肖钢系统阐释智能金融：对金融生产效率的根本颠覆

　　今天，我们整理了10个关于智能金融的热点问题，供各位读者参考。

　　1

　　什么是智能金融？

　　智能金融尚无统一定义。《报告》提出，智能金融是指人工智能技术与金融业深度融合的新业态，是用机器替代和超越人类部分经营管理经验与能力的金融模式变革。

　　2

　　智能金融和金融科技有何区别？

　　《报告》提出，智能金融与数字化转型、金融科技既有密切联系又有重要区别。

　　智能金融的发展基础是金融机构数字化转型，数字化转型为智能金融的发展提供了基础设施的保障。

　　智能金融是金融科技发展的高级形态，是在数字化基础上的升级与转型，代表着未来发展趋势，已成为金融业的核心竞争力。

　　相比互联网金融、金融科技，智能金融更具革命性的优势在于对金融生产效率的根本颠覆。智能金融替代甚至超越人类行为和智力，更精准高效地满足各类金融需求，推动我国金融行业变革与跨越式发展。

　　3

　　为什么要专门研究智能金融？

　　把智能金融从金融科技中单列出来编制专门的发展报告，主要是基于以下考虑：

　　一方面，发展人工智能技术已成为我国的一项重要战略，当前各国在新一代人工智能技术已展开激烈竞争。而金融与人工智能具有天然的耦合性，是人工智能技术应用最重要的领域之一，发展智能金融有利于我国抢抓人工智能发展机遇，占领技术制高点，特别是金融业的特殊性，势必对人工智能技术提出新的要求和挑战，可以推动我国人工智能技术的突破与升级，提高技术转化效率。

　　另一方面，人工智能技术为未来金融业发展提供无限可能，是对现有金融科技应用的进化与升级，对金融业发展将会产生颠覆性变革。专门研究智能金融有利于跟踪世界人工智能技术与金融业融合的应用开发，有利于加强金融行业的适应性、竞争力和普惠性，极大地提高金融机构识别和防控风险的能力和效率，推动我国金融供给侧结构性改革，增强金融服务实体经济和人民生活的能力，守住不发生系统性风险的底线，加快建设我国现代化金融体系，增强金融国际竞争力，助力由金融大国到金融强国的转变。

　　4

　　智能金融目前已有哪些应用场景？

　　《报告》提到，目前智能金融的应用主要包括前中后台三大方面。

　　第一，智能身份识别已广泛用于个人身份验证。以指纹识别和人脸识别为代表的主流智能身份识别技术已进入大规模应用阶段，在远程核验、人脸支付、智慧网点和运营安全方面应用广泛。

　　第二，智能营销降低营销成本、改善服务效能。智能营销正在经历从人机分工向人机协同方式的转变，未来的智能营销将变成跨领域、融合的人机合作工作方式，进一步改善金融服务的效能。

　　第三，智能客服能节省客服资源和提升服务效率。智能客服不仅提供自动化问题应答，而且对接前端各个渠道，提供统一的智能化客服能力，并持续改进和沉淀，提供全天候精准的服务，提升服务效率。

　　第四，智能投顾已有试点，全面推广有待继续探索。智能投顾在国内外已有诸多应用案例，但我国因为缺乏明确的业务模式、服务定位仍不明确，全面推广仍有待继续探索发展。

　　第五，智能投资初具盈利能力，发展潜力巨大。一些公司运用人工智能技术不断优化算法、增强算力、实现更加精准的投资预测，提高收益、降低尾部风险。通过组合优化，在实盘中取得了显著的超额收益，未来智能投资的发展潜力巨大。

　　第六，智能信用评估提升小微信贷服务能力。智能信用评估具有线上实时运行、系统自动判断、审核周期短的优势，为小微信贷提供了更高效的服务模式。在一些互联网银行中应用广泛。

　　第七，智能风控实现金融机构风控业务转型。智能风控为金融行业提供了一种基于线上业务的新型风控模式，但目前只有少部分有能力的金融机构运用，有待继续试点和推广。

　　第八，智能运营管理提升运营效率，降低运营成本。智能运营管理将业务运营逐渐从分散走向集中、从自动化走向智能化。从而提升业务运营效率，减少业务办理差错，降低管理成本。智能运营成为各家金融机构开展智能金融的优先考虑和使用的场景。

