浙江大学DeepSeek公开课 第二季第2期讲座 - 郑小林教授(PPT下载)

大家好！今天给大家带来一个重磅分享——浙江大学DeepSeek系列专题线上公开课第二季 第2期的PPT内容！ 这次公开课中郑小林教授主要分享了AI发展与金融智能化。

讲座：智能金融：AI驱动的金融变革

浙江大学 郑小林 教授

视频和PPT 领取✅

浙江大学 deepseek 公开课 第2季 第2期 - PPT和视频

https://xpan.com.cn/s/35N92M

PPT 预览

img

img

img

一、自然语言处理技术演进

1. 技术发展四阶段

（1）统计语言模型（1990s-2010s） 基于马尔可夫假设建模文本概率分布，以前后单向计算为核心。优势在于可解释性强、计算效率高，但受限于指数级参数增长与单向建模缺陷。

（2）神经语言模型（2010s） 以循环神经网络（RNN）为代表，突破统计模型局限，具备上下文捕捉能力。然而存在计算复杂度高、长程依赖处理弱等瓶颈。

（3）预训练语言模型（2018起） Transformer架构的提出（2017年谷歌）开启新纪元。其核心创新包括：

• 自注意力机制：支持全序列并行计算，精准捕捉长距离依赖关系；

• 位置编码：弥补词序信息的缺失；

• 多头注意力：多维度解析语义，增强上下文表征能力。 典型代表如BERT（双向编码）、GPT系列（单向生成）。

（4）大语言模型（2020起） 以GPT-3（1750亿参数）为里程碑，实现少样本/零样本学习。关键技术突破包括：

• 混合专家系统（MoE）：通过门控机制动态激活专家网络，降低计算负载；

• 模型蒸馏技术：将大模型知识迁移至轻量化模型，兼顾性能与效率。

二、大模型在金融领域的应用挑战

1. 核心应用场景

• 智能风控：实时监测异常交易，识别欺诈模式（如信用卡套现、洗钱行为）；

• 量化投资：基于非结构化数据（财报、新闻）生成投资信号；

• 智能投顾：提供个性化财富管理方案；

• 合规监管：自动化审核合同与监管文件，降低人工成本。

2. 关键挑战与对策

（1）安全与隐私保护

• 风险：模型可能通过记忆训练数据泄露敏感信息（如用户身份、交易记录）；

• 解决方案：联邦学习、同态加密技术，实现数据"可用不可见"。

（2）可解释性与合规性

• 监管要求：欧盟《AI法案》要求高风险系统提供决策依据；

• 技术路径：构建事理图谱，可视化模型推理逻辑链。

（3）幻觉问题与数据质量

• 典型案例：虚假财报生成、虚构金融产品推荐；

• 缓解策略：引入强化学习人类反馈（RLHF），构建多层级校验机制。

（4）算力成本与落地瓶颈

• 行业实践：采用MoE架构降低70%推理成本，结合模型蒸馏实现边缘端部署。

三、未来趋势：从感知智能到认知革命

1. 技术突破方向

• 多模态融合：GPT-4已整合文本/图像/音频处理能力，未来将拓展至3D空间建模；

• 类脑推理机制：DeepSeek-R1等模型在数学证明、代码生成任务中接近人类水平；

• 自我进化系统：通过递归训练实现参数动态优化，减少人工干预。

2. 金融智能化路径

• 基础设施层：建设行业专属算力中心与高质量语料库；

• 应用生态层：开发垂直领域插件（如Wind金融插件、同花顺数据分析模块）；

• 监管协同层：构建沙盒测试环境，探索动态监管框架。

3. 人文伦理思考

参照加德纳多元智能理论，当前AI在语言逻辑、空间感知等维度已取得突破，但在人际智能、自我认知等领域仍存差距。需建立"AI+人类"协同范式，将机器效率与人类创造力深度结合。

结语

大语言模型正推动金融业从"流程数字化"向"决策智能化"跃迁。技术突破需与风险管控并重，通过持续的技术迭代与跨学科协作，实现金融服务普惠化、风控精准化、监管智能化。

未来十年，认知智能的突破或将重塑全球金融格局。

视频和PPT 领取✅

浙江大学 deepseek 公开课 第2季 第2期 - PPT和视频

https://xpan.com.cn/s/35N92M

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～