文章主题：关键词：ChatGPT, 保险影响, 能力分析, 技术应用
🌟🔥探讨ChatGPT对保险业的影响🚀💼首先，让我们深入理解ChatGPT的核心实力——它具备的潜力与优势，明确其在保险领域的边界和效能。🔍💡接着，我们聚焦于ChatGPT如何赋能保险公司，通过挖掘潜在价值路径，揭示其在业务运营中的创新应用可能。📈📊然后，ChatGPT的思想火花为保险行业带来了哪些启示？💡💭最后，展望未来，随着AIGC技术（AI生成内容）的普及，这个行业将经历怎样的变革？🚀🌈无需回避，本文并未直接借助ChatGPT，因其当前能力尚无法满足全面分析的需求。但我们坚信，新技术的涌现将引领行业持续升级。🌟
一、ChatGPT的能力如何评价？
为了分析ChatGPT的能力可以从其内在机制和外在表现两个视角入手。
首先看内在机制，内在机制决定了ChatGPT的上限
🌟🚀了解最新AI动态？ChatGPT的背后秘密探索🔍——揭秘OpenAI的技术魔法✨ChatGPT，这个人工智能领域的耀眼明星，其核心技术究竟隐藏着怎样的奥秘呢？尽管OpenAI对具体技术细节保持着神秘面纱，但从ChatGPT的诞生之路中，我们能窥见一些关键线索（图1）。首先，ChatGPT的“出生证”为我们揭示了基础架构概貌——一个强大的语言模型，通过深度学习算法编织出自然对话的能力。但这仅是冰山一角，其背后的算法和优化策略无疑是行业内的技术精华所在。然后，OpenAI对技术细节的保密策略，无疑增加了ChatGPT的神秘感，激发了公众对其独特功能和无限可能的好奇心。这种策略在某种程度上也强化了品牌的科技领导力形象。尽管我们无法详尽解析每项技术，但ChatGPT的成功已经证明，人工智能的进步正以惊人的速度推进。对于想要深入学习或寻求AI解决方案的你，这无疑是一个引人入胜且充满挑战的领域。欲了解更多ChatGPT的黑科技细节？请持续关注OpenAI的官方动态，或者探索相关学术论文和行业分析，一起跟随时代的步伐，揭开人工智能的新篇章！📚💻
🌟ChatGPT并非孤立存在，它与InstructGPT这对兄弟模型紧密相连。通过深入研究公开的InstructGPT，我们可以揭示ChatGPT背后的运作机制和功能特性。📚原内容：其次，尽管ChatGPT在多个领域展示了卓越性能，但请理解它仍处于早期阶段，可能并非完美无缺。🌟ChatGPT虽已崭露头角，在各领域表现出色，但它还处在不断完善和发展中，难免存在一些不足之处。💡原内容：最后，请不要滥用ChatGPT，尊重其作为AI工具的限制，并确保你的使用符合道德和法律规定。📝请明智地使用ChatGPT，遵守其作为AI辅助的界限，遵循伦理和法律法规。🌈原内容：如果您有任何问题或需要进一步的帮助，欢迎随时联系我们的客服邮箱：example@email.com🚫此段请删除，我们不提供个人联系方式，您可直接在文章中寻求解答或咨询。💌改写后：若您对ChatGPT的疑惑或有更多探讨需求，别犹豫，直接将问题融入内容就好。💡原内容：我们保证您的信息安全，所有交流仅限于增强理解而非商业交易。🔒我们承诺保护您的信息隐私，交流目的仅为知识分享，不涉及任何商业交易。💼
第二， ChatGPT通过交互对话方式训练的；
第三， ChatGPT能够回答问题、承认并纠正错误且能够拒绝不适当的回答等（能力）。
🌟【深度解析】🚀图2揭示了InstructGPT的全貌——一个经过精心设计的三阶段迭代模型，融合了强化与模仿的学习策略。在这个过程中，类强化学习的核心体现在第二步，通过奖励模型（函数）的构建推动第三步的发展。模仿学习的显著特征在于排序训练和动态权重调整的损失函数，它以GPT3作为目标，实现了持续优化与升级。新Bing背后的潜在力量——GPT4，无疑是ChatGPT（GPT3.5）的进阶之作。这种系统性的增量学习模式，在人工智能领域中独树一帜，展示了技术迭代和创新的力量。每一步都像是在AI的智慧之路上刻下深深的足迹，引领我们探索更高效、智能的未来。
🌟【揭秘】Generative Pre-trained Transformer（简称GPT）🌟——AI领域的全能冠军🔥！Transformer家族以其强大的语义关联提取能力，引领潮流，虽近期面临MLP挑战，但其核心优势不减。💡多层架构的独特设计，让模型能精准捕捉并传递特征，这是GPT神奇的“创作才华”源泉。📝然而，它的根基仍是基于大量训练数据的复杂分布排序，这限制了它能力的极限。SEO优化词汇：🔥AI全能🌟Transformer崛起🌈语义关联提取领导者🔍MLP挑战下不失优势💡特征传递专家📚训练数据魔力 limite
