AI在保险行业的发展和应用（32页 PPT）

微信扫码，打开到小程序

AI 在保险行业的发展和应 用 1 Part2 ：大模型行业应用建议 Part1 ：大模型的技术演进 目 录 2 Part2 ：大模型行业应用建议 Part1 ：大模型的技术演进 目 录 3 What technology wants ？ 4 技术进化周期越来越短 5 大模型为什么突然火了 现实域 数域 现实域 模型 + Chat 6 矩阵 概率 “ 大数法则” 大模型的底层 7 2017.6 Transform er 6500 万参数 深度学习框架 TensorFlow 发 布 分布式版本 2018.1 0 BERT 3 亿参 数 202 1 2019 T5 110 亿参 数 B Microsoft 2019 年投资 OpenAI ； 2021 年 Github 与 OpenAI 联合发布 Copilot ； 2023 年 Q1 ，微软系产品领航 ChatGPT 化…… sopen AI 2016 发布 Gym 强化学习平台 & Universe 训练工具包 2018.6 GPT-1 1.17 亿参数 无监督预训练 + 有监督微调 2019 GPT-2 15 亿参数 半监督语言模 型效果验证 2020 GPT-3 1750 亿参数 超大模型 2022 年初 InstructGPT 13 亿参数 人类反馈强化学习 2022 年 12 月 ChatGPT 基于 GPT-3.5 微调后 用 来改进 GPT 语言 模型的 聊天机器人 2023 年 Q1 GPT-4 提升性能 & 多模态 更贴近人类实际思维 Google 第一阶段：模型规模增大，融合的任务更多 2017-2022 年初 演进动力 : 训练语料 & 模型容量更大 Switch Transformer 1.6 万亿参数（人类大脑皮层参数 10 万亿） 大模型演进过程 1950 图灵《电脑会思考吗？》提出“机器思维“概念； 72 年后， ChatGPT 成为离图灵测试最近的机器人。 第二阶段：利用人工标注引导生成 2021 年底 - 至今 演进动力 : 从人类反馈中学习 8 ChatGPT 的技术路线选 择 海量人类积累的文本数据，进行无监督训练。 即可获得博学的文本生成模型 自回归 生成 单字接龙 9 第一阶段：模型规模增大，融合的任务更多 第二阶段：利用人工标注引导生成 ChatGPT 技术演 进 InstructGPT ChatGPT GPT-2 GPT-1 GPT-3 GPT-4 数据： + Reddit 高质量 Webtext 模型：同 GPT-1 参数： 1.5 B 特点： + NLP 任务的 prompt 预 训 练，具备 zero-shot 的能力 数据： + 人工标注数据（万级 别） 模型： GPT-3 + 强化学习 参数： 1.3 B 特点：需求理解能力大幅提升， 生成能力大幅提升 数据： + Filter Common Crawl 模型： GPT-2 的基础上 + sparse transformer 参数： 175 B 特点： zero-shot 效果大幅提升 数据： BookCorpus （ 7000 本 书） 模型： AR （ Transformer Decoder ） 参数： 0.117 B 特点： pretrain + finetune 参数：未公开 特点：输入扩展到图片，更长文字输入，信息可靠性及安全性大幅提 升 人工对齐 强化学习 数据： + 更多的对话语料 模型： GPT-3.5 + 强化学 习 参数： 175 B 特点：对话理解能力提升 数据：未公开 模型： GPT 4 + 多模 态 规模进一步增大 in-context learning 规模增大 Prompt 预训 练 SFT RLH F 1 0 使用 PPO 针对奖励模型优化策略 采样一个新的问题 基于有监督策略初 始化 PPO 模型 输出策略生成答案 奖励模型计算输出 奖励 更新策略 第二步 收集比较数据并训练奖励模型 采样问题，模型输出 问题的多个回答 人工对多个答案进行 排序 使用排序比较数据训练 奖励模型 从问题数据集中抽取 问题 人工标注期望的答案 使用有监督的数据微调 GPT-3 ChatGPT 训练过 程 第一步 收集示范数据并做有监督训练 第三步 1 1 What technology wants ？ 1 2 What you wants ？ 