创的朋友提醒。 作者：金公众号：符号工作室 本文由 符号工作室 原创发布于都是产品经理。未经许可禁止转载 题图来自 基于协议 该文观点仅代表作者本都是产品经理平台仅提供信息存储空间服务。浪潮前夕各行都在努力拥抱通工智能的快速发
展打破原有的依赖规则驱动的
模式基于数据和深度学从“规则为基础”向“数据驱动”综合能力和应能力也更强。 笔者过去几年主要在金融相关行工作因为本
文主要讨论范围也是围绕着金融行的应。 金融行数字化转型 金融行的数字化转型直在持续进行当下的应浪潮也是数字化转型的第三阶段当下及未来的阶段。 从这路径的理解来看金融行要更好地进行的应落地实践依然离不开数据的建设以数据为驱
动的模型的落地应该如何应首先需要理解 Canada电子邮件列表 究竟带来的是什么样的能力(与以往纯粹的[线下搬到线]的方式相比有什么不同)务平台与模型之间应该如何协作构建最后再来看金融行的应场景。 二模型的能力理解 长远点来看把智能体当做可塑可训练的具备记忆有
理解能力能够做出决策并且行动(任务处理或内容 CPM（每千次成本）——每千次观看的价格。 输出)的。 可训练：微调语料训练工程等方式都可以在通模型的基础进行进步的训练和塑造这点对模型的能力落地提供更多的可能性也让模型的能力发挥降低应门槛。在企应层面可以基于特定的产品
场景需求进行设置和微调在户层面也可以通过调整和设置形成自定义的角色塑造。 输/感知：输即接收来自外界直接的需求信息文字/音频/图像/视频等以及户在特定使场景的设置调整。在硬件的应可能会涉及到更多的信息输送比如-pinR眼镜智能录音笔等使输窗口更丰富听觉触觉视觉等都以成为接收的信息要素多样化的信息输也会带来信息量的激增和
结构的丰富比如音频除文字信
息外语气语调停顿等也包含很多信息对模型的理解能力和信息处理速度会有更高的要求。感知对场景/场域的感知对
户行为惯的感知等。近期支付宝推出的[支小宝] BY 列表 智能陪伴的模块就发挥对户场景及场域的感知比如到旅游某景点推荐当地的特色订车等服务在家快
递待取件提醒取件等以及随着使时间越长对户的行为惯的感知会更加精准。 理解/推理：基于量数据的训练和深度学通模型对自然语言有更强的语义理解能力扩展到多模态的话需要模型对丰富的信息结构有更深的理解比如音频图像视频等。 记忆/学：记忆包括短期记忆和长期记忆短期记忆比如对话下文提示词的下文长期记忆涉及到外部的数据检索访问数据库知识库等
任务处理：结合应务平台的需求和能力给的输出提供[执行能力]包含决策支持围绕工作流的智能选择最优-自动执行-优化等。决策支持主要是通过数据分
