Поиск ImageNet в финансовой сфере | Прямая трансляция Qifu Technology: как кредитный мультимодальный AI устанавливает стандарты?

Недавно QiFu Technology совместно с исследователями из Фуданьского университета и Южно-Китайского технологического университета инициировали прямой эфир на тему «Как установить стандарты для мультимодального AI в кредитовании». В ходе трансляции был подробно разобран первый мультимодальный оценочный базис для кредитных сценариев — FCMBench-V1.0. Этот базис разработан вокруг ключевых этапов восприятия, рассуждения и принятия решений в мультимодальных системах, а также сопровождается открытыми датасетами и инструментами оценки, что стремится создать широко признанный «регистр» для финансового AI. Весь эфир длился 1 час, сочетая передовые научные идеи и практический опыт индустрии, предоставляя профессиональные рекомендации и направления развития для финансовых учреждений, научных институтов и отраслевых специалистов. Ниже представлен обзор ключевого содержания трансляции.

Промышленный практический взгляд: FCMBench создает единые стандарты оценки возможностей финансового AI

Руководитель направления мультимодальных систем QiFu Technology Ян Ехуэй начал с анализа проблем развития финансового AI с точки зрения индустрии, объяснив исходные мотивы и основные принципы разработки FCMBench-V1.0. Он образно сравнил AI с инструментом «мотыга», а такие высоко пороговые отрасли, как финансы и медицина, — с «плодородной землей» с потенциалом развития. Высокие требования к конфиденциальности, безопасности и соблюдению нормативных актов в финансовых операциях делают невозможным проверку моделей только на основе «самих себя». Необходима объективная и единая система оценки.

Появление FCMBench-V1.0 призвано решить ключевую проблему выбора моделей в финансовых организациях. Ян Ехуэй отметил, что в настоящее время в финансовой индустрии существует множество моделей, которые заявляют о высоких результатах, но без единого стандарта сравнения. Кроме того, модели часто показывают значительный спад производительности при переходе из лабораторных условий в реальную эксплуатацию. Основная ценность FCMBench — это создание «единого измерителя» возможностей моделей, который позволяет сравнивать их на равных условиях и проверять их эффективность в реальных бизнес-сценариях.

При проектировании этого «измерителя» Ян Ехуэй выделил три принципа: справедливость, научность и практичность. Справедливость исключает «самовосхваление» и устанавливает единые минимальные стандарты оценки; научность достигается за счет разумного распределения данных, постановки задач и сложности, что позволяет эффективно различать алгоритмы; практичность — это ключевой аспект, обеспечивающий, чтобы хорошие результаты на базе стандарта могли быть напрямую применимы в реальных бизнес-сценариях.

Для повышения практической релевантности FCMBench моделирует более десяти сценариев реальных помех при съемке, включает задачи по проверке достоверности документов, сопоставлению нескольких документов и другим рассуждательным задачам, имитирующим риски в кредитных операциях. Например, если пользователь указывает годовой доход свыше 500 тысяч, но налоговая ставка ниже 10%, это очевидный риск, который FCMBench включает в задачи для проверки способности модели выявлять риски и противодействовать мошенничеству, что обеспечивает практическую ценность оценки.

По мнению Яна Ехуэя, FCMBench — это не «ради создания», а инструмент, который служит обратной связью для бизнеса и отрасли, выступая в роли общественного ресурса. Его цель — через единые стандарты глубже связать возможности AI с бизнес-ценностью. Также FCMBench становится мостом между академическими исследованиями и промышленным применением, расширяя задачи, типы данных, языки и мультимодальные сценарии, чтобы покрыть все аспекты кредитного AI; при этом активно привлекаются университеты и финансовые организации для совместной разработки, обогащения реальными данными и сценариями, что поможет превратить его в отраслевой стандарт оценки и даже в групповой стандарт, служащий практическим барьером при выборе моделей и сотрудничестве.

Академический взгляд: «ImageNet» для финансового AI уже близко

Если индустрия сосредоточена на том, как использовать «измеритель», то академическая сфера больше озабочена отсутствием такого стандарта и вопросом, как создать действительно авторитетную «шкалу».

