原贴链接

https://omny.fm/shows/odd-lots/080624-odd-lots-marco-argenti-v1?in_playlist=podcast

讨论总结

本次讨论主要围绕高盛银行如何在其业务中使用AI技术，特别是开源模型。评论者们分享了他们在银行业中使用AI工具的经验，指出了AI在文档分类、内部流程优化等方面的潜力，同时也提到了AI在处理动态和变化的规则与法规方面的不足。讨论中还涉及了高盛如何通过优化算法和硬件配置来应对AI的挑战，以及AI将如何改变开发者的角色，使其更专注于高层次的问题解决和战略思考。总体上，讨论对AI在银行业的实际应用持谨慎态度，但对其未来潜力持乐观态度。

主要观点

  1. 👍 AI在银行业的应用目前还处于初级阶段，存在许多不足。
    • 支持理由：评论者指出AI在处理动态和变化的规则与法规方面需要更高的适应性。
    • 反对声音：一些AI工具在文档分类和内部流程优化方面显示出潜力。
  2. 🔥 高盛主要使用OpenAI和Google的专有模型，并喜欢使用Llama模型处理额外机密数据。
    • 正方观点：高盛认为开源模型在未来将是最有意义的依赖。
    • 反方观点：评论者试图说服管理层转向本地部署。
  3. 💡 高盛专注于构建基于现有AI模型的平台，而非自行开发新模型。
    • 该平台采用嵌入技术和检索增强生成（RAG）来提高准确性和确保AI的负责任使用。
  4. 👀 AI被用于帮助银行家回答客户问题、生成文档、管理文档和提升开发者生产力。
    • 高盛通过在超大规模云服务中托管GPU和优化算法来应对硬件限制和能源消耗问题。
  5. 🚀 Argenti认为AI将增加而非减少高盛的工作岗位，因为它使员工能够专注于更高层次的任务和战略思考。
    • 他预测开发者的角色将转变为更深入理解业务问题和结果驱动思维。

金句与有趣评论

  1. “😂 Nitricta：如果你们相信一个模型能够制定法律文件，你们最好做好准备。”
    • 亮点：强调了AI在处理复杂法律文件时的局限性。
  2. “🤔 Nitricta：我现在看到的只是高级的自动补全功能，并没有真正的AI。”
    • 亮点：指出了当前AI技术在实际应用中的局限性。
  3. “👀 cyan2k：我们使用微调的BERT模型来分类文档，其准确性甚至超过了7名人工分类员。”
    • 亮点：展示了AI在特定任务中的高效性和准确性。
  4. “🚀 frozen_tuna：内部流程，如软件项目的内部QA、IT工单、变更控制等，将从强大的AI中受益。”
    • 亮点：强调了AI在优化内部流程中的潜在价值。
  5. “💡 IlIllIlllIlllIllll：could you maybe summarize it, please?”
    • 亮点：反映了听众对播客内容的兴趣和需求。
  6. “🔍 nelson_moondialu：The part about open source: They mainly use OpenAI, Google proprietary models but they like Llama and use it for extra confidential data, in their in-house AI infrastructure.”
    • 亮点：提供了关于高盛使用开源模型的详细信息。
  7. “🌟 TimChiu710：Goldman Sachs is focusing on building a platform around existing AI models (like GPT) rather than creating their own.”
    • 亮点：强调了高盛在AI应用上的策略选择。
  8. “🌐 Ok_Maize_3709：Argenti surprisingly emphasizes empathy and politeness in writing prompts, stating that it helps guide the AI and achieve better results.”
    • 亮点：指出了在AI应用中同理心和礼貌的重要性。
  9. “🌌 FreegheistOfficial："Lama three point one, which has a version that is four hundred and five million billion parameters. So it’s pretty large and it seems to be performing."”
    • 亮点：展示了大型开源模型的规模和性能。

情感分析

讨论的总体情感倾向较为复杂，既有对AI在银行业应用的乐观态度，也有对其局限性和挑战的担忧。主要分歧点在于AI的实际应用效果和未来潜力。一些评论者对AI的效率和准确性持肯定态度，而另一些则对其在处理复杂法规和动态变化方面的能力表示怀疑。这种分歧可能源于对AI技术成熟度的不同理解和预期。

趋势与预测

  • 新兴话题：开源模型在银行业的应用可能会引发更多讨论和探索。
  • 潜在影响：AI技术的进一步发展可能会改变银行业的工作流程和员工角色，使其更专注于高层次的问题解决和战略思考。