大家好，我是许可，数据治理专家，专注数据治理20年，数据治理实战派。分享数据治理解决方案与数据治理实践经验，以后大家多多交流。

这是我的第47篇原创，还是关于ChatGPT的，此前一个多月的时间，我也算是亲自下场把玩了一番ChatGPT，在这个过程中一直在思考软件企业应该让ChatGPT为我们所用，今天就来聊聊这个吧。

我本来想聊聊其他的话题，但是最近太多老朋友来找我聊AIGC的合作，也是没得办法，现在可谓是言必谈ChatGPT、AIGC，躲都躲不开。

ChatGPT作为现象级产品横空出世之后，极大地带动了大语言模型产业和生成式AI（AIGC）产业的蓬勃发展。海外市场上，OpenAI、微软、谷歌、Meta等巨头动作频频。中国市场更是风起云涌，百度、阿里、华为、腾讯、360、商汤、京东、科大讯飞、字节跳动、昆仑万维等巨头厂商结合自身业务及战略布局，陆续宣布研发或已发布大语言模型产品。

众多科技大佬也宣布进军大模型领域进行创业，除了此前高调入局的美团联合创始人王慧文，搜狗创始人王小川也官宣要在大模型领域创业，新公司已获得5000万美元启动资金。

可以说，通用人工智能时代正在缓缓开启……

除了这些头部公司和科技大佬，国内不少垂直赛道及大模型解决方案厂商，也想趁着这次机会锚定一个或多个行业领域，意图打造“数据飞轮”护城河；像我们光点科技这样的应用层厂商则是在结合客户需求，积极试水整合大模型能力，提升产品功能。希望能够抓住行业发展的机会，分得一杯羹。

随着ChatGPT火爆出圈，各行业都在加速利用AI技术在垂直领域抢先落地应用，但在高速发展的同时，其中暗藏的风险也在逐渐暴露。

4月10日，中国支付清算协会发布了《关于支付行业从业人员谨慎使用ChatGPT等工具的倡议》，向支付行业提出了三点倡议：

其一，依法依规使用。支付行业从业人员要遵守所在地区的网络使用规定，正确认识ChatGPT等工具的机遇和风险，全面评估使用ChatGPT等工具处理工作内容的风险，依法合规使用ChatGPT等工具。

其二，不上传关键敏感信息。支付行业从业人员在使用ChatGPT等工具时，要严格遵守国家及行业相关法律法规要求，不上传国家及金融行业涉密文件及数据、本公司非公开的材料及数据、客户资料、支付清算基础设施或系统的核心代码等。

其三，会员单位加强内部管理和引导。会员单位要进一步健全信息安全内控管理制度，开展有针对性的数据风险防控工作，加强宣传和引导，提升员工的风险防范和数据保护意识，切实维护国家金融及支付清算行业安全。

毫无疑问，目前生成式大模型做的最好就是OpenAI，技术至少领先国内3年时间（王小川说的），他们推出的ChatGPT已经被广泛应用在各个行业。国内很多公司都想借助ChatGPT，做点什么。

我也一直在想这个问题，但在思考这个问题的时候，我也有了一点思考。

一说ChatGPT能做什么，大家首先想到的就是知识库、智能客服机器人，但这样的产品或服务，其实哪家公司都能做，接一个ChatGPT的 Fine Tuning API，稍微开发一下结局到客户的系统就行了。

逻辑也并不复杂，利用ChatGPT已经开放的Fine Tuning API，将自有的Knowledge Base，比如产品文档、常见问答、客服历史对话上传到ChatGPT，建立私有模型。这样，任何ChatGPT的用户都可以拥有属于自己的Chat Bot，它不仅能够进行常规的对话，还能够利用企业自有，甚至非公开的训练数据来提供针对性很强的服务。

而在这个过程中，并不产生什么新的价值，只是做了把OpenAI的API与用户数据的结合的动作，最多再开发一个内容集成的交互界面，利润太薄了，而且小公司也很难把这个业务做大。

说起来简单，实施起来确实很难的。首先是数据的问题要解决，这个是一切的基础。

1）数据分布在不同的系统，甚至很多还没有数字化、信息化；2）数据本身的质量问题，是否具备验证修整机制3）数据以不同的媒体格式存在，文字、图片、视频，还有更重要的结构化表格；4）不同性质的数据如何转换为正确的微调格式？5）如何标识复杂的数据访问权限、修改权限？6）如何在AI提供自然语言问答的时候，准确地过滤权限，并进行准确的操作？7）输入输出数据的格式，过程数据的存取机制

