在線客服
企業微信
核心提示：獨家 | 創新工場首席科學家周明：NLP 與金融「聯姻」，從經濟實惠的小模型開始
6月6日，創新工場首席科學家、瀾舟科技創始人周明
獨家 | 創新工場首席科學家周明：NLP 與金融「聯姻」，從經濟實惠的小模型開始
6月6日，創新工場首席科學家、瀾舟科技創始人周明博士代表瀾舟科技，在北京與華夏基金簽署戰略合作協議，宣告成立「金融NLP聯合實驗室」。
這是繼周明在2020年12月離開微軟亞洲研究院后的又一個重大動向。
周明博士是我國研究自然語言處理（NLP）的先驅者之一：
他是中國第一個中英翻譯系統CEMT-I（哈工大1989年）、日本最有名的中日機器翻譯產品J-北京（日本高電社1998年）的研制者，曾擔任2019年國際計算語言學協會（ACL）主席，中國計算機學會理事、中文信息技術專委會主任、術語工作委員會主任、中國中文信息學會常務理事，谷歌學術引用數超過32000次。
1999年，周明加入微軟亞洲研究院，隨后擔任自然語言研究組的負責人、微軟亞研副院長。2020年12月，他從微軟離職，隨后加入創新工場擔任首席科學家，2021年6月孵化出瀾舟科技，7月就推出輕量化模型——「孟子」，在中文語言理解評測CLUE榜單的多項指標上登頂第一，引起不少關注。
如今，不到一年，瀾舟科技便與華夏基金成立「金融NLP聯合實驗室」，致力于在金融場景中實現NLP技術的落地，成長著實迅速。而據AI科技評論與周明博士的對話，在此次與金融的「聯姻」中，輕量化模型「孟子」將扮演重要角色。
獨家 | 創新工場首席科學家周明：NLP 與金融「聯姻」，從經濟實惠的小模型開始
根據華夏基金首席數據官陳一昕的介紹，在以往的「金融+NLP」建設中，他們往往面臨模型與行業場景適配性差、訓練代價大、中文理解能力不足等問題。面對金融領域文本專業性強、應用場景多變的情況，構建落地快、易迭代、可適配金融垂直領域的中文NLP模型是一個亟待實現的目標。
而此時，「孟子」的輕量化優勢便發揮了出來。
周明告訴AI科技評論，諸如「孟子」的輕量化模型部署成本低，能夠快速迭代，用戶壓力小，且適配性強。此外，通過知識融合、數據增強，能力上或并不遜于大模型，十分適合金融場景的需求，更容易落地。
以下是雷峰網(公眾號：雷峰網)-AI科技評論與周明博士的對話：
AI科技評論：能否簡單介紹一下瀾舟科技跟華夏基金共同成立金融NLP聯合實驗室的背景？
周明：我在2020年年底從微軟亞洲研究院離開，到創新工場擔任首席科學家，去年6月孵化了瀾舟科技。瀾舟科技的核心技術是自然語言理解，可以用于實現文本的智能理解、搜索、問答、摘要、翻譯以及知識圖譜等等。但具體落地，要找一個場景。
剛創立瀾舟科技時，我就首先想到金融。那時候我就想，要進入金融領域，不能隔靴瘙癢，而是要有更緊密的合作。我們要了解金融的需求，金融方也要知道我們的技術長板和短板，所以我就開始尋找能夠緊密合作的金融伙伴。
恰好在去年10月，我應邀參加一個在上海舉行的智能投研大會，做了一個特邀報告，其中介紹了瀾舟科技的自然語言處理技術，包括「孟子」預訓練模型。華夏基金的楊思成在臺下，對我們很感興趣，就介紹我和華夏基金的首席數據官陳一昕認識，雙方一拍即合。
我們共同認為，過去科技企業與金融公司的項目合作模式不夠密切。項目制是甲方與乙方，對方擬好一個需求，我圍繞需求提供技術、按時間交付，但技術的不斷迭代需要科技與場景的緊密結合，所以我和陳一昕最終決定采用「聯合實驗室」的方式，把大家放在一個籃子里，AI 可以隨著市場變化快速迭代，業務也可以更了解 AI。