Профессор Чэнь Тао из Фуданьского университета, анализируя историю развития AI, прямо указал на суть проблемы: «Развитие крупных моделей AI сильно зависит от открытой экосистемы, а в финансовой сфере пока отсутствуют признанные внутри страны и за рубежом единые датасеты и стандарты оценки. Без единого ‘измерителя’ компании и академические круги не могут совместно инвестировать в исследования, что препятствует формированию сильной экосистемы развития и, в конечном итоге, ограничивает появление крупных финансовых моделей.»

Он обратил внимание на важность milestone — ImageNet. «Датасет ImageNet стимулировал взрывной рост глубинного обучения и стал единым стандартом оценки в области распознавания изображений. Аналогичный стандарт — ключ к прорыву в AI», — подчеркнул Чэнь Тао. Он отметил, что в финансовой сфере сейчас отсутствует такой универсальный и всеобъемлющий датасет, что мешает формированию совместной экосистемы развития. Поэтому необходимо создать собственный «ImageNet».

Что касается FCMBench-V1.0, Чэнь Тао оценил его как один из крупнейших и наиболее авторитетных единых оценочных базисов в области кредитования и финансовых рисков как в Китае, так и за рубежом. В отличие от разрозненных датасетов, FCMBench впервые реализует мультимодальную унификацию, охватывает ключевые задачи в кредитовании и управлении рисками, полностью ориентирован на реальные бизнес-сценары. Благодаря инновационной концепции QiFu Technology, он сочетает полноту охвата и практическую ценность, что делает его важным шагом к созданию внутри отрасли собственного «ImageNet».

Интеграция науки, образования и практики: преимущества внедрения финансового AI очевидны, FCMBench связывает потребности индустрии и подготовку кадров

Профессор Хуань Яньу из Южно-Китайского технологического университета, рассматривая вопросы интеграции науки, образования и практики, рассказал о текущем состоянии внедрения финансового AI, его преимуществах и роли FCMBench в подготовке кадров.

Он развеял распространенное заблуждение: «Многие считают, что AI в финансах ‘не ощущается’. Это не так. AI уже глубоко участвует в страховых тарифах, оценке активов и алгоритмической торговле. Просто эти ценности не всегда очевидны для конечных потребителей, поэтому кажется, что ‘его нет’».

Также он отметил, что по сравнению с такими высокорисковыми отраслями, как медицина, внедрение AI в финансы значительно быстрее и эффективнее — в разы быстрее. Это связано с возможностью быстрого тестирования моделей на исторических данных и параллельной проверкой нескольких вариантов, что сокращает цикл до нескольких недель или месяцев. В медицине же изменение алгоритма требует многолетних клинических испытаний и подтверждений, что делает практическую реализацию значительно более затратной.

Что касается создания финансовых датасетов, Хуань Яньу выделил три ключевых элемента: ценностное ориентирование, полноту и справедливость. Он подчеркнул, что качественный датасет должен решать реальные задачи, быть всесторонним и учитывать разные аспекты отрасли, а также обеспечивать честную и прозрачную оценку, основанную на общественных интересах, а не на частных целях.

Появление FCMBench полностью соответствует этим принципам и играет важную роль в подготовке кадров для финансовой индустрии. Он служит связующим звеном между подготовкой специалистов и требованиями рынка, предоставляя студентам и молодым специалистам реальные сценарии работы, повышая их конкурентоспособность, а также помогает алгоритмистам и исследователям быстро адаптироваться к потребностям отрасли, пополняя кадровый резерв и совершенствуя профессиональные навыки.

В ходе трансляции три эксперта из разных областей — промышленности, науки и интеграции — подробно обсудили создание стандартов мультимодального кредитного AI, что позволило участникам лучше понять текущие вызовы, перспективы и стратегические направления развития. В будущем, при дальнейшем развитии и совместном участии финансовых институтов и научных центров, ожидается формирование открытой экосистемы, подобной ImageNet, которая позволит глубже интегрировать AI-технологии в финансы, способствуя стандартизации и развитию отрасли, а также технологическим прорывам и практической реализации.