每日速讯：研究助理将被替代？黄燕铭、芮勇最新发声！

随着以ChatGPT为代表的现象级应用先后发布，资本市场对人工智能(AI)的关注度达到峰值。

【资料图】

3月20日，国泰君安证券研究所《所长对话》视频栏目启动，第一期由国泰君安证券研究所所长黄燕铭对话联想集团首席技术官、高级副总裁芮勇博士，两位以“ChatGPT大风起，人工智能浪潮来临”为话题分享了各自观点。

技术发展方面，黄燕铭认为ChatGPT不单单是文本生产的工具，其强大的语言处理能力也增加了用户体验，同时也降低了生产、交易成本，提高了企业的经营效率。“我们认为ChatGPT在未来有非常广阔的发展空间，我们对ChatGPT未来的发展前景非常看好。”

芮勇表示，ChatGPT横空出世，是一个现象级的技术突破和应用，是人工智能数十年发展历程中又一个重大的突破点和转折点。面对ChatGPT带来的新机遇和新挑战，产业界和学术界应紧密携手，持续推动相关技术的发展和产业应用。

商业应用场景方面，芮勇认为ChatGPT在C端会快速落地，由于目前的训练数据更多是通用数据，更易面向C端产生个人应用。B端的部分数据未打通，但一旦供给打通，落地将是爆发性的。闭源有利企业短期先发优势，开源则“后劲更足”，有利企业长期生态建设。

黄燕铭从券商研究的角度出发，表示简单的人工收集信息，然后简单加工，就可以形成的日常点评性报告，相信用人工智能都可以完成。“我相信人工智能的发展会导致证券研究人员数量在一定程度上减少，大量研究助理需要干的活被机器替代。”

AI伦理方面，芮勇说，在人工智能的发展过程中，伦理和道德问题也要花大力气去解决。人工智能产品落地需要遵循一些原则，才能使之健康有序地发展。现在业界比较公认的人工智能基本原则，包括公平、可靠、保密、包容、透明、负责，等等。

延伸阅读：

以下是国君研究《所长对话》第1期的部分文字实录：

黄燕铭：ChatGPT不单单是文本生产的工具，其强大的语言处理能力也增加了很多的用户体验，同时也为我们降低了生产经营、交易的成本，提高了企业的经营效率，而这种大规模的适配以及迭代的能力也是ChatGPT的特点，它在特定领域、专业语言以及自动化客户服务等各方面都做出了巨大的成就。我们认为ChatGPT在未来有非常广阔的发展空间，我们对ChatGPT未来的发展前景非常看好。

芮勇：ChatGPT，我觉得它可以说是一种现象，它是一个类似于iPhone的现象，类似于网景的现象。我们都知道，网景是第一个真正商业化的浏览器，在网景出现之前很多年浏览器就已经有了，但是没有火起来，直到网景出现之后，整个浏览器才火了起来，整个互联网才火了起来。iPhone其实也是一样，智能手机出现了很久，但是没有那么火，到最后真正腾飞起来的是iPhone。

那么ChatGPT也是类似，大家称这是一种现象，是和网景和iPhone类似的一种现象。但我更想说，今年ChatGPT非常火，更重要的是ChatGPT后面起到核心作用的大模型。大模型的英文叫Foundation Model，它是一个基础模型，好比我们盖房子时候打的地基。什么是大模型呢？大模型是用互联网级的、没有标注的数据，来训练千亿级参数的AI模型。大模型也是下游很多任务的基础。并且很有意思是，它不用做模型参数的调整，对不同的任务，它不用去调整参数，这个事就非常的奇特了。

黄燕铭：海外像大摩这些的金融机构已经把ChatGPT技术应用在理财投资顾问的工作领域，我们相信这种应用也会越来越多、越来越快，相信在不远的将来ChatGPT技术也会在中国全面开花。除了技术，投资者最关注的莫过于未来可能出现的应用场景。我们看到微软已经把ChatGPT整合到了办公软件、会议软件当中，直接跟消费者收费；同时，海外也已经有很多公司把GPT模型用在了不同的领域，比如面对企业的内容创作、绩效营销分析等等。

芮勇：一个技术到最后，还是要落地的，要有场景的。任何的技术都要落到场景去，要产生经济效益。有哪些场景是落地会比较好？其实，我们如果去OpenAI的官网看一看，(会发现)他们列出了48个不同的使用场景，大致有7个类别，包括问答、分类、代码、对话、生成、翻译、转换等等。

