肖钢系统阐释智能金融：对金融生产效率的根本颠覆

本篇文章5459字，读完约14分钟

在中国，对大多数人来说，智能金融仍然是一个相对陌生的概念。什么是智能金融？it和金融技术有什么区别？我们为什么要研究和发展智能金融？如何监管智能金融？如何解决个人隐私和数据保护的问题？ 今天，我们整理出了10个关于智能金融的热点问题，供读者参考。

1

什么是智能金融？

智能金融没有统一的定义。根据该报告，智能金融是指人工智能技术与金融行业深度融合的一种新形式，是一种用机器取代并超越人类某些管理经验和能力的金融模式变革。

2

智能金融和金融技术有什么区别？

根据该报告，智能金融与数字转型和金融技术密切相关，但也有重要区别。

智能金融的发展基于金融机构的数字化转型，这为智能金融的发展提供了基础保障。

智能金融是金融技术发展的高级形式，是基于数字化的升级和转型，代表着未来的发展趋势，已经成为金融业的核心竞争力。

与互联网金融和金融技术相比，智能金融更具革命性的优势在于从根本上颠覆了金融生产效率。智能金融取代甚至超越人类的行为和智力，更准确、更高效地满足各种金融需求，推动中国金融业的改革和跨越式发展。

3

为什么我们要专攻智能金融？

通过将智能金融与金融技术分开来编写特别发展报告主要基于以下考虑:

一方面，发展人工智能技术已经成为我国的一项重要战略。目前，各国在新一代人工智能技术方面展开了激烈的竞争。金融和人工智能是自然耦合的，这是人工智能技术应用中最重要的领域之一。发展智能金融将有助于中国抓住人工智能的发展机遇，占领技术制高点，尤其是金融业的特殊性，这必然会对人工智能技术提出新的要求和挑战，推动我国人工智能技术的突破和升级，提高技术转化效率。

另一方面，人工智能技术为金融业的未来发展提供了无限的可能性，是对现有金融技术应用的进化和升级，将会给金融业的发展带来颠覆性的变化。专攻智能金融有利于跟踪人工智能技术与世界金融业融合的应用和发展，增强金融业的适应性、竞争力和包容性，大大提高金融机构识别和防范风险的能力和效率，促进我国金融供给方的结构性改革，增强金融服务实体经济和人民生活的能力，保持无系统性风险的底线， 加快中国现代金融体系建设，增强金融国际竞争力，促进金融强国向金融强国转变。

4

目前智能金融的应用场景是什么？

根据该报告，目前智能金融的应用主要包括三个方面:前台、中间和后台。

首先，智能识别已经广泛应用于个人身份认证。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经进入大规模应用阶段，广泛应用于远程验证、人脸支付、智能网络和运营安全等领域。

其次，智能营销降低了营销成本，提高了服务效率。智能营销正在经历从人机分工到人机合作的转变。未来，智能营销将成为一种跨学科、集成化的人机合作模式，进一步提高金融服务的效率。

第三，智能客户服务可以节约客户服务资源，提高服务效率。智能客服不仅提供自动答疑，还通过连接各种前端渠道提供统一的智能客服能力，并不断改进和沉淀，提供全天候精准服务，提高服务效率。

第四，智慧投资已经试点，其综合推广有待进一步探索。国内外有很多智能投资的应用案例。但是，由于我国缺乏清晰的商业模式和不明确的服务定位，综合推广仍需探索和发展。

第五，智力投资开始具有盈利能力和巨大的发展潜力。一些公司使用人工智能技术来不断优化算法、增强计算能力、实现更准确的投资预测、提高回报和降低尾部风险。通过投资组合优化，在实盘中实现了显著的超额回报，未来智能投资的发展潜力巨大。

第六，智能信用评估可以提高小额信贷的服务能力。智能信用评估具有在线实时操作、自动系统判断、审计周期短等优点，为小额信贷提供了更高效的服务模式。它在一些网上银行被广泛使用。

第七，智能风险控制实现了金融机构风险控制业务的转型。智能风险控制为金融业提供了一种新的基于网上业务的风险控制模式，但只有少数金融机构有能力使用，需要进行试点和推广。

第八，智能运营管理提高了运营效率，降低了运营成本。智能运营管理逐渐将业务运营从分散化转向集中化，从自动化转向智能化。从而提高业务运营效率，减少业务处理错误，降低管理成本。智能操作已经成为金融机构实施智能金融的一个重点和使用场景。

第九，智能平台使金融机构能够改善服务、转变流程以及转型和升级。智能平台建设是金融机构智能转型的核心，不断为上层应用提供丰富、多维的智能服务，构建完整的服务生态系统。