　　第九，智能平台赋能金融机构提升服务、改造流程、转型升级。智能平台建设是金融机构智能化转型的核心，持续为上层应用提供丰富、多维度的智能服务，构建完整的服务生态圈。

　　综上所述，智能金融目前整体仍处于“浅应用”的初级发展阶段，主要是对流程性、重复性的任务实施智能化改造。

　　《报告》认为，人工智能技术应用正处在从金融业务外围向核心渗透的过渡阶段，发展潜力巨大。

　　5

　　在智能金融应用场景中，“算法黑箱”问题可能会更加突出？如何避免？

　　肖钢认为，人工智能有一个问题是算法的可解释性比较差，要解决这个问题可以从几个方面来着手：

　　第一，要让算法可解释。现在人工智能科学家正在攻克模型算法的黑箱问题，期待着不久的将来在技术上有所攻破。

　　第二，可以采取分层管理。例如，根据是否对金融消费者产生伤害的程度进行分类管理，有的可以不解释，有的只是解释模型怎样运行的，有的要解释结果及其原因，有的需要进一步解释模型背后的逻辑和运作原理。当然，如果最后还是无法解释，投资者和消费者也不相信，监管部门就不准在金融领域使用。

　　因此，如果人工智能运用到金融行业，未必需要解释所有的模型，可以对模型进行分层管理，提出明确要求。

　　第三，分清楚责任。无论是否使用人工智能，金融机构销售金融产品和服务的卖者尽责义务没有减弱。机构需要了解自己的客户，把恰当的产品卖给恰当的人。责任不会因为是否采用了人工智能技术而有所改变。

　　6

　　个人隐私和数据保护问题已经成为社会普遍关切。智能金融时代，如何构建起相关法律法规体系？

　　《报告》中提到，个人数据的问题目前缺乏法律规定，确实需要立法。肖钢认为，数据很重要，尤其在人工智能时代，其重要性日益凸显，这与原来的工业革命时期不同。工业革命建立在物理资本上，而人工智能则是建立在信息资本和数据资本上。因此，谁控制了数据，谁就垄断了权力。

　　肖钢认为，个人隐私和数据保护领域有很多问题待明确，例如哪些数据能搜集、数据的权属是谁的、如何建立个人信息权的体系等，这些都是新的课题。

　　保护个人数据隐私，肖钢从以下方面提出建议：

　　第一，需要补短板，抓紧制定相关法律法规，并逐步加以完善。

　　第二，要防止数据垄断。鉴于大型科技公司的技术优势与数据获取能力，存在赢者通吃的效应，要求大公司开放数据，让中小科技公司也要利用其数据开发业务，维护公平竞争环境。

　　第三，要进行综合治理。数据隐私保护不仅是金融监管的事情，还涉及到政府部门、IT公司、金融机构、实体企业和个人，是全社会的事情，所以要形成各方参与，协同治理的体系。

　　第四，需要发展新技术，以解决技术带来的问题。“联邦学习”的技术就是一个方法，既保护了数据安全，同时又可以共享数据建模。

　　7

　　如何破解“数据孤岛”与“数据隐私保护”的两难困境？

　　《报告》提出，“联邦学习”Federated Learning）为破解“数据孤岛”与“数据隐私保护”的两难困境提供了一种新的思路。

　　“联邦学习”（指各机构在不交换数据情况下，完成人工智能算法模型训练。其核心是解决数据孤岛和数据隐私保护的问题，通过建立一个数据“联邦”，让参与各方都获益，推动人工智能技术在金融领域应用。联邦学习在智能金融的应用场景十分广泛，并无特别限制。大部分机器学习、深度学习等常见的人工智能算法，经过一定改造，均可适配联邦学习方法。

　　联邦学习的具体实现方式是：建立一个虚拟的共有模型。这个虚拟模型类似于把数据聚合在一起建立的最优模型，但是在建立虚拟模型的时候，数据本身不移动，因此不泄露隐私，符合数据合规要求，建好的模型也仅在各自的区域为本地的目标服务。

　　联邦学习有几大特征：各方数据都保留在本地，不泄露隐私也不违反法规；多个参与者联合数据建立虚拟的共有模型，实现各自的使用目的、共同获益；在联邦学习的体系下，各个参与者的身份和地位相同；结果模型的性能充分逼近理想模型（即全部数据都传输给单一方所得到的模型）；“联邦”就是数据联盟，不同的联邦有着不同的运算框架，服务于不同的运算目的。

　　8

　　随着智能金融的发展，金融从业人员的规模和未来网点数量会呈现下降趋势吗？

　　肖钢认为，中国智能金融现在还处于初级阶段，没有出现有些人所担心的会造成大规模失业的情况。

　　“我们在首期调研中发现，在人工智能或金融科技上做得好的头部金融机构，不仅没有裁员，还在招人。”肖钢说。

　　人工智能发展会使一部分具有重复性、简单性的劳动岗位被取代，但不会造成大规模的失业，而是大规模的就业转移。从事简单、重复劳动的人员可能要去做客户经理等需要维护人际关系的岗位。

　　新技术是否会造成大规模失业的担忧并不是今天才发生。上世纪50年代美国就遇到“”自动化萧条”的问题，当时的美国总统肯尼迪曾说过，美国1960年代将面临最严重危机就是机器替代工人。现在来看，这个判断是错误的。