我们可以简化看成两个大类，一个是理解，另一个是生成。大模型其实非常强，它的语言理解能力要比之前准确很多，所以这是人机交流的一个大的里程碑。比如今后我们使用搜索引擎，可以用自然语言进行搜索了，而不用去找到底是用这个关键词，还是用那个关键词，你只要用自然语言就可以了，这是它理解能力的应用场景。

第二个是生成能力的应用场景，这里有很多智能化的内容生成，比如辅助写作、代码编写等等，这些东西它都可以做了。我觉得今后可能社会上有一些职业更容易被取代。数字社会劳动力市场有一个新的特征，就是很多这种像能写会算的专业知识技能，逐渐会被标准化、模块化、程序化。

我个人认为C端可能会快速落地，然后是B端的爆发式落地。因为我们看今天的这种大模型的通用能力非常的强，可以立刻就支持C端，包括像个人应用、内容创作、文章、代码、图像视频的生成，等等，所以它可以立刻快速落地。但是这个B端还需要一段时间把大模型和B端给连接起来，一旦能够打通，那么B端的落地增长会是爆发性的。

黄燕铭：我相信，ChatGPT以及类似的这些人工智能的发展会给我们各行各业在未来带来很大的变化。我自己做证券研究29年，我认为证券研究的原料是信息，证券研究的成果依然是信息。信息研究、信息管理的整个过程贯穿了证券研究的管理的整个过程。

哪些东西电脑能够完成？哪些东西电脑不能完成？我的理解是形而下的工作可以交给计算机；但是形而上的感悟，目前来看，人工智能还很难去帮我们完成。

什么叫“形而下”？比如日常做证券研究，我们要收集信息，要收集上市公司年报的信息，要收集公告信息，收集各个媒体发布的信息等等，通过把这些信息收集过来，加工整理成我们一系列的研究产品，包括信息汇编类的报告、年报点评类的报告、行业点评类的报告。这些通过简单的人工收集信息，然后简单加工，就可以形成的日常点评性的报告，我相信用人工智能都可以完成。

而这类工作其实在我们日常当中耗费了巨多的时间和人力，所以说我相信人工智能的发展可能会导致证券研究人员数量在一定程度上减少，大量研究助理需要干的活被机器替代，很多研究助理晚上可以减少熬夜，让机器帮助完成一部分的工作。

不过，是不是证券研究中所有的东西都可以让电脑来替代呢？我就说一个问题，2014年本人的一篇文章《股票价格不是树上的花》，这篇文章能让机器写出来吗？我相信也不能。这就好比以前大家在探讨有没有可能让机器写出优美的散文和唐诗、机器能不能参悟人类的智慧达到更高的一个境界。我相信智慧还是需要人类自己去完成。

所以，机器能不能写出让人类满意的研究报告？我的答案是机器可以写出让机器满意的报告，但是机器很难写出完美到让人类最满意的研究报告。

芮勇：我特别认同关于机器和人之间“形而下”和“形而上”的关系。我从事信息行业，计算机是信息科学的一个分支。从信息科学来看，数据是一些最原始的东西，数据升华以后才是信息，信息升华以后才是知识，知识再升华以后才是智慧。

机器应该为人类服务，而不是人类为机器服务。计算、记忆，这两个让机器去做吧。这两个机器本来做的都很好，它算的比我们算的快，记得也比我们记得多。但是很多它不会的东西是在我们人类的脑子里，那刚好机器干机器强的事，人类干人类强的事，两者应该结合在一起。

芮勇：在人工智能技术走向产品的时候，一定也会碰到道德和伦理的问题。我们来回顾一下大模型的训练过程，它其实用了互联网级别的海量数据来训练。这就是像一个孩子，他学习了很多基本的文化知识，但是他没有建立价值观，他不知道什么叫对，什么叫错；什么叫正确，什么叫不正确。对于这一点，我们要教这个孩子什么是对的，什么是错的。

在ChatGPT里有一个算法，就是基于人类反馈的强化学习。这个就是为了去教这个大模型人类的价值观是什么，人类认为什么是对的、什么是错的，使得大模型向人类的价值观来靠拢。所以我们看到人工智能的发展，给我们带来了很多生活的便利、生产效能的提高，但是这些伦理和道德问题，我们也要花大力气去想，这些人工智能产品的落地时需要遵循一些原则，才能使之健康有序的发展。

现在业界比较公认的几个人工智能基本原则，包括公平、可靠、保密、包容、透明、负责，等等。我们再回来看这几个字，很多理念也是我们中华民族这几千年来文化的根基。所以基于这样的一些理念，我们能够让人工智能以一种合乎伦理的方式进行使用，也可以设计出让人更加信赖的人工智能、更加体现道德原则的解决方案。

（文章来源：上海证券报）

关键词：