综上所述，智能金融总体上仍处于“浅应用”的初级发展阶段，主要是对流程和重复性任务进行智能化改造。

《报告》指出，人工智能技术的应用正处于从金融业务外围向核心过渡的阶段，发展潜力巨大。

5

在智能金融的应用场景中，“算法黑箱”问题可能会变得更加突出？如何避免它？

肖钢认为，人工智能的一个问题是算法的可解释性相对较差。要解决这个问题，我们可以从几个方面入手:

首先，使算法可解释。现在，人工智能科学家正在解决模型算法的黑箱问题，并期待在不久的将来有一些技术突破。

第二，可以采用分级管理。例如，根据对金融消费者的危害程度，有的不能解释，有的只是解释模型如何工作，有的需要解释结果和原因，还有的需要进一步解释模型背后的逻辑和操作原理。当然，如果最终无法解释，投资者和消费者也不相信，监管机构就不会被允许在金融领域使用它。

因此，如果将人工智能应用于金融行业，就不需要解释所有的模型，并且可以对模型进行分层管理并提出明确的要求。

第三，明确责任。无论是否使用人工智能，卖方在金融机构销售金融产品和服务时的尽职调查义务并未减弱。组织需要了解他们的客户，并向合适的人销售合适的产品。责任不会因为是否采用人工智能技术而改变。

6

个人隐私和数据保护已经成为社会普遍关注的问题。在智能金融时代，如何构建相关的法律法规体系？

正如报告所述，个人资料的问题目前缺乏法律条文，实在需要立法。肖钢认为，数据非常重要，尤其是在人工智能时代，这不同于最初的工业革命。工业革命是基于物质资本，而人工智能是基于信息资本和数据资本。因此，谁控制了数据，谁就垄断了权力。

肖钢认为，在个人隐私和数据保护领域还有许多问题需要澄清，如哪些数据可以收集、谁拥有数据、如何建立个人信息权利制度等都是新的课题。

为了保护个人数据的隐私，肖钢从以下几个方面提出了建议:

首先，要弥补不足，尽快制定相关法律法规，逐步完善。

其次，我们应该防止数据垄断。鉴于大型科技公司的技术优势和数据获取能力，存在一种赢者通吃的效应，即要求大型公司开放其数据，以便中小型科技公司也能利用其数据发展业务，维持公平的竞争环境。

第三，要进行综合管理。数据隐私保护不仅是金融监管的问题，还涉及政府部门、it公司、金融机构、实体和个人。这是一个全社会的问题，因此有必要形成一个各方参与和合作治理的体系。

第四，必须开发新技术来解决技术带来的问题。“联合学习”技术是一种既能保护数据安全，又能共享数据建模的方法。

7

如何解决“数据孤岛”和“数据隐私保护”之间的困境？

根据该报告，“联合学习”为解决“数据孤岛”和“数据隐私保护”之间的困境提供了新的途径。

“联邦学习”(Federal learning)是指由各种机构在不交换数据的情况下完成的人工智能算法模型的训练。其核心是解决数据孤岛和数据隐私保护问题，通过建立数据“联盟”使所有参与者受益，从而促进人工智能技术在金融领域的应用。联邦学习在智能金融中的应用场景非常广泛，没有特别的限制。大多数常见的人工智能算法，如机器学习和深度学习，经过一些修改后可以适应联邦学习方法。

联合学习的具体实现方式是建立虚拟共享模型。此虚拟模型类似于通过聚合数据构建的最佳模型，但是当虚拟模型构建时，数据本身不会移动，因此它不会泄露隐私，并且满足数据合规性要求。构建的模型仅服务于各自区域的本地目标。

联邦学习有几个特点:各方的数据都保存在本地，不会泄露隐私或违反法律法规；多个参与者结合数据建立虚拟共享模型，共同实现各自的使用目的和利益；在联邦学习制度下，每个参与者都有相同的地位和地位；结果模型的性能完全接近理想模型(即通过将所有数据传输给一方获得的模型)；“联邦”是数据联邦。不同的联盟有不同的计算框架，服务于不同的计算目的。

8

随着智能金融的发展，未来金融从业人员的规模和网点数量是否会呈现下降趋势？

肖钢认为，中国的智能金融仍处于初级阶段，不存在有人担心会导致大规模失业的情况。

“在第一次调查中，我们发现，在人工智能或金融技术方面表现出色的金融机构负责人不仅没有裁员，而且还会招聘员工。”小刚说。

人工智能的发展将取代一些重复性的简单工作，但它不会造成大规模的失业，而是大规模的就业转移。从事简单和重复性工作的人可能不得不担任客户经理和其他需要维持人际关系的职位。

对新技术是否会导致大规模失业的担忧今天并没有发生。在20世纪50年代，美国遇到了“自动化萧条”的问题。当时，美国总统肯尼迪曾说过，美国在20世纪60年代面临的最严重的危机是用机器取代工人。现在，这个判断是错误的。

