一、AI的快速發(fā)展回顧
新質(zhì)生產(chǎn)力是以新技術(shù)深化應用為驅動(dòng)，進(jìn)而構建起新型社會(huì )生產(chǎn)關(guān)系和社會(huì )制度體系的生產(chǎn)力。2024年政府工作報告中，發(fā)展新質(zhì)生產(chǎn)力位列政府十大工作任務(wù)的首位。人工智能作為新質(zhì)生產(chǎn)力的重要推動(dòng)力，加快發(fā)展新一代人工智能對于形成新質(zhì)生產(chǎn)力具有重要意義。而人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅動(dòng)力量，是研究、開(kāi)發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統的一門(mén)新的技術(shù)科學(xué)。
隨著(zhù)Open AI引入了基于人類(lèi)反饋的強化學(xué)習技術(shù)，實(shí)現了人工智能的模型輸出內容與人類(lèi)的常識、認知、需求、價(jià)值觀(guān)等相一致。自此大語(yǔ)言模型（Large Language Model, LLM）進(jìn)入了公眾的視野當中。大語(yǔ)言模型是指具有相當規模（包含數百或數千億個(gè)參數）的預訓練語(yǔ)言模型。從龐大、多類(lèi)型的場(chǎng)景數據中學(xué)習，總結出不同場(chǎng)景的通用能力，學(xué)習出一種特征和規律，成為具有較強泛化能力的模型庫。大語(yǔ)言模型具有自然性、泛化能力、高效性等優(yōu)勢。在LLM時(shí)代已然到來(lái)的今天，AI輔助決策與企業(yè)管理成為大勢所趨。
圖 1.大語(yǔ)言模型發(fā)展圖譜（截至2023年8月）
資料來(lái)源：Environ. Sci. Technol. 2023, 57, 46, 17667–17670
而人工智能生成內容（AIGC）是建立在多模態(tài)之上的人工智能技術(shù)，即單個(gè)模型可以同時(shí)理解語(yǔ)言、圖像、視頻、音頻等，并能夠完成單模態(tài)模型無(wú)法完成的任務(wù)。過(guò)往的內容創(chuàng )作生態(tài)主要經(jīng)歷了專(zhuān)業(yè)生成內容（PGC）、用戶(hù)生成內容（UGC）到AI輔助用戶(hù)創(chuàng )作（AIUGC）的幾個(gè)階段，但始終難以平衡創(chuàng )作效率、創(chuàng )作成本及內容質(zhì)量三者之間的關(guān)系，而AIGC可以實(shí)現專(zhuān)業(yè)創(chuàng )作者和個(gè)體自由地發(fā)揮創(chuàng )意，降低內容生產(chǎn)的門(mén)檻，帶來(lái)大量?jì)热莨┙o。LLM具有處理自然語(yǔ)言的能力，可以對文本進(jìn)行理解和生成。而AIGC正是利用這種能力，通過(guò)深度學(xué)習技術(shù)，實(shí)現對內容的自動(dòng)生成。LLM為AIGC提供了強大的自然語(yǔ)言處理能力，使得AIGC在內容創(chuàng )作方面具有更高的效率和準確性。
圖 2.內容創(chuàng )作模式的四個(gè)發(fā)展階段
資料來(lái)源：《騰訊研究院AIGC發(fā)展趨勢報告》，騰訊研究院
我國AIGC產(chǎn)業(yè)發(fā)展目前已經(jīng)發(fā)展出了兩類(lèi)主要業(yè)態(tài)。
一是面向C端用戶(hù)，提供的產(chǎn)品可以以模態(tài)劃分為文本生成、圖片生成、音視頻生成、其他生成等多樣內容形態(tài)。
二是面向B端企業(yè)客戶(hù)，更多是基于特定領(lǐng)域提供專(zhuān)業(yè)服務(wù)。
目前布局較多的賽道包括游戲、媒體/影視、電商及廣告營(yíng)銷(xiāo)等重內容賽道。未來(lái)相信AIGC將繼續延展產(chǎn)業(yè)鏈，并在商業(yè)化場(chǎng)景上持續拓寬拓深，深入變革各個(gè)行業(yè)。
圖 3.我國AIGC產(chǎn)業(yè)發(fā)展業(yè)態(tài)
資料來(lái)源：《2023年中國AIGC產(chǎn)業(yè)全景報告》，量子位智庫
聚焦到金融行業(yè)，AIGC在的應用存在前臺、中臺和后臺的分野，基本涵蓋市場(chǎng)營(yíng)銷(xiāo)、投研項目、產(chǎn)品設計、風(fēng)控合規、客戶(hù)服務(wù)、運營(yíng)管理，基于底層人工智能技術(shù)支撐得以實(shí)現。前臺營(yíng)銷(xiāo)及中臺部門(mén)應用較為廣泛，前臺營(yíng)銷(xiāo)部門(mén)利用AIGC智能撰寫(xiě)及推薦等。中臺部門(mén)利用AIGC可打造風(fēng)控中臺、客服中臺等，商業(yè)化產(chǎn)品已經(jīng)較為成熟。前臺投研存在較為復雜的建模、盡調等工作，但目前生成式AI產(chǎn)品主要為開(kāi)源的大模型，商業(yè)化程度低，AIGC在短周期內仍主要承擔輔助性工作。
圖4：AIGC在金融行業(yè)的應用場(chǎng)景