🌟原内容改写版🌟专研于无超域架构、实体与要素的新理论与知识，须留意其核心仍以最小的”语素”（单词/字）呈现。尽管如此，ChatGPT凭借其强大的”条件分布”排序机制，依旧能生成逻辑连贯且贴近需求的答案。这样的过程遵循的是局部逻辑而非全局性思维，是通过语素组合构建的结果。 若要优化SEO并吸引读者，可表述为：🚀探索新知识的边界：超域逻辑之外，最小单元——语素，ChatGPT如何以条件分布驾驭生成优质答案？🔍请注意，这段内容保留了原意但去掉了具体信息，旨在提升搜索引擎可见性和吸引潜在读者。
不具低语料依赖的逻辑推理和分析，例如数学。但需要注意的是这里数学能力除了数学知识外还包括推理和分析等，如果单看数学知识和概念，那是无法评价的——因为只需要训练语料足够广泛（例如数学博士论文纳入）就可以无限扩展。
GPT的上限非常简单，然而基于定域概念试题元素构建的知识其实已经覆盖了人类是生产生活的大部分场景，某些特定领域实际上是排斥超域概念试题和元素（或者不承认）如法律、大部分金融行业以及强化同行认同的论文报告生成。接下来我们看一看ChatGPT实际表现。
ChatGPT的能力表现
由于上述原理中第三步的存在，ChatGPT的能力实际上是不断迭代升级的，这里以本文写作时间（2023年2月10日）的ChatGPT的能力进行说明。
首先我们看一下ChatGPT数学能力如何——毕竟其内在机制决定了应该很弱，这甚至可以直接问ChatGPT自己，它很坦诚说相当于小学六年级的水平。具体如何那？我使用了标准数学能力测试标准题库，为了防止已经有人“教育过“它，我进行了叙述和数字的修改，大体上能够在数学5年级水平上取得及格以上成绩，确实就如我想，就解题能力来说，恐怕距离中国的小学六年级也有段距离——当然数学知识它应该要懂得多的多。
例如这道题：
一共有11个托盘，上面共有370个包裹，相邻的托盘包裹数不能一样。但是任意三个相邻的包裹数合计99。问第六个托盘上的包裹数是多少？
在我的一顿启发下，ChatGPT开始各种胡乱蒙（条件概率生成）。为了尊重ChatGPT的“人权”，咱们暂定它的数学能力（分析推理）就是小学六年级，注意区分这不是数学知识掌握程度的判断，数学知识可以通过语料覆盖到所有可能的级别，然而如同我们都学了实变函数，但掌握的其实不多一样。
这个结论实际上并没有降低多少ChatGPT在工作中替代人类的可能性——因为大多数工作其实小学五年级的数学就够了，多少工作人士已经忘记了微积分和二次函数。
因为后面要分析它对保险的影响（注意不仅仅是保险行业），接着我们看看ChatGPT的金融保险能力，这方面确实是个优等生。我使用了不同学科的规范试卷（经济学基础、金融学、保险学等六门课程试题）并与学生人工作答的试卷进行了比对，最后的结论是：如果不考虑金融中的数学知识，ChatGPT基本上可以达到研究生的水平，所以国外英文评测ChatGPT通过MBA考试是毫不稀奇的——英文语料决定了其英文水平更强大，所以ChatGPT在中文生成使用了P-翻译技术提高可用性。
以下是一些截图，答得不好的题目：
答得相对及格的例子：
此外在其他领域ChatGPT的能力也大约在大学或研究生水平（图）。这意味着在许多场景下，ChatGPT确实相当于一个对应专业的本科毕业生或者研究生，能够完成对应的工作。
但必须补充两点：
第一点基于前面机制分析，ChatGPT不具有超域概念试题以及知识能力，例如当问及我提出的生命质量理论时，它是“一脸懵”的，尽管该理论已经被AGT泰康平安等国内外公司深度应用，并在全球配置了上千亿的资产影响了几十万人。 原因是相关通用生命质量理论目前还局限在全世界高净值人群、较少公司范围内，我们的相关授课讲座也没有形成固定文本，所以对应的语料极少，自然也就没有了“分析”能力——条件概率为0，哎，ChatGPT不懂我啊。
我们总结一下ChatGPT的能力表现：
强大的文字再综合能力；
类人的语义提炼和叙述能力；
定域知识的加工和延申能力；
补充的第二点，New Bing使用GPT4要比ChatGPT（GPT3.5）效果更好，例如对于经济学题目判断更加准确。