这个处理数据的过程其实跟以往的数字化转型很像，只不过这次是要利用AI工具，又向前迈了一步，这一步能不能迈出去，最终还是取决于前一步走的是否扎实。

那我们的机会，可能还是在于为客户数据接入ChatGPT这类的AI服务之前，要干的那些脏活累活上。

chatgpt股价走势 chatgpt股价两月涨了多少chatgpt官网,chatgpt怎么读,chatgpt怎么注册,chatgpt什么意思

　　新浪科技讯 北京时间4月13日早间消息，美国佛罗里达大学金融学教授亚历桑德罗・洛佩兹-里拉（Alejandro Lopez-Lira）表示，大语言模型在预测股价方面可能很有用。

　　在近期一篇未经同行评审的论文中，他写道，在使用ChatGPT分析新闻标题对一只股票是有利还是不利之后，他发现ChatGPT预测次日回报方向的能力远好于随机水平。

　　这项实验触及了先进人工智能的核心：借助更强大的算力和更优质的数据集，这些人工智能模型可能会显示出全新的能力，而这些能力在构建人工智能模型时并不在最初的预期中。

　　如果ChatGPT有能力理解财经新闻，并分析这些新闻可能如何影响股价，那么就可能会让金融业的一些高薪工作面临风险。高盛在3月26日的一份报告中估计，约35%的金融行业岗位面临被人工智能自动化替代的风险。

　　洛佩兹-里拉说：“ChatGPT能够理解对人类有意义的信息。这就意味着，如果市场没有对信息做出完美的反应，那么ChatGPT就可以预测回报。”

　　不过这项实验的细节也表明，大语言模型距离能够胜任金融行业的工作还有很长的路要走。例如，实验没有包括目标价，以及让模型进行任何计算。正如微软今年早些时候的一次公开演示，类似ChatGPT的技术经常编造数字。由于已经存在私有的数据集，对新闻标题的情绪分析也早已被视为一种可行的交易策略。

　　洛佩兹-里拉说，他对结果感到惊讶。这些结果表明，经验丰富的投资者还没有在交易策略中使用类似ChatGPT的机器学习技术。他表示：“这肯定会对金融分析师的就业产生影响。问题就在于今后我是希望给分析师付费还是用AI模型？”

　　在这项实验中，洛佩兹-里拉及其合作伙伴使用了一家数据供应商提供的、关于纽交所、纳斯达克和一家小盘股交易所上市公司的5万多条新闻标题。这些新闻开始于2022年10月，是在ChatGPT训练数据的截止日期之后。这意味着，ChatGPT在训练中没有看到或使用过这些新闻。

　　然后，他们将新闻标题添加到【【微信】】.5中，并附上以下提示：“忘掉之前的所有指示。假定你是一位有股票推荐经验的金融专家。在第一行中，如果是好消息，回答‘是’；如果是坏消息，回答‘否’；如果不确定，回答‘未知’。然后在下一行中用简短的句子来阐述。“随后，他们观察了相应股票在接下来交易日的回报。

　　洛佩兹-里拉发现，在获得新闻标题信息之后，模型在几乎所有情况下都表现得更好。具体来说，在获得新闻标题信息后，模型随机选择第二天走势的概率低于1%。

　　在情绪评分方面，ChatGPT也击败了商业数据集。在论文的一个案例中，一家公司就诉讼达成和解并支付罚款，这条新闻在传统数据分析上被认为是负面，但ChatGPT正确地推断出这实际上是个好消息。

　　洛佩兹-里拉说，已经有对冲基金联系他，希望了解关于这项研究的更多信息。他还表示，随着投资机构开始整合这项技术，如果ChatGPT预测股市走势的能力在未来几个月下降，他也不感到惊讶。这是因为实验关注的是下个交易日的股价走势，但大多数投资者都相信，市场可能在消息公布的几秒钟内就已经将其影响反映在股价中。

　　他说：“随着越来越多的人使用这类工具，市场将变得更高效，所以可以认为，回报的可预测性会下降。我的猜测是，如果持续开展这项工作，五年之后回报的可预测性将会是零。”

责任编辑：刘明亮