2024年5月26日下午，应香江商学院邀请，鹏城实验室数理科学与交叉前沿部研究员、博导孙东宁博士做客“香江金融观察”，为听众带来主题为“AI和大模型的发展历程和关键的范式转变”的线上精彩分享。

本次讲座采取线上直播形式，共计2021人次观看，收获1729个点赞。

孙东宁博士为北京大学硕士，美国哥伦比亚大学生物医学工程博士、约翰霍普金斯大学生物医学工程博士后，先后在美国任职于瑞士再保险资本管理与咨询公司，花旗银行投资银行、瑞士银行投资银行、德意志银行投资银行并从事投资与做市商业务，2014年任平安基金衍生品与量化投资首席投资官。

孙东宁博士现任鹏城实验室数理科学与交叉前沿部研究员、博导、香港中文大学深高金客座教授，中国计算机学会数字金融分会常委，中国量化投资俱乐部常务理事，中国工业与应用数学学会金融科技分会委员等。

讲座中，孙东宁博士深入探讨了人工智能（AI）的本质，将其定义为数据和算法驱动的机器智能。他指出，AI的核心在于模式识别，通过智能程序学习和修正，实现从输入量到输出量的映射。

孙东宁博士回顾了AI发展的三个波峰，包括早期的搜索技术、逻辑推理，到专家系统的兴起，以及深度学习、大数据和算力的崛起。他强调了从逻辑推理到统计推断的方法论转变，以及实现从通用AI到功能性AI的目标转变。

然后，孙东宁博士详细讨论了深度学习模型的层次化特征描述能力以及原始数据直接输入减轻特征工程压力的技术优势。孙东宁博士介绍了神经网络建模描述系统非线性行为的原理，讲解了循环神经网络（RNN）及其变体在描述时间序列中的应用与局限性。

孙东宁博士指出近年来推动大模型爆发的两个核心技术范式转变。Transformer模型家族和自注意力机制带来了长序列的并行处理能力并能够捕获序列数据中的长距离依赖。 而监督学习到自监督学习的转变在为利用广泛的非标注数据进行模型训练提供了丰富的语料。

随着LLM（Large Language Models）时代的到来，模型能力随规模涌现，即“Bigger is different this time”。

孙东宁博士通过一个生动的示例，将智能描述为从复杂的高维世界到低维结构的压缩过程，强调了海量语料数据压缩与对语言结构和逻辑的理解对于LLM的“思考能力”的重要意义。

孙东宁博士深入分析了人工智能在金融科技领域的应用，特别是时序量化大模型在金融数据预测和寻优中的应用。

孙东宁博士还讨论了金融时序模型面临的挑战，包括市场有效性、市场风格多变性、反身性以及可解释性问题，并强调了金融安全稳定与风险监测与防控的重要性，介绍了基于市场数据、采用数学建模和数量化情景分析的数字孪生方法进行风险监控与模拟的“金融风洞”的工作成果。

最后，孙东宁博士介绍了鹏城实验室脑海大模型以及正在开展的在政务、教育、制造、金融和医疗等垂直领域应用的研发与生态建设。

孙东宁博士的分享不仅提供了关于人工智能和大模型的深刻见解，还展示了这些技术在金融领域的实际应用和未来发展的广阔前景。

在提问互动环节，现场观众踊跃参与，并就大模型在量化金融中的机遇与挑战、大模型与量子计算和脑机接口等前沿技术的融合、大模型与元学习和自主推理等新兴机器学习范式的融合前景进行了积极提问，孙东宁博士进行了深入的分析和详细的解答。