1 3 Part2 ：大模型行业应用建议 Part1 ：大模型的技术演进 目 录 1 4 大模型时代，保险行业各个环节都值得用大模 型重新思考一次 保险营销 产品设计 客户服务 保险精算 团队管理 资产管理 营销 风控 1 5 1. AIGC （ AI-Generated Content ，人工智能生成内 容）的出现，使传统的内容创作模式成本大大降低， 创作内容的数量大大提升。 2. AIGC+ 大模型，让我们面对的现实世界，被以数 千亿级的维度解构，同时，又被以不可思议的维度 重新组合了，进而产生了新的美学。 3. AIGC 时代的营销活动，越来越需要的只是“创意” 本 身 大模型时代的保险营销 来源 : 腾讯研究院 1 6 AIGC 时代，业务员的朋友圈展业助手 1 7 大模型与保险营销 智能文生图 输入：描述文本 输出：智能生成与输入内容相关的结果图 自研文本编码器和文生图模型，更好支持在中文输入场景进行图像创作。 智能图生图 输入：图片，以及辅助的描述文本 输出：智能生成与输入内容相关的结果图 提供原图风格转换支持与原图相似度参数调节。 prompt ：一个透明 女孩，金色头发， 精致脸蛋，粒子效 果，强烈的光影对 比 , waifu, 数字艺 术 , 数字绘画 prompt ：男孩，帅气， 金色的眼睛，细致的 五 官，整齐的短发， 柔和 的工作室照明， 写实人 物肖像 prompt ：一座壮丽的 高 塔，远处是连绵起 伏的 山脉 prompt ：君不见黄 河 之水天上来 1 8 AIGC 时代，让每一个营销活动都和“我”相关 1 9 大模型与保险营销 基于分割、融合、 3D 等技术，实现对图像或视频中的人物提取以及再加工，实现人脸融合效果，支持 API 、 SDK 和离线服务 等方式 高精度人脸融合服务 视频人脸融合 图片人脸融合 实时融合 用户照 素材图 融合图 2 0 AIGC 时代，生成一个数字世界里的“ AI 业务员” 2 1 大模型与保险营销 通过上传一段人脸视频，去驱动一张静态人脸图片产生相应的表情变化，让照片“活”起来。 输入 输出 驱动视频 驱动图片 效果视频 2 2 大模型数据 Prompt Engineering + API Fine Tuning 企业数据 借助大模型能力，整合两个世界 2 3 大模型层 行业大模型 工具 & 平台 TI-DataTruth 数据标注平台 TI-ONE 训练平台 TI-Matrix 应用平台 TI-ACC 加速组件 腾讯云 TI 平台，内置多个行业大模型和工具箱，配套标准化流程和落地服务， 支持客户进行行业大模型精调，生成符合需求的定制化模型，并在此 基础上构建智能应用 算力 算力平台（计算集群 CPU/GPU ） 自研星脉高性能计算网络架构 客户专属大模型 客户数据 大模型精调 行业大模型精调应用 TI 平台 文旅 - 客服场景大模型 电商 - 客服场景大模型 游戏 - 智能 NPC 场景大模型 传媒 - 媒资检索场景大模型 广告 - 文案生成场景大模型 金融 - 客服场景大模型 2 4 模型并非越大越好 现实域 数域 现实域 对落地的业务场景来说，模型并非越大越好，而是需要根据实际业务场景来选择适合的模型 2 5 多场景数据标注 小样本模型训练 零代码应用编排 全方位智能评测 图像干扰 勾选、手写、背景、印章、打印偏移等 复杂关系 混合版式、表格结构化、多层级关系、勾选框提取、易混淆字段提取、无 Key 字段提 取 智能结构化 版式 5000+ 泛化准确率 90%+ 5 张样本训练准确率 95%+ 大规模多模态预训练 CV 信息、语义信息、 布局信息、知识图谱 OCR 大模型应用案 例 覆盖 解决 达到 算法 优势 语义融合高精度识别 结合图像信息及语义信息 提供更高精度 角度感知文本检测 多角度、多方向、 任意文本形状 泛化准确率 98%+ 500 张样本训练准确率 99%+ 表单、回单、提单、票据、证件照、海运单据、保险许可证、托管对账单 等 检测识别 智能分拣 100+ 业务场 景 100 张样本训练准确率 99.5%+ 实验室数据仅供参考 2 6 产品能力 l 重点行业模型 l 对话：意图理解准确 l 对话：多轮对话（上下文） l 对话：知识库匹配 l 知识库：问题 / 相似问生成 l 知识库：基于数据 / 资料，生 成知识和答案 l 对话生成：客户未维护的问 题 / 多意图，自动生成答案； l 对话生成：通用知识和答案 生 成，用于兜底 腾讯云智能客服基于领域大模型，增强语言理解和问答生成，解决客服的数据生产高、跨场景适配差的问题，提供精准高质量的智能对话服务，加速 渗 透 大模型在智能客服应用案例 为客户服务和营销 降本增效 客户服务成本下降 接待 / 销售效率的提 升 文本客 服 bot 电话客 服 bot 智能辅 助 bot 会话分 析 基础能力 场景价值 2 7 • 客户痛点 1. 