및 Wen Xinyiyan과 같은 생성 AI 제품이 실제로 새로운 가상 세계로의 입구라고 믿습니다.

Orient Securities의 최고 정보 책임자(CIO)이자 Orient Securities Futures의 회장인 Lu Dayin은 선물 시장의 고객이 수십만 명에 불과하고 증권과 선물 파생 상품 시장이 상당히 규모가 크기 때문에 확장하기가 어려웠다고 믿습니다. 복잡하고 대부분의 투자자는 이를 이해하지 못합니다. 선물과 옵션 등 복잡한 개념의 차이, "제너레이티브 AI는 프로그래밍된 거래의 문턱을 낮추고 고객 기반의 폭발적인 성장을 가져올 수 있습니다." 태강보험 인공지능연구소 연구실에서 그는 생성 AI의 전망에 대해 낙관하고 향후 개발 방향에 대한 제안을 제시했습니다. 그의 견해에 따르면, 생성 인공지능은 현재 제너럴리스트로 보이지만, 비즈니스 시나리오에 실제로 적용되기 위해서는 표적화된 훈련이 필요합니다.

금융기술은 어떻게 혁신하나요?

금융업계에서는 기술 수용이 '필수 과정'이 되었습니다. 개발 이후 금융과 기술의 심층적인 융합은 시너지를 창출할 뿐만 아니라 변화를 가져왔습니다. 앞으로 금융기술은 정책동향, 기술혁신, 성과변환 측면에서 어떤 새로운 변화를 가져올 것인가? 어떤 금융 비즈니스 시나리오에서 차세대 금융 기술이 구현되어 새로운 혁신 기회를 가져올까요?

51CTO는 대다수의 금융 기술 기업과 금융 기관에 보다 심층적인 정보를 제공하기 위해 6월 16일부터 17일까지 베이징에서 개최되는 WOT 글로벌 기술 혁신 컨퍼런스에서 "금융 기술 혁신"이라는 특별 주제를 특별히 설정했습니다. 기술 R&D 인력 학습 교류 플랫폼입니다.

당시 Zhongguancun Kejin 금융 부문 기술 이사 Zhang Wei, ICBC 소프트웨어 개발 센터 금융 기술 관리자 Li Yifan, Debang Fund Management CTO Li Xin 등 금융 기술 분야의 고위 기술 전문가들이 있었습니다. 주식회사가 신나는 나눔을 선사하겠습니다.

WOT의 흥미로운 테마에 대해 자세히 알아보려면 클릭하여 원본 텍스트를 읽거나 아래 QR 코드를 스캔하여 이벤트 세부 정보를 확인하세요. WOT 컨퍼런스 10% 할인 기간이 곧 종료되며 현재 티켓 구매 시 많은 할인 혜택이 진행되고 있습니다.

Zhang Wei는 소비자 금융 분야에 집중하고 원격 비디오 뱅킹에서 대화형 AI의 응용 가치와 핵심 기술을 공유 및 해석하며 기술 혁신을 통해 온라인 금융 서비스 사업 확장, 프로세스 효율성을 달성할 것입니다. 개선 및 고객 경험 업그레이드.

Li Yifan은 "중국 공상은행 플랫폼 탐색 및 실습"이라는 주제를 사용하여 청중이 금융 업계의 대규모 R&D 팀이 R&D 효율성을 향상시키는 실제 경험을 이해할 수 있도록 돕습니다.

Li Xin은 중소 금융 기업의 디지털 혁신의 딜레마, 과제 및 획기적인 점을 공유하고, 디지털 혁신을 탐색하는 과정에서 사용된 기술적 수단, 달성한 결과, 직면한 문제 및 솔루션을 소개합니다. 등.

WOT 글로벌 기술 혁신 컨퍼런스는 6월 16일부터 17일까지 베이징에서 개최됩니다. 금융 기술 혁신 외에도 AIGC, 멀티 클라우드 관행, 비즈니스 아키텍처 진화, AI 인프라, 대규모 프런트엔드 등 혁신적이고 가치와 개발 전망을 논의하는 최신 기술 주제도 다룹니다. 관심 있는 학생은 아래 QR 코드를 스캔하여 등록할 수 있습니다. ㅋㅋㅋ