資料來(lái)源：《2023年AIGC場(chǎng)景應用展望研究報告》，艾瑞咨詢(xún)
與此同時(shí)，本文的另一個(gè)關(guān)鍵詞ESG是指環(huán)境（Environment），社會(huì )（Social），治理（Governance）三大因素，ESG概念首次在2004年的聯(lián)合國全球契約計劃中被明確提出，是一系列衡量企業(yè)環(huán)境、社會(huì )、治理績(jì)效而非財務(wù)績(jì)效的投資理念和企業(yè)評價(jià)標準。隨著(zhù)企業(yè)在可持續性和社會(huì )責任方面的期望不斷提高，ESG已成為評估和定義這些努力的關(guān)鍵框架。而AIGC以其在數據處理和模式識別方面的前沿進(jìn)展，為解決ESG挑戰提供了創(chuàng )新途徑。從AIGC在ESG領(lǐng)域展現出強大的未來(lái)應用潛力來(lái)看，它不只是為企業(yè)提供了一種工具，更是對傳統企業(yè)哲學(xué)的一次顛覆性創(chuàng )新。
圖5：AIGC在公司治理領(lǐng)域的應用場(chǎng)景
資料來(lái)源：i人事一體化HR系統
二、現狀：人工智能在ESG領(lǐng)域應用
人工智能在ESG領(lǐng)域應用中的核心技術(shù)是檢索增強技術(shù)（RAG），通過(guò)該技術(shù)能夠為大模型提供外部知識源，這使它們能夠生成準確且符合上下文的答案，同時(shí)能夠減少模型幻覺(jué)，其可分解為三個(gè)主要流程：索引－檢索－生成。
索引（Indexing）：文檔清洗后轉換為統一的純文本格式，根據語(yǔ)言模型的上下文限制將其分割成更易于處理的塊，塊使用嵌入模型編碼成向量表示后存儲在向量數據庫（Vector database）中。
檢索（Retrieval）：使用相同嵌入模型將查詢(xún)轉換為向量表示，余弦相似度計算查詢(xún)向量與索引語(yǔ)料庫中塊向量之間的相似度得分，系統分數優(yōu)先檢索與查詢(xún)最相關(guān)的前K個(gè)塊（top-k）用于擴展上下文。
生成（Generation）：用戶(hù)提出的查詢(xún)和選定的文檔用模板的形式被合成為一個(gè)連貫的提示（prompt），大模型根據這個(gè)提示生成回答。
分別從ESG的三個(gè)維度來(lái)看，在環(huán)境（E）維度，已經(jīng)出現結合政府間氣候變化專(zhuān)門(mén)委員會(huì )（IPCC）報告的氣候科學(xué)大模型?；窘鉀Q大模型的幻覺(jué)和過(guò)時(shí)信息問(wèn)題，打造氣候領(lǐng)域的專(zhuān)家系統Chat Climate。三種Chat Climate包括：
Hybrid Chat Climate：根據給定的信息使用自己的知識提供答案。
Chat Climate：聊天機器人僅根據 IPCC AR6 提供答案。
GPT-4：提示不提供任何額外信息或有關(guān)如何提供答案的說(shuō)明，基線(xiàn)行為。
同時(shí)清華大學(xué)環(huán)境學(xué)院徐明團隊于2023年3月17日上線(xiàn)的kaiwu大語(yǔ)言模型，為全球首個(gè)結合可持續發(fā)展領(lǐng)域人類(lèi)已有知識的環(huán)境領(lǐng)域的大語(yǔ)言模型。
圖6：Chat Climate的技術(shù)原理
資料來(lái)源：Vaghefi S A, Stammbach D, Muccione V, et al. ChatClimate: Grounding conversational AI in climate science[J]. Communications Earth & Environment, 2023, 4(1): 480.
在社會(huì )（S）維度，2024年4月，華中科技大學(xué)探索了AI Agent在供應鏈管理中的作用，如優(yōu)化通信、自動(dòng)化流程和增強決策支持系統等方面，幫助企業(yè)更好地理解市場(chǎng)需求、風(fēng)險因素和供應鏈瓶頸。強調了模型基礎設施、生命周期管理以及下游應用生態(tài)系統三個(gè)核心組成部分：
基礎設施：這是供應鏈的基礎層，包含了支持LLM高效訓練、優(yōu)化和部署的必要數據集和工具鏈。
模型生命周期：LLM的整個(gè)生命周期，從開(kāi)發(fā)訓練到部署和維護。它涵蓋了LLM經(jīng)歷的一系列過(guò)程，包括使用訓練數據集的開(kāi)發(fā)和應用、測試和評估的迭代周期，以及為確保模型隨時(shí)間保持有效和安全所需的持續更新和維護。
下游應用生態(tài)系統：利用LLM能力的應用和服務(wù)。包括將通用LLM能力適配到特定需求的領(lǐng)域特定模型（DSM）。
圖7：AI Agent在供應鏈管理中的作用
資料來(lái)源：Wang S, Zhao Y, Hou X, et al. Large Language Model Supply Chain: A Research Agenda[J]. arxiv preprint arxiv, 2024: 2404.12736.