AI科技評論：項目制是目前 AI/NLP 與其他領域結合的主流合作形式嗎？聯合實驗室是不是相對比較少？
周明：是的。在這里我要解釋一下，金融是一個特殊的領域，不像有的領域可以實現相對標準化的服務，「AI+金融」或「金融+AI」在當前還沒有定論。
金融的需求沒有那么明確，而且場景多樣化，同時 AI 技術也在不停地迭代，例如，大模型約每三個月就要迭代一次。
因此，金融行業的人士對 AI 是既渴望、又覺得太繁復，跟不上 AI 的節奏。在這種方式下，項目制就會產生一些問題，而聯合實驗室則能更靈活地應付這種快速多變的局面，把雙方的優勢與長處發揮出來。
AI科技評論：據您觀察，目前國內做 NLP 落地、或憑借 NLP 技術進軍金融領域的公司多嗎？
周明：兩者都不多。由于技術的局限性，NLP落地很難，因此全世界的NLP公司都比較少，但像百度、微軟、谷歌等背后都有 NLP 團隊，主要是服務于它們自身的業務和產品，作為一個部件，例如拼寫檢查、文檔分析、索引等等，但極少有公司專門以 NLP 技術立足。
近兩年大模型出現后，NLP 的能力大幅度提升，開始有人嘗試基于 NLP 技術創業，但受疫情影響無法推行，很多科研者還在等待機會。也有將 NLP 當應用的公司，例如客服公司，但并非專門研究NLP。
AI科技評論：金融業務有哪些特征？在金融場景中，NLP能夠解決什么樣的問題？
周明：首先說NLP（自然語言處理）技術。目前 NLP 領域有許多基于互聯網的海量數據訓練出來的大規模預訓練模型，過去幾年也在全世界引起了廣泛關注。但瀾舟科技做的是「孟子」輕量化模型，模型不大、容易落地，同時又具備分析、搜索、翻譯、生成等能力。
NLP的這些能力在金融領域有很多用處，比如智能信息抽取。幾乎所有金融單位都要處理很多無結構、有結構或半結構的文檔，如網頁有表格、有字段。舉個例子，基金的變化，昨天的價格多少、今天的價格多少、基金數量、購買人數、交易量、上升與下降幅度等等，有可能寫在年報里，也有可能寫在網頁里，我們就可以使用智能文檔分析技術，將其重要信息抽取出來形成數據庫。
再聯想其他能力，NLP 幾乎貫穿金融業務的所有環節，所以金融機構都重視 NLP 技術。但如何將NLP能力開發好、部署好，成本極低又能快速便捷地用起來，卻是不容易做到的。
AI科技評論：在這次NLP與金融的聯合中，「孟子」模型的落地如何體現？
周明：「孟子」在瀾舟公司的所有技術體系中都會體現，包括智能文檔、信息抽取、知識圖譜、搜索問答，還有文本生成等，這些核心技術均會進入到跟華夏一同成立的聯合實驗室中。「孟子」會基于一些金融數據做訓練，從而獲得處理金融數據的能力。
基于「孟子」，我們希望可以在金融領域中做文檔智能信息抽取、OCR、輿情分析、暴雷事件分析、報警、風控，也可以做國內外金融信息的抽取匯總和檢索、年報的自動生成和和行情預判等等，還有金融行業需要的客服、獲客、客戶推薦優秀產品、客戶跟蹤、用戶畫像等。
AI科技評論：「孟子」強調的是小模型，小模型對于處理金融領域的問題是否有獨特的優勢？
周明：在一定的情況下，模型越大、參數越多，泛化能力就越強、水平就越高，這是共識。但訓練一個巨大的模型需要巨大算力，在使用大模型時，推理也需要很大的計算集群，需要買成百上千張卡來支持運行，一般的公司（包括金融機構）都負擔不起，性價比也拉低。
而輕量化模型對用戶的壓力非常小，一般情況下只用少量GPU，甚至有些任務只用CPU也可以，部署成本可以大幅降低，又快又準。即便性能也許比大模型差了一點，但在大部分用戶看來是劃算的。也是基于這樣的市場，我們在成立瀾舟科技時就決定做輕量化模型。