客服人力不足； 2. 咨询的问题重复、繁杂，人工成本高； 3. 疫情期间客服无法按时到岗。 • 解决方案 优先由数智人客服解答，若遇到复杂问题、需要 真人协调的情况，用户可以发起“转人工 ”，或 者 后台真人主动接入。整个流程，用户无感知， 画面仍然是数智人的形象，真人客服是通过声音 驱动的方式与用户交流。 • 项目亮点 1. 声音驱动技术，提升效率和服务体验。 2. 保障体验效果，统一主播形象，作为品牌 代 言人出街； 3. 主播形象端庄、 自然，符合证券公司专业、 严肃的金融行业属性特征。 真人驱动技术原理： 数智人可对任意语音输入生成对应的口型及表情动作 需排除语音中的噪声，音色等信息，提取语音中发音内容相关 信息 通过大规模语料训练模型，实现对发音内容信息的鲁棒提取， 进一步通过口型驱动模型生成视觉口型参数序列，从而实现语 音驱动。 前端 后端 数字人交 声音驱 任意用户声 互 动 音 数字人员工 转人工 真人后台 大模型在数智人的应用 声音实时驱动 客服原声 期 数智人变声 技术 场景 声音效果 基础功能 一键转人工 2 8 感谢聆听 2 9 附 录 3 0 TI-ONE 训练平台 面向数据科学家， 提供从数据预处理、模 型训练、自动学习、模型评估到模型发布 部署的全流程支持 TI-Matrix 应用平台 面向 AI 应用开发者，快速接入模型、数据和 智能设备。提供模型服务、应用工作流编排、 云边端调度等功能，快速构建智能应用 TI-DataTruth 数据标注平台 面向 AI 数据服务商，提供数据标注作业、 数据众包管理、场景数据挖掘等智能数据 生产服务 应用和解决方案开发者 基于腾讯云 TI 平台的开放能力， 结合行业特点构建应用解决方案。充分发掘 AI 价值，助力各行各业数字化转 型 泛政府产业 AI 应用 泛互联网 AI 应用 金融产业 AI 应用 企业 AI 应用 腾讯云 TI 平台 Tencent Cloud TI Platform 算法和模型开发者 数据服务提供商 智能设备提供商 计算资源 网络资源 存储资源 容器平台 腾讯云 TI 平台 - 产品介 绍 应用中心 应用编排 数据中心 自动学习 管理中心 TI-ONE 训练平台 TI-Matrix 应用平台 TI-DataTruth 数据标注平台 边缘中心 模型管理 模型服务 训练工坊 三 大 能 力 平 台 九 大 能 力 中 心 算法 模型 算法 服务 数据采集 数据标注 AI 设 备 3 1 差异化算法模型构建 l 腾讯云 TI 平台 TI-ONE 提供差异化算法模型构建工具，面向零基 础业务人员，初级算法工程师，高级算法工程师等不同使用人 群，提供自动学习建模工具，可视化拖拽式建模工具，交互式 代码开发环境，训练软件开发包 (SDK) 等不同使用门槛的建模 工具。 丰富的可视化算子库 l 平台可视化拖拽式建模工具中预置了上百种丰富的可视化 算子组件，灵活组合预置算子组件可快速构建训练流程， 运行成功后，可直接进行模型部署， 预置的算子组件为算 法用户提供不同的能力项支持。 强大生态联动 l 应用方案生态：金融、政务、能源、工业等不同领域合作伙伴基于 平台能力打造行业解决方案。 l 技术沉淀生态：不同行业场景智能应用所沉淀的算法、服务、与开 发流程可快速复用。 AI 生产全环节覆盖 l 腾讯云 TI 平台 TI-ONE 定位于满足产业 AI 落地全环节需求，因 此 平台中包含从数据接入、数据处理、算法构建、模型训练、模 型评估、模型管理、模型服务的全过程功能，能够消除 AI 模 型 从实验室训练到产业环境落地的全环节问题。 多种数据接入与处理 l 腾讯云 TI 平台支持多种结构化 / 非结构化数据源及数据存储 的适配，支持配置结构化存储和非结构化存储。平台提供 场景化多种数据标注工具 ，解决用户个人快速小规模样本 试标及团队大规模数据标注的需求。 先进技术架构 l 容器化架构：微服务和容器化架构， 高可用、高弹性。 l 统一 API 网关：遵循腾讯云 API3.0 规范的标准开放方式。 TI-ONE 是基于腾讯云强大计算能力的一站式机器学习平台 为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程支持 腾讯云 TI-ONE 训练平 台 差异化 建 模 丰富的 算子库 生态 全环节 落地 多种数 据接入 技术 3 2