“世界银行对全球就业形势进行了一项研究，其中提到，欧洲新增就业岗位的一半以上是由新技术带来的，新技术在取代人力的同时创造了许多新的就业岗位。因此，培养劳动技能和教育工人变得越来越重要。”肖钢强调。

事实上，中国也是如此。近年来，互联网经济的快速发展提供了许多新的就业机会。依靠新经济，中国每年新增1300多万城镇就业人口。新技术也创造了新的就业机会。总的来说，我们应该拥抱新技术的发展。"

9

智能金融的风险是什么？如何监督？

该报告列出了智能金融中可能存在的一些风险:

首先是技术风险-

不成熟技术的风险。人工智能技术的发展仍处于弱人工智能阶段，人工智能是人脑的简化模拟，无法应对复杂场景下的决策，在金融应用中存在潜在风险。

算法黑盒问题。人工智能算法在实现过程中存在“黑箱”问题，导致可解释性和不透明性较差。

其次是信息安全风险-

智能金融所依赖的软硬件平台和网络环境可能存在漏洞，被他人利用和操纵。攻击者利用漏洞篡改或窃取系统数据，具有高度隐蔽性、破坏性和智能性，给信息安全带来新的威胁。

第三是系统性风险-

智能金融的“尾巴效应”和“网络效应”使金融机构能够增强客户获取能力，提高风险控制水平，降低成本。然而，这两种效应的叠加增加了金融系统的复杂性，这可能扩大风险的传染和影响，诱发更大的“羊群效应”，并扩大金融的顺周期性。

第四是垄断风险-

技术公司发展中的垄断趋势已成为一种规律，而智能金融的发展也可能导致数据、资本和技术向少数公司集中，这些公司利用技术优势和业务垄断获取超额利润，造成“赢家通吃”的局面。

报告称，目前的金融法规没有充分考虑人工智能技术对金融业的影响，一些智能金融应用正处于真正的空或灰色监管区。同时，智能金融的应用还是一个新生事物，给立法带来了巨大的挑战。人工智能技术增加了金融监管的难度。算法模型使得监管者难以预测数据质量和风险状态。

在开发智能金融应用时，经常会参考软件开源组件，或者金融机构购买技术公司提供的软硬件技术，导致智能金融产品潜在责任人多，发生纠纷时责任难以划分。此外，智能金融的决策是由机器完成的，因此很难让机器对决策结果负责。

根据该报告，智能金融的监管措施包括:第一，加强法律法规建设。研究发布智能金融隐私保护、数据安全、责任主体认定、消费者保护和伦理道德等规范性文件，待条件成熟后逐步上升为法律法规。第二，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，提升数据治理和分析能力，实现监管数据实时采集，智能分析风险，构建事前、事中、事后全链智能金融监管模式。利用监管沙箱等机制有效管理金融创新风险。

10

《报告》对中国发展智能金融提出了哪些建议？

《报告》从三个方面对我国发展智能金融提出了11条建议。

关于人工智能技术的发展，报告建议:

第一，加强基础研究。重点突破细分行业人工智能基础理论、核心算法和关键设备的瓶颈。。

二是加强治理体系建设。政府制定规则和标准，监管部门加强监管，科技企业确保技术安全和可控性，金融机构增加产品应用的透明度，消费者参与规则的制定。

第三，确保技术安全。建立人工智能安全标准体系，搭建人工智能安全评估公共服务平台。

在明智的金融发展规划和基础设施方面，报告建议:

首先，制定一个明智的金融发展计划和行动计划。介绍中国智能金融发展规划和指导，制定并实施智能金融三年行动计划。

二是构建开放式智能金融创新平台，积极推进智能金融产学研一体化。

第三，统筹打造金融云。有人建议，一个代表团和两个会议应该带头在金融行业建立一个专有云。

第四，加强配套基础设施建设。加强智能金融软硬件平台和数据共享机制建设。

在明智的金融监管方面，报告建议:

一是加强法律法规建设。出台了智能金融隐私保护、数据安全、责任主体认定、投资者保护和道德规范等规范性文件，并在条件成熟时逐步上升为法律法规。

二是创新监管模式。可以在监管机构内设立专门部门，建立智能金融监管的长效机制。利用监管沙箱等机制有效管理金融创新风险。

第三，大力发展监理技术。构建事前、事中、事后全链智能金融监管模式，实施智能金融风险评级。

第四，加强消费者保护。强化金融机构的“卖方责任”义务和经营者的举证责任。构建知情权、更正权、使用权等个人信息权利体系，规范智能金融运营商获取数据的方式方法。加强金融消费者教育，引导消费者理性理解和使用智能金融产品和服务。