瀾舟科技是國內最早研究輕量化模型的公司之一。在研究「孟子」時，我們以為模型的能力會大幅削弱，但后來發現，如果輕量化模型的算法過關，加上知識的融入、數據的增強，輕量化模型有可能不輸給大模型。這是非常了不起的一件事。
6月6日，創新工場首席科學家、瀾舟科技創始人周明博士代表瀾舟科技，在北京與華夏基金簽署戰略合作協議，宣告成立「金融NLP聯合實驗室」。
這是繼周明在2020年12月離開微軟亞洲研究院后的又一個重大動向。
周明博士是我國研究自然語言處理（NLP）的先驅者之一：
他是中國第一個中英翻譯系統CEMT-I（哈工大1989年）、日本最有名的中日機器翻譯產品J-北京（日本高電社1998年）的研制者，曾擔任2019年國際計算語言學協會（ACL）主席，中國計算機學會理事、中文信息技術專委會主任、術語工作委員會主任、中國中文信息學會常務理事，谷歌學術引用數超過32000次。
1999年，周明加入微軟亞洲研究院，隨后擔任自然語言研究組的負責人、微軟亞研副院長。2020年12月，他從微軟離職，隨后加入創新工場擔任首席科學家，2021年6月孵化出瀾舟科技，7月就推出輕量化模型——「孟子」，在中文語言理解評測CLUE榜單的多項指標上登頂第一，引起不少關注。
如今，不到一年，瀾舟科技便與華夏基金成立「金融NLP聯合實驗室」，致力于在金融場景中實現NLP技術的落地，成長著實迅速。而據AI科技評論與周明博士的對話，在此次與金融的「聯姻」中，輕量化模型「孟子」將扮演重要角色。
根據華夏基金首席數據官陳一昕的介紹，在以往的「金融+NLP」建設中，他們往往面臨模型與行業場景適配性差、訓練代價大、中文理解能力不足等問題。面對金融領域文本專業性強、應用場景多變的情況，構建落地快、易迭代、可適配金融垂直領域的中文NLP模型是一個亟待實現的目標。
而此時，「孟子」的輕量化優勢便發揮了出來。
周明告訴AI科技評論，諸如「孟子」的輕量化模型部署成本低，能夠快速迭代，用戶壓力小，且適配性強。此外，通過知識融合、數據增強，能力上或并不遜于大模型，十分適合金融場景的需求，更容易落地。
以下是雷峰網(公眾號：雷峰網)-AI科技評論與周明博士的對話：
AI科技評論：能否簡單介紹一下瀾舟科技跟華夏基金共同成立金融NLP聯合實驗室的背景？
周明：我在2020年年底從微軟亞洲研究院離開，到創新工場擔任首席科學家，去年6月孵化了瀾舟科技。瀾舟科技的核心技術是自然語言理解，可以用于實現文本的智能理解、搜索、問答、摘要、翻譯以及知識圖譜等等。但具體落地，要找一個場景。
剛創立瀾舟科技時，我就首先想到金融。那時候我就想，要進入金融領域，不能隔靴瘙癢，而是要有更緊密的合作。我們要了解金融的需求，金融方也要知道我們的技術長板和短板，所以我就開始尋找能夠緊密合作的金融伙伴。
恰好在去年10月，我應邀參加一個在上海舉行的智能投研大會，做了一個特邀報告，其中介紹了瀾舟科技的自然語言處理技術，包括「孟子」預訓練模型。華夏基金的楊思成在臺下，對我們很感興趣，就介紹我和華夏基金的首席數據官陳一昕認識，雙方一拍即合。
我們共同認為，過去科技企業與金融公司的項目合作模式不夠密切。項目制是甲方與乙方，對方擬好一個需求，我圍繞需求提供技術、按時間交付，但技術的不斷迭代需要科技與場景的緊密結合，所以我和陳一昕最終決定采用「聯合實驗室」的方式，把大家放在一個籃子里，AI 可以隨著市場變化快速迭代，業務也可以更了解 AI。
AI科技評論：項目制是目前 AI/NLP 與其他領域結合的主流合作形式嗎？聯合實驗室是不是相對比較少？
周明：是的。在這里我要解釋一下，金融是一個特殊的領域，不像有的領域可以實現相對標準化的服務，「AI+金融」或「金融+AI」在當前還沒有定論。
