首席策略师是干什么的,首席策略师 英文,首席战略策划师,首席市场策略师是什么岗位

财联社3月15日讯（编辑 潇湘）北京时间今日凌晨1点，OpenAI正式推出了GPT-4文本生成AI系统。这一最新版的ChatGPT一经发布，就再度引发了全网的热议。而在OpenAl官网上罗列的多个使用GPT-4的实际案例中，华尔街知名投行摩根士丹利的名字赫然就在其中。

众所周知，不少华尔街投行近来都曾在内部对ChatGPT发布对禁令――包括美国银行、摩根大通、花旗集团、德意志银行、高盛集团和富国银行等机构，就曾公开或半公开地对ChatGPT的员工使用施加过限制。

那么，大摩眼下怎么就一口吃上了GPT-4蛋糕了呢？最新版的ChatGPT能在财务管理领域起到哪些作用呢？其他投行机构此前所担心的ChatGPT聊天信息准确性的问题，又是否已经解决了呢？

摩根士丹利打算如何使用ChatGPT？

据悉，摩根士丹利正在推出一款由OpenAI最新技术驱动的先进聊天机器人，以在日常工作中为该行的财务顾问团队提供帮助。

摩根士丹利财富管理部门分析、数据和创新主管Jeff McMillan表示，摩根大通已经有一个差不多300人的顾问团队，长期测试这一人工智能工具，并计划在未来几个月内正式推广开来。

摩根士丹利毫无疑问是全球财富管理领域的巨头，该公司管理的客户资产规模超过了4.2万亿美元。虽然人工智能的前景和风险已经在业内被热议了多年，但似乎只有在ChatGPT今年彻底爆火之后，主流机构才逐渐重视起了这项技术。

McMillan指出，这项工具已经开发了近一年，其背后的想法是帮助大摩约1.6万名财富管理顾问，充分利用该行庞大的研究资源和数据库。

摩根士丹利自身拥有一个多达数十万页研报内容库，涵盖投资战略、市场研究以及分析师观点。这些大量的信息被存储在其内部网站上，主要是以PDF的格式保存，当金融顾问想要寻找特定问题的答案时，往往需要扫描大量信息，类似的搜索既耗时又麻烦。

但在OpenAI的GPT-4的帮助下，摩根士丹利正试图改变其顾问团队搜寻相关信息的方式。

瞬间拥有首席策略师帮你支招？

从去年开始，大摩就开始探索如何利用GPT的嵌入和检索能力――最先是GPT-3，现在是GPT-4 。McMillan的团队正在领导该计划。

而如今，GPT-4终于有能力将所有这些内容资源，整合并解析为更可用和更易获取的展现形式。

McMillan表示，“使用该聊天工具，你基本上就立刻拥有了财富管理领域知识最渊博的人的知识。”

“你可以把它想象成让我们的首席投资策略师、首席全球经济学家、全球股票策略师和全球各地的其他分析师，每天都在为每位顾问待命。我们相信，这对我们公司来说是一种具有变革性的能力，”McMillan称。

当然，尽管生成式AI的功能让用户眼花缭乱，并引发了一场科技巨头竞相开发产品的竞赛，但它也有一个不容回避的弊端，那就是提供的内容信息往往并不准确。上个月，摩根士丹利分析师就曾表示，ChatGPT偶尔会产生看似令人信服的答案，但实际上却是错误的。

对此，大摩的解决方案是，这个工具并非面对整个互联网的内容，而是只对摩根士丹利为这一用途而通过审核的10万份左右的研究报告产生答复，这应该会减少错误率。该行目前也正通过人工审核，来检测该工具提供信息的准确性。

大摩与ChatGPT的“强强联手”

在过去几年里，大型语言模型从根本上改变了许多公司的工作方式，而对于大摩与ChatGPT的“强强联手”，McMillan也着重提到了三方面的优势：

首先是GPT-4拥有几乎即时访问、处理和合成内容的非凡能力，其在互联网上接受了大量文本的训练，并能在单词、语句、概念和想法之间构建关联。

其次是摩根士丹利拥有深厚的专业知识储备资本。该公司成立于将近100年前，每年都会发表数千篇研究报告，涵盖对资本市场、资产类别、行业分析和全球经济的见解。这一丰富内部资源为摩根士丹利构建了一个独特的内容库，可以充分使用GPT-4进行处理和分析，同时也可以受到该公司的内部控制。