위 내용은 생성 AI가 금융 산업에 어떤 파괴적인 혁신을 가져올까요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
1 몇 달 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
1 몇 달 전 By 尊渡假赌尊渡假赌尊渡假赌
Will R.E.P.O. 크로스 플레이가 있습니까?
1 몇 달 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Mar 06, 2024 pm 05:34 PM

StableDiffusion3의 논문이 드디어 나왔습니다! 이 모델은 2주 전에 출시되었으며 Sora와 동일한 DiT(DiffusionTransformer) 아키텍처를 사용합니다. 출시되자마자 큰 화제를 불러일으켰습니다. 이전 버전과 비교하여 StableDiffusion3에서 생성된 이미지의 품질이 크게 향상되었습니다. 이제 다중 테마 프롬프트를 지원하고 텍스트 쓰기 효과도 향상되었으며 더 이상 잘못된 문자가 표시되지 않습니다. StabilityAI는 StableDiffusion3이 800M에서 8B 범위의 매개변수 크기를 가진 일련의 모델임을 지적했습니다. 이 매개변수 범위는 모델이 많은 휴대용 장치에서 직접 실행될 수 있어 AI 사용이 크게 줄어든다는 것을 의미합니다.

좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 Oct 12, 2023 am 11:21 AM

첫 번째 파일럿 및 주요 기사에서는 주로 자율 주행 기술에서 일반적으로 사용되는 여러 좌표계를 소개하고 이들 간의 상관 관계 및 변환을 완료하고 최종적으로 통합 환경 모델을 구축하는 방법을 소개합니다. 여기서 초점은 차량에서 카메라 강체로의 변환(외부 매개변수), 카메라에서 이미지로의 변환(내부 매개변수), 이미지에서 픽셀 단위로의 변환을 이해하는 것입니다. 3D에서 2D로의 변환에는 해당 왜곡, 변환 등이 포함됩니다. 요점: 차량 좌표계와 카메라 본체 좌표계를 다시 작성해야 합니다. 평면 좌표계와 픽셀 좌표계 난이도: 이미지 평면에서 왜곡 제거와 왜곡 추가를 모두 고려해야 합니다. 2. 소개 좌표계에는 픽셀 평면 좌표계(u, v), 이미지 좌표계(x, y), 카메라 좌표계(), 월드 좌표계() 등 총 4가지 비전 시스템이 있습니다. 각 좌표계 사이에는 관계가 있으며,

자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! 자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! Feb 28, 2024 pm 07:20 PM

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

DualBEV: BEVFormer 및 BEVDet4D를 크게 능가하는 책을 펼치세요! DualBEV: BEVFormer 및 BEVDet4D를 크게 능가하는 책을 펼치세요! Mar 21, 2024 pm 05:21 PM

본 논문에서는 자율 주행에서 다양한 시야각(예: 원근 및 조감도)에서 객체를 정확하게 감지하는 문제, 특히 원근(PV) 공간에서 조감(BEV) 공간으로 기능을 효과적으로 변환하는 방법을 탐구합니다. VT(Visual Transformation) 모듈을 통해 구현됩니다. 기존 방법은 크게 2D에서 3D로, 3D에서 2D로 변환하는 두 가지 전략으로 나뉩니다. 2D에서 3D로의 방법은 깊이 확률을 예측하여 조밀한 2D 특징을 개선하지만, 특히 먼 영역에서는 깊이 예측의 본질적인 불확실성으로 인해 부정확성이 발생할 수 있습니다. 3D에서 2D로의 방법은 일반적으로 3D 쿼리를 사용하여 2D 기능을 샘플링하고 Transformer를 통해 3D와 2D 기능 간의 대응에 대한 주의 가중치를 학습하므로 계산 및 배포 시간이 늘어납니다.

최초의 멀티뷰 자율주행 장면 영상 생성 세계 모델 DrivingDiffusion: BEV 데이터 및 시뮬레이션을 위한 새로운 아이디어 | 최초의 멀티뷰 자율주행 장면 영상 생성 세계 모델 DrivingDiffusion: BEV 데이터 및 시뮬레이션을 위한 새로운 아이디어 | Oct 23, 2023 am 11:13 AM