金融的需求沒有那么明確，而且場景多樣化，同時 AI 技術也在不停地迭代，例如，大模型約每三個月就要迭代一次。
因此，金融行業的人士對 AI 是既渴望、又覺得太繁復，跟不上 AI 的節奏。在這種方式下，項目制就會產生一些問題，而聯合實驗室則能更靈活地應付這種快速多變的局面，把雙方的優勢與長處發揮出來。
AI科技評論：據您觀察，目前國內做 NLP 落地、或憑借 NLP 技術進軍金融領域的公司多嗎？
周明：兩者都不多。由于技術的局限性，NLP落地很難，因此全世界的NLP公司都比較少，但像百度、微軟、谷歌等背后都有 NLP 團隊，主要是服務于它們自身的業務和產品，作為一個部件，例如拼寫檢查、文檔分析、索引等等，但極少有公司專門以 NLP 技術立足。
近兩年大模型出現后，NLP 的能力大幅度提升，開始有人嘗試基于 NLP 技術創業，但受疫情影響無法推行，很多科研者還在等待機會。也有將 NLP 當應用的公司，例如客服公司，但并非專門研究NLP。
AI科技評論：金融業務有哪些特征？在金融場景中，NLP能夠解決什么樣的問題？
周明：首先說NLP（自然語言處理）技術。目前 NLP 領域有許多基于互聯網的海量數據訓練出來的大規模預訓練模型，過去幾年也在全世界引起了廣泛關注。但瀾舟科技做的是「孟子」輕量化模型，模型不大、容易落地，同時又具備分析、搜索、翻譯、生成等能力。
NLP的這些能力在金融領域有很多用處，比如智能信息抽取。幾乎所有金融單位都要處理很多無結構、有結構或半結構的文檔，如網頁有表格、有字段。舉個例子，基金的變化，昨天的價格多少、今天的價格多少、基金數量、購買人數、交易量、上升與下降幅度等等，有可能寫在年報里，也有可能寫在網頁里，我們就可以使用智能文檔分析技術，將其重要信息抽取出來形成數據庫。
再聯想其他能力，NLP 幾乎貫穿金融業務的所有環節，所以金融機構都重視 NLP 技術。但如何將NLP能力開發好、部署好，成本極低又能快速便捷地用起來，卻是不容易做到的。
AI科技評論：在這次NLP與金融的聯合中，「孟子」模型的落地如何體現？
周明：「孟子」在瀾舟公司的所有技術體系中都會體現，包括智能文檔、信息抽取、知識圖譜、搜索問答，還有文本生成等，這些核心技術均會進入到跟華夏一同成立的聯合實驗室中。「孟子」會基于一些金融數據做訓練，從而獲得處理金融數據的能力。
基于「孟子」，我們希望可以在金融領域中做文檔智能信息抽取、OCR、輿情分析、暴雷事件分析、報警、風控，也可以做國內外金融信息的抽取匯總和檢索、年報的自動生成和和行情預判等等，還有金融行業需要的客服、獲客、客戶推薦優秀產品、客戶跟蹤、用戶畫像等。
AI科技評論：「孟子」強調的是小模型，小模型對于處理金融領域的問題是否有獨特的優勢？
周明：在一定的情況下，模型越大、參數越多，泛化能力就越強、水平就越高，這是共識。但訓練一個巨大的模型需要巨大算力，在使用大模型時，推理也需要很大的計算集群，需要買成百上千張卡來支持運行，一般的公司（包括金融機構）都負擔不起，性價比也拉低。
而輕量化模型對用戶的壓力非常小，一般情況下只用少量GPU，甚至有些任務只用CPU也可以，部署成本可以大幅降低，又快又準。即便性能也許比大模型差了一點，但在大部分用戶看來是劃算的。也是基于這樣的市場，我們在成立瀾舟科技時就決定做輕量化模型。
瀾舟科技是國內最早研究輕量化模型的公司之一。在研究「孟子」時，我們以為模型的能力會大幅削弱，但后來發現，如果輕量化模型的算法過關，加上知識的融入、數據的增強，輕量化模型有可能不輸給大模型。這是非常了不起的一件事。