在企業(yè)治理（G）維度，圖5展示的i人事一體化HR系統就是一項成功的應用成果。此外，在廣義的治理上，2024年3月，華南理工大學(xué)提出AlphaFin框架，結合了傳統研究數據集、實(shí)時(shí)金融數據和手寫(xiě)思想鏈（CoT）數據訓練大語(yǔ)言模型。使用AlphaFin數據集對稱(chēng)為Stock-Chain的最先進(jìn)方法進(jìn)行基準測試，以有效地處理財務(wù)分析任務(wù)，大大提高股票預測的精準性和結果的可解釋性，這項研究成果使得人工智能參與到了企業(yè)投資決策的制定當中。
Stage1股票趨勢預測：展示了股票預測系統在實(shí)際市場(chǎng)中的年化回報率和準確性。
·問(wèn)題定義：對于一組公司C和相關(guān)知識文檔D，通過(guò)預測系統預測股票趨勢。
·知識處理：為每家公司檢索相關(guān)文檔，結合提示模板和文檔內容，形成輸入。
·股票預測精調：使用AlphaFin數據集中的金融報告數據訓練股票預測系統（StockGPT）。
·預測與后處理：StockGPT根據輸入預測股票上漲或下跌，并從響應中提取具體預浤結果。
Stage2金融問(wèn)答：通過(guò)用戶(hù)評價(jià)和機器評價(jià)，證明了模型在處理實(shí)際金融問(wèn)答任務(wù)中的有效性和優(yōu)越性。
·向量數據庫構建：使用文檔的關(guān)鍵知識構建向量數據庫，以便快速檢索。
·知識檢索：通過(guò)用戶(hù)查詢(xún)在向量數據庫中檢索相關(guān)知識文檔，輔助生成響應。
·LLMs精調：在第一階段的基礎上，進(jìn)一步在A(yíng)lphaFin數據集上訓練模型，增強金融問(wèn)答能力。
·響應生成：根據檢索到的知識文檔、對話(huà)歷史和用戶(hù)查詢(xún)生成響應。
圖8：利用檢索增強的股票鏈框架進(jìn)行基準財務(wù)分析
資料來(lái)源：Li X, Li Z, Shi C, et al. AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework[J]. arXiv preprint arXiv, 2024: 2403.12582.
最后綜合ESG整體來(lái)看，2023年11月清華大學(xué)環(huán)境學(xué)院李楠團隊主持申報的項目“基于大語(yǔ)言模型評估企業(yè)碳披露質(zhì)量的ESG文本分析工具研究”榮獲SMP (Social Media Processing)－智譜AI大模型交叉學(xué)科基金，證明人工智能已經(jīng)能夠切實(shí)參與到ESG的相關(guān)實(shí)踐活動(dòng)中。
就該項目而言，企業(yè)產(chǎn)品生命周期碳足跡刻畫(huà)涉及眾多供應鏈主體，數據采集與公開(kāi)存在困難，導致ESG報告成為“黑箱”。由此引發(fā)的信任缺失影響了消費者、投資者和監管機構對企業(yè)的評價(jià)效果。因此，透明、詳細的碳披露是強化企業(yè)環(huán)境責任、提高社會(huì )認可度、改善ESG生態(tài)的根本。
因此為激勵企業(yè)積極進(jìn)行碳披露，增強評級機構及公眾對企業(yè)ESG報告的信任，該項目將重點(diǎn)圍繞碳排放，系統構建企業(yè)ESG報告碳披露質(zhì)量多維度分析模型，并提供基于大語(yǔ)言模型的智能分析工具，實(shí)現對企業(yè)ESG報告碳披露質(zhì)量的智能分析，推動(dòng)環(huán)境科學(xué)、數據科學(xué)和人工智能等學(xué)科的深度融合。
圖9：利用檢索增強的股票鏈框架進(jìn)行基準財務(wù)分析
資料來(lái)源：清華環(huán)境學(xué)院官網(wǎng)
下一篇我們將深入探討AI面臨的能源危機，以及清潔能源如何為AI發(fā)展提供可持續的解決方案，并進(jìn)一步分析AI技術(shù)未來(lái)在ESG領(lǐng)域的潛力和挑戰。
來(lái)源：大象綠金
原創(chuàng )聲明
如需轉載、引用本文觀(guān)點(diǎn)，請注明出處為“中央財經(jīng)大學(xué)綠色金融國際研究院”。