저자 개인 생각 중 일부 자율주행 분야에서는 BEV 기반의 하위 작업/End-to-End 솔루션 개발로 인해 고품질의 다시점 훈련 데이터와 그에 따른 시뮬레이션 장면 구축이 점점 더 중요해지고 있습니다. 현재 작업의 문제점에 대응하여 "고품질"은 세 가지 측면으로 분리될 수 있습니다. 다양한 차원의 롱테일 시나리오(예: 장애물 데이터의 근거리 차량 및 자동차 절단 과정의 정확한 방향 각도) 곡률이 다른 곡선이나 경사로/병합/병합 등 캡처하기 어려운 차선 데이터. 이는 종종 비용이 많이 드는 대량의 데이터 수집과 복잡한 데이터 마이닝 전략에 의존합니다. 3D 진정한 가치 - 매우 일관된 이미지: 현재 BEV 데이터 수집은 센서 설치/보정, 고정밀 지도 및 재구성 알고리즘 자체의 오류에 의해 영향을 받는 경우가 많습니다. 이것이 나를 이끌었다

GSLAM | 일반적인 SLAM 아키텍처 및 벤치마크 GSLAM | 일반적인 SLAM 아키텍처 및 벤치마크 Oct 20, 2023 am 11:37 AM

갑자기 발견한 19년 된 논문 GSLAM: A General SLAM Framework and Benchmark 오픈소스 코드: https://github.com/zdzhaoyong/GSLAM 전문으로 직접 가서 이 작품의 퀄리티를 느껴보세요~1 Abstract SLAM technology 최근 많은 성공을 거두었으며 많은 첨단 기술 기업의 관심을 끌었습니다. 그러나 기존 또는 신흥 알고리즘에 대한 인터페이스를 사용하여 속도, 견고성 및 이식성에 대한 벤치마크를 효과적으로 수행하는 방법은 여전히 ​​문제로 남아 있습니다. 본 논문에서는 평가 기능을 제공할 뿐만 아니라 연구자에게 자체 SLAM 시스템을 신속하게 개발할 수 있는 유용한 방법을 제공하는 GSLAM이라는 새로운 SLAM 플랫폼을 제안합니다.

'마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극 '마인크래프트'가 AI 마을로 변신, NPC 주민들이 실제 사람처럼 역할극 Jan 02, 2024 pm 06:25 PM

이 네모난 남자는 눈앞에 있는 '불청객'의 정체를 고민하며 미간을 찌푸리고 있다는 점에 주목해주세요. 알고 보니 그녀는 위험한 상황에 처해 있었고, 이를 깨닫자마자 문제를 해결하기 위한 전략을 찾기 위해 재빨리 정신적 탐색을 시작했습니다. 결국 그녀는 현장을 떠나 가능한 한 빨리 도움을 구하고 즉각적인 조치를 취하기로 결정했습니다. 동시에 반대편에 있는 사람도 그녀와 같은 생각을 하고 있었는데... <마인크래프트>에도 모든 캐릭터가 인공지능에 의해 조종되는 장면이 있었다. 예를 들어 앞서 언급한 소녀는 17세지만 똑똑하고 용감한 택배기사입니다. 그들은 마인크래프트를 배경으로 한 이 작은 마을에서 인간처럼 기억하고 생각하며 살아갈 수 있는 능력을 가지고 있습니다. 그들을 움직이는 것은 아주 새로운 것입니다.

검토! 심층 모델 융합(LLM/기본 모델/연합 학습/미세 조정 등) 검토! 심층 모델 융합(LLM/기본 모델/연합 학습/미세 조정 등) Apr 18, 2024 pm 09:43 PM

9월 23일, 국립방위기술대학교, JD.com 및 베이징 공과대학이 "DeepModelFusion:ASurvey"라는 논문을 발표했습니다. 딥 모델 융합/병합은 여러 딥 러닝 모델의 매개변수나 예측을 단일 모델로 결합하는 새로운 기술입니다. 이는 더 나은 성능을 위해 개별 모델의 편향과 오류를 보상하기 위해 다양한 모델의 기능을 결합합니다. 대규모 딥 러닝 모델(예: LLM 및 기본 모델)에 대한 딥 모델 융합은 높은 계산 비용, 고차원 매개변수 공간, 서로 다른 이종 모델 간의 간섭 등을 포함한 몇 가지 문제에 직면합니다. 이 기사에서는 기존 심층 모델 융합 방법을 네 가지 범주로 나눕니다. (1) 더 나은 초기 모델 융합을 얻기 위해 손실 감소 경로를 통해 가중치 공간의 솔루션을 연결하는 "패턴 연결"

See all articles