　　“世界银行有一份关于全球就业状况的研究，里面提到欧洲现在新增的岗位中，有一半以上是新技术带来的，新技术在替代人力劳动的同时也创造了很多新的岗位。因此，对于劳动技能的培养和劳动者的教育越来越重要。”肖钢强调。

　　实际上，中国也是如此。近年来，互联网经济快速发展，提供了许多新的就业岗位。中国每年新增1300万以上城镇就业人口，靠的是新型经济。新技术还创造了新的工种。总的来说，要拥抱新技术的发展。”

　　9

　　智能金融存在哪些风险？如何监管？

　　《报告》列举了智能金融可能存在的一些风险：

　　首先是技术风险——

　　技术不成熟的风险。人工智能技术的发展仍处于弱人工智能阶段，是对人脑简化的模拟，无法应对复杂场景下的决策，在金融应用中存在风险隐患。

　　算法黑箱问题。人工智能算法实现过程存在“黑箱”问题，导致可解释性差、不透明。

　　其次是信息安全风险——

　　智能金融所依赖的软硬件平台及网络环境都可能存在漏洞，被他人利用和操纵，攻击者利用漏洞篡改或窃取系统数据，隐蔽性强、破坏性大，智能化水平高，对信息安全带来新的威胁。

　　第三是系统性风险——

　　智能金融的“尾部效应”和“网络效应”，使得金融机构增强获客能力、提高风控水平、降低成本，但两个效应叠加增加了金融体系的复杂性，可能会放大风险的传染性和影响面，诱发更大的“羊群效应”，放大金融的顺周期性。

　　第四是垄断风险——

　　科技公司发展出现垄断的趋势已成为规律，智能金融的发展也可能导致数据、资本与技术向少数公司集中，他们利用技术优势和业务垄断获取超额利润，出现“赢者通吃”的局面。

　　《报告》指出，目前金融相关法律法规没有充分考虑人工智能技术对金融业的影响，一些智能金融应用处于监管真空或灰色地带。同时，智能金融应用是个新事物，给立法带来很大挑战。人工智能技术加大了金融监管的难度。算法模型使监管部门难以对数据质量和风险状况作出预判。

　　智能金融应用开发时往往借鉴了软件开源组件，或者金融机构通过购买科技公司提供的软硬件技术，导致智能金融产品出现多个潜在责任人，出现纠纷时难以划分责任。另外，智能金融的决策由机器完成，难以对决策的结果追究机器的责任。

　　《报告》提出，智能金融的监管措施包括：一是加强法律法规建设。研究出台智能金融隐私保护、数据安全、责任主体认定、消费者保护以及道德伦理方面的规范性文件，条件成熟时逐步上升至法律法规。二是大力发展监管科技。综合运用人工智能、大数据、云计算等新一代技术手段，增强数据治理和分析能力，实现监管数据实时采集，风险智能化分析，构建智能金融事前、事中、事后全链条监管模式。运用监管沙盒等机制有效管理金融创新风险。

　　10

　　《报告》对于中国发展智能金融提出了哪些建议？

　　《报告》就我国发展智能金融提出了三方面11条建议。

　　在人工智能技术发展方面，《报告》建议：

　　第一，加强基础研究。重点突破人工智能在细分行业基础理论、核心算法以及关键设备瓶颈。。

　　第二，加强治理体系建设。政府制定规则标准，监管部门加强监管，科技企业保障技术安全可控，金融机构增加产品应用透明度，消费者参与规则制定。

　　第三，保障技术安全。建立人工智能安全标准体系、搭建人工智能安全评测公共服务平台。

　　在智能金融发展规划与基础设施方面，《报告》建议：

　　第一，制定智能金融发展规划及行动计划。出台我国智能金融发展规划与指导意见，同时制定并着手实施智能金融三年行动计划。

　　第二，建设智能金融开放创新平台，积极推动智能金融产学研结合。

　　第三，统筹建立金融云。建议由一行两会牵头，统筹建立金融行业专有云。

　　第四，加强配套基础设施建设。加强智能金融的硬件和软件平台建设，加强智能金融的数据共享机制建设。

　　在智能金融监管方面，《报告》建议：

　　第一，加强法律法规建设。出台智能金融隐私保护、数据安全、责任主体认定、投资者保护以及道德伦理方面的规范性文件，条件成熟时逐步上升至法律法规。

　　第二，创新监管模式。在监管机构内部可设立专门的部门，建立智能金融监管长效机制。运用监管沙盒等机制有效管理金融创新风险。

　　第三，大力发展监管科技。构建智能金融事前、事中、事后全链条监管模式，开展智能金融风险评级。

　　第四，加强消费者保护。强化金融机构“卖者有责”义务，强化经营者的举证责任。构建知情权、更正权、使用权等个人信息权体系，规范智能金融经营者获取数据的途径和方式。加强金融消费者教育，引导消费者理性认识和使用智能金融产品和服务。