(相關資料圖)

證券時報記者 王蕊

正如AlphaGo因戰勝圍棋世界冠軍而一舉成名，ChatGPT近日也因為一篇券商研報火到出圈。在專業人士眼中，ChatGPT核心競爭力在于理解人類提問的能力特別優秀，且具備一定的思維鏈能力。換言之，ChatGPT的表現比以往任何AI模型都更加像人。

突如其來的巨大驚喜，再度激發了人們對AI技術的想象空間，迫不及待開始探索用ChatGPT代替人工的可能，金融業更是沖在最前。最先試水的是證券分析師，通過事先準備好的文章框架，以提問形式將關鍵詞喂給ChatGPT，一篇看起來像模像樣的研報在短時間內竟真的順利誕生。

盡管ChatGPT在標點、術語、復雜句式等方面表現不盡如人意，數據來源及可靠性存疑，但這些顯然都是可以通過進一步的機器學習來優化改善的。這也意味著在不遠的將來，ChatGPT很可能憑借高超的人類自然語言處理能力，在信息檢索、文章寫作、問題求解等方面極大程度地節約人力。

據了解，ChatGPT主要應用的大規模預訓練語言模型技術，在金融行業的不少細分領域都已有所應用。例如，對公告和研報等數據進行結構化處理，提高數據生產效率；對海量資訊進行監測和篩選，發掘有價值的投資信息；對智能客服進行訓練，使其更加精準有效地解決客戶提問等。

ChatGPT在金融領域的確應用廣泛，也能極大提升使用者的效率。甚至不久的將來，隨著技術進步，信息更新、回答準確性、算力成本等因素無法再掣肘，ChatGPT在一些領域將能實現從“效率工具”到“生產工具”的突破，進而徹底取代一些重復性、基礎性的人力工作。

不過，盡管ChatGPT已可進行一定的內容生產，可仍需依賴使用者精心設計的提問來運作，產出內容通常還存在諸多不足。有分析師總結為：ChatGPT的回答更像是市場一致預期的精準表達，難免囿于“重復正確的廢話”之嫌。

有分析師也曾嘗試基于ChatGPT的協助去構建量化交易模型，但最終結論是想單純依靠ChatGPT給出的模型開發成熟的、可盈利的策略是不切實際的，因為其給出的模型相對簡單，且無法對數據進行分析，參數設置也缺乏邏輯支持。

如此看來，ChatGPT會給出怎樣的答案，仍取決于使用者給予它怎樣的問題引導。就好像如果設計師無法畫出精準的圖紙，再優秀的施工隊也建造不出期待的房子一樣。其實，隨著人類技術的發展，新技術替代舊技術已多次出現，但也僅限于提高效率，離徹底取代人依然遙遠。金融行業作為當今社會最精密的行業之一，集高等數學、經濟學、社會學等專業于一體，人工智能想將“金融民工”取而代之，不能說絕對沒可能，但要走的路一定還很長。