我们再举一个上面ChatGPT回答过的问题来感受GPT4的强大，这个回答几乎可以给满分。
二、ChatGPT的能力对保险公司价值几何？
ChatGPT的能力很强大，自然就有各种可能的应用，这里我们主要聚焦于保险公司，看看ChatGPT能够产生哪些价值。 分析某技术对企业的价值，当然可以罗列很多场景，但这其实不能界定它的潜力和方向，更好的方式是用知识经济价值周期论与场景结合。
科技对保险的价值周期分为三个层次，分别是赋能、增能、产能：赋能是被动引入行业主导技术升级，互联网其实就是这一类；增能是以价值为导向主动技术判断和融入，一些大数据技术和隐私计算的上限属于此类；产能是技术融合创造价值，保险里目前大多数科技或者说保险科技的上限离此都有距离。
为了分析ChatGPT对保险公司的价值上限，我们从两个角度探讨，一个角度是其当前的表现，另外一个角度是其内在机制决定的能力上限带来的价值上限。
从当前具有的能力看：
ChatGPT可以潜在提升保险公司全流程运营效率。市场端营销获客、有效问答捕获客户当然是ChatGPT的本行；公司运营的渠道管理、产品设计、精算、封控、财务人事、监管沟通等在某些有限角度可以使用ChatGPT辅助提升效率，请注意这里我用的词语是“有限角度”，一会我会进行详细解释；在公司的理赔过程包括定损、客户沟通、相关增值服务、关键性文件支持、相关文书撰写等，ChatGPT也能够胜任一些工作。
ChatGPT缓解保险公司“流量焦虑”和人力销售成本压力，特别是对寿险公司来说。代理人体系尽管正在经历巨大变革，但仍然是保险公司重要的渠道，现有代理人专业程度、基本法体系与客户需求升级过程中的专业需求以及服务需求的矛盾成为人身险发展的主要矛盾，ChatGPT可以缓解这一矛盾：在业务实践中，ChatGPT可向客户介绍公司所提供的保险产品信息；客户有关于保险产品的问题，也可以向类ChatGPT应用寻求解答与帮助，并可以使用类ChatGPT应用提供的相关知识，帮助自身了解保险行业相关信息进行决策等；ChatGPT的光环还可以帮助普及风险管理知识、提升居民的保险意识等。
从以上可以看到，ChatGPT当前能力对保险公司的价值上限可以超越赋能，达到增能阶段。但上限不代表可以做到，ChatGPT类应用如果要达到增能价值，需要解决这样几个关键性问题：
第一，ChatGPT的可信性问题，对应于上文我提到的“有限角度”，这从广义上是人工智能的可信性障碍。ChatGPT的对话能力实际作为流程关键要素嵌入，需要确保其方案、输出以及方式符合保险公司规范和监管要求，否则其只能发挥“赋能”作用，仍然需要人员作为主要业务节点。基于人工智能应用的经验，这个问题其实在保险行业类公司其实相对容易解决，这是因为专业部门的可信性障碍是容易解决的，即使在机制上没有办法保证，也有办法通过流程重构跨过这个门槛。
第二， ChatGPT的数学能力障碍需要跨越。保险中的精算等需要超过高中的数学能力，这使得ChatGPT（包括New Bing的GPT4）目前无法发挥实质性作用。该障碍的跨越是可能的，大约有两种方式：第一种是目前推理机制融合方式，这是人工智能目前新的关注点，包括我们在内的一些团队已经将自动推理机制引入加强非语料依赖推理能力；第二种是专业软件输出对象重塑为ChatGPT类的产品，与ChatGPT这类应用相反，大多数流程中的专业化规则化工作已经存在对应的专业软件，这类软件的重新定义重塑输出，可以与ChatGPT比较好配合，一定程度可以跨越这个障碍，我预测这类新的应用或者服务很快就会席卷市场。
第三， ChatGPT的专业适应化。在目前ChatGPT展示的能力中，其专业化能力仍然有所欠缺，例如针对保险较复杂的专业安排等，这需要ChatGPT针对保险业进行微调，这种微调更有可能基于提示学习（Prompt learning），类似于我们已经做的针对医疗和金融的调整。但通过我对New bing的GPT4研究，发现这方面进化极大，或许在GPT4发布之后，这个障碍就自然可解了。
我们再来看内在机制角度，结论是直接的，内在机制决定的ChatGPT能力上限说明其作为工具很难形成产能价值；当然GPT本身机制也会调整，并可以通过解决上述三个障碍来接近逼近上限，但即使如此其单独作为产能工具的条件仍然是不具备的。
结论：ChatGPT为代表的AIGC技术可以为保险业提供从赋能到增能的支持，距离产能还有一段路要走。