最后则是大摩团队自身的专业性。摩根士丹利庞大的财务顾问团队和他们自身具有的专业知识，可以帮助训练GPT-4，使内部聊天机器人尽可能有助于满足大摩的需求。McMillan表示，这项工具还将进一步丰富摩根士丹利顾问与其客户之间的关系，简化后续客户沟通，使财务顾问能够更快地帮助更多的人。

McMillan表示，“我认为未来每个行业都将在某种程度上被颠覆”。

但是他同时也指出，当涉及到满足复杂客户的需求时，机器并不能完全取代人。“这些东西并无法产生任何共情：它们只是非常‘聪明’的算法架构，能够将知识反刍给你。”

事实上，根据OpenAI目前提供的信息，相较原有的版本的ChatGPT，GPT-4已经实现了以下几个方面的飞跃式提升：强大的识图能力；文字输入限值提升至2.5万字；回答准确性显著提高；能够生成歌词、创意文本，实现风格变化。

不难想见的是，随着大摩率先吃上GPT-4的蛋糕，未来可能会有更多的华尔街巨头加入其中，一场金融圈的AIGC浪潮或许也将就此拉开帷幕。

数学难题陶哲轩 陶哲轩数学竞赛

数学难题集萃,数学难题选择题,数学难题题目大全带答案,数学难题十大

Pine 梦晨 发自 凹非寺量子位 | 公众号 QbitAI

ChatGPT，已经成为天才数学家陶哲轩的研究助手了！

不止ChatGPT，他还直接在网上宣布：

多种AI工具都会纳入自己的工作流。

最近这些日子，陶哲轩对AI可是青眼有加，甚至在网上只谈论一个话题：AI，特别是大语言模型在数学研究中的应用。

期间，各种ChatGPT的“隐藏功能”都被陶哲轩挖了出来：

大到寻找公式、辅助证明定理；小到改写论文语句、查询小语种数学名词的发音。

而为何突然对AI协助工作这么关注？陶哲轩用自己的老本行数学对AI做了个类比：

传统的计算机软件就像是数学中的标准函数，比较死板；AI工具更像是数学中的概率函数，会更加灵活。

对这个类比，中科院计算所研究员包云岗直接称赞很形象。

也有网友表示：

AI生成的内容有时候真的会有“神来之笔”，帮助人们更好地工作。

不过也有网友对陶哲轩用ChatGPT协助搞数学研究接受无能，毕竟之前很长一段时间大众对ChatGPT的吐槽都集中在数学能力上。

于是，在陶宣称ChatGPT在数学中可以完成一些半成品工作时，有人直接在评论区发问：

你是认真的吗？我可是（你的）超级粉丝。

那话说回来，一个“数学菜鸡”ChatGPT在一个大数学家手里究竟能有什么用处？

一起来看～

总的来讲，陶哲轩大概的意思就是：

ChatGPT数学能力虽然不咋滴，但对做学术研究的人来说是个发散思维的好工具。

（对普通人来说有点不太专业，但对搞数学的学术人员来说刚刚好）

那这个刚刚好的尺度ChatGPT是如何拿捏的？

陶哲轩直接给出了他用ChatGPT求解数学题的几个示例：

刚开始，他直接把同事询问的问题逐字逐句抛给了ChatGPT。

ChatGPT也有模有样地回答了起来，期间还提到了一个高度相关的术语：对数矩生成函数，甚至在给出的答案中还讨论了一个具体的例子。

这术语，这举例…乍一看，甚至骗过了陶哲轩的“法眼”，不过在检查一遍之后，陶发现：

答案是错的！

Emmmmm，按理说一般人的逻辑到这里就该结束了――得出结论：ChatGPT的数学能力不太行。

但陶哲轩还没有止步，他仔细分析了ChatGPT给出的解答过程，发现并不是完全错误的，还是有可取之处。

比如说，ChatGPT在解答过程中用的是lmgf公式，而在克拉默定理给出的标准答案中用到的是lmgf公式的Legendre变换。

虽然不是正确的解题思路，但也很接近正确答案了。

（有点意思）紧接着他又用儿子帮忙做的ChatGPT手机短信版再试了一个数学问题：

我该如何证明有无穷多个素数？

虽然给出的证明的是意料中的不完全正确，但陶发现ChatGPT给出的论证思路是可以被固定下来的，并且这个思路他之前还从未见过。

这一通试用下来，直接打开了陶哲轩的思路。

既然ChatGPT在具体数学问题上给出的答案是不完全正确的，那不如索性发挥发挥它生成答案部分正确的特性：

在处理数学问题时，可以让ChatGPT这类大语言模型做一些半成品的语义搜索工作。也就是说，ChatGPT不用提供确切的答案，只用生成一些可能的提示（类似于帮你找灵感balabala）。

这样一来，依据ChatGPT生成的提示+传统搜索引擎搜索，就能很轻松找到答案了。

随后，陶哲轩还具体上手演示了一把。

首先要有技巧地抛出一个问题，假设陶想找库默尔定理但记不起来这个定理的名字，他是这样来问的：

我正在找一个关于（balabala）的公式，它是一个经典的理论但我想不起名字，你能给我解答吗？

最终ChatGPT给出的答案是Legendre公式（一个相关的结果），然后根据这个答案用传统的搜索引擎就可以轻松找到库默尔定理。

话说回来，既然都只是用作数学研究中的一个工具，为啥在陶哲轩眼中AI会更合适，而传统搜索引擎就不太行呢？

陶直接从传统计算机软件和AI工具的内部运行逻辑分析了一通。

先来说传统的计算机软件，它的运行逻辑类似于函数:→，这是一个很标准的数学概念。

具体来说，若输入的在给定域中，软件就能够可靠地给出范围中的单个输出()，若输入不在给定域中，则就不能给出结果或者说乱给一些结果。

而AI工具，就不会像传统计算机软件那样死板，它运行的逻辑不是基于经典函数，而是类似于概率 kernel μ:→Pr()。

输入，AI会从一个概率分布μ?中采样，然后随机输出。而这个概率分布，集中在完美结果()附近。

不过这样也会导致一些随机偏差和不准确结果的产生。

但整体比较下来，AI工具还是具有一定的优势。

一方面它更加灵活，可以比传统的软件工具更优雅地处理嘈杂或格式不好的输入。

另一方面，在一定程度上AI的“思维方式”也会更加发散。

在宣布把AI工具纳入自己的工作流之后，陶哲轩还在mathstodon上不断更新用AI工作的帖子。

比如说用AI写邮件：

或者发现了ChatGPT在处理数学问题时的亮点：能够识别不同语言的数学概念音译版。

陶哲轩对AI的观察，也在学术圈引起了一场讨论。

他指出，阅读AI写的论文和人写的论文体验完全不同。

阅读人写的论文，通常能在上下文和风格上捕捉到一些线索，通过这些线索可以快速分离出论文的“肉”，加快阅读速度。

AI生成的数学论文，文字看起来都很有说服力，必须一行一行仔细看才能发现其中的缺陷。

纽约大学教授马库斯将其解读为：同行评议从此更难了。

不过网友中也有人认为，让审稿人必须一行一行仔细看，而不是依赖于肤浅的格式信号，也算得上一件好事。

还有人脑洞大开，想知道AI能否提出一些全新的数学猜想。

AI能不能提出猜想不知道，但是AI自动、半自动证明定理已经是现实，并且走向实用化了。

还是陶哲轩，2月份他在加州大学洛杉矶分校的IPAM（纯数学与应用数学研究所）组织了一场机器学习辅助证明主题研讨会，会上展示了很多这方面的前沿成果。

IBM研究员Jason Rute展示了一种受AlphaGo启发的方法，将定理证明类比成围棋，下一个步骤相当于下一手棋，得证相当于获胜。

谷歌科学家吴宇怀则分享了大语言模型在自动形式化（Autoformalization）上的进展。

而陶哲轩本人对AI的兴趣也不止于此，用机器学习解决实际问题也在他的涉猎范围之中。

刚刚在澳大利亚的一场讲座上，他还分享了如何用数学结合机器学习预测火灾变化。

参考链接：[1][2][3]

―完―

@量子位 ・ 追踪AI技术和产品新动态

深有感触的朋友，欢迎赞同、关注、分享三连?'?' ? ?