三、ChatGPT蕴含的思想对于保险的启示
如果只把ChatGPT看做一种工具，那么在保险公司中应用ChatGPT的能力就够了；但如果把ChatGPT看作一种新的生产方式，我们则应该看到ChatGPT蕴含的思想对保险的影响。
ChatGPT的思想可以从其训练过程以及发布后的公众反应进行总结，大体上可以按照知识经济学可以分为三个层次：
第一个层次是数据要素创造价值的新模式的到来，即以泛数据为代表的、非监督学习/强化学习/模仿学习为主要特征提取方式的模式。该思想来自于ChatGPT的内在机制和公众使用的判断。保险科技的深入已经让保险行业意识到数据作为要素的重要性和地位，并在以监督学习为代表的框架下创造了第一类价值，例如欺诈识别、非标题定价、巨灾模型等等。但ChatGPT使得要素价值创造模式发生了改变，这种改变使得人工智能从弱人工智能迈向通用人工智能——一些人认为是强人工智能的必然阶段。这种思想于保险行业也非常重要，可以预见类似于合规风险、理赔定损、客户服务等业务中可以构建类似的稳定模式，形成新的价值，这一类价值的特点是不以替代人类劳动为目标，而是创造新的价值空间为目标，但由于其自身不能直接构建价值，会需要更多的人类协作，所以，这应该很受员工欢迎——AI是朋友而不是敌人。
第二个层次是增量知识的偏好增长。该思想来自于ChatGPT训练过程。ChatGPT所基于的InstructGPT基于偏好构建奖励模型，并使得后续能力养成过程中泛知识有序增长。这种方法也体现在许多复制GPTf3的模型中（如APO），其产生的较好效果说明其思想的重要性。如果把保险公司产品迭代看作“增量知识“，那么可以说保险公司其实迭代时考虑“偏好”是不足的，渠道所反馈的特征信息收到三重谬误影响：幸存者需求（存量客户）、中介激励限制（代理人激励）以及惯性认知（固有而陈旧的市场需求分析）。现实情况是，在不同层次上，保险公司的“增量知识”与真实的需求偏差很大：公司和客户层面上，以健康险为例，公司看到的是险（保险），客户看到的是健康；在代理人和客户层面上，客户看到的是生命质量需求，代理人看到的是金融产品等等。
第三个层次是需求目标的“第一性“。该思想来自于ChatGPT的推广及应用。它对保险行业发展以及保险公司数字化转型有重要的启示意义，原因在于：保险行业尚未实质性融入到生命质量经济体系中，而生命质量经济是保险的逻辑基础；保险公司数字化转型并没有以构建三流合一机制为目标，而是局限在赋能尺度上做文章。这使得保险公司需要重新审视新的经济特征、新的需求特征以及新的数字要素价值。这里牵涉较多专业而细微的内容，这里从略。
四、AIGC无处不在的世界，保险行业会发生怎样的变化？
随着包括ChatGPT在内的AIGC迅速普及——甚至是光速普及，ChatGPT的能力将无处不在，ChatGPT的思想也不断构建新的可能，我们的世界充满了AIGC所生成的内容、能力和思想。在这样的世界，保险行业会发生怎样的改变？大约有三个变化将会发生：
保险中介（经纪公司、代理人、其他渠道）等需要大幅度提升专业能力，这是因为每一个客户都将变成专家，以代理人为例，他们需要在ChatGPT所不具备的能力上延申，构建新的使命。事实上，ChatGPT的普及最大的影响不是让代理人变得更专业，而是让客户变得更专业了。
保险公司异质化将会产生更大的价值，这是因为AIGC的简单应用方式的普及在市场竞争和趋同作用下，将快速形成保险公司同质化的服务、流程和业务，然而保险已经转向了质量发展阶段，这种同质化无法带来高价值。那些深刻领悟此道理的保险公司将会借助AIGC力量，采用适应化和再造真正重建自己的价值链条而获得高回报。
保险科技公司将逐渐失去流量金矿，或者说流量金矿将进一步分散，保险科技公司或者升级构建新的壁垒或者走向灭亡。部分保险公司进一步转型成为咨询型企业，而另外一部分保险公司则更趋向科技型企业。在这个过程中知识经济的第二类价值将逐渐统治金融和保险行业，并最终与其他行业一起迈向第三类价值生产模式。
（作者系中央财经大学金融学院教授、博士生导师，中国金融科技研究中心主任，中国人工智能学会教工委委员，生命质量研究会理事长，家族办公室合作发展组织理事会主席兼首席经济学家）
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
