ai金融人工智能(AI新场景①AI金融)

21世纪经济报道 记者郭美婷 实习生周愚 广州报道,我来为大家科普一下关于ai金融人工智能?以下内容希望对你有帮助!

ai金融人工智能(AI新场景①AI金融)

ai金融人工智能

21世纪经济报道 记者郭美婷 实习生周愚 广州报道

编者按

“人工智能从你出生那天就认识你,读过你所有的电子邮件,听过你所有电话录音,知道你最爱的电影……”尤瓦尔·赫拉利在《未来简史》一书中描述了这样一种未来景况:人工智能比人类更了解自己。

步入人工智能时代,人类的生活习惯和生产方式正在被重塑,科幻和现实渗透,惊喜与担忧交加。人与机器的未来是一场亲密的合作还是激烈的战争?机器会将人类的智能拓展到什么样的边界?

深度赋能行业、落地场景是人工智能的“最后一公里”,AI前沿观察系列推出“新场景”稿件,探讨AI在具体应用场景下的现状与进展,难点与突破,前景与未来。本篇聚焦与AI最适配的领域之一——金融。

上世纪90年代,人声鼎沸的交易大厅见证了华尔街的辉煌传奇,野心勃勃的大亨凭借着头脑叱咤风云。

然而,这样的场景在今天却难以重演,因为人工智能来了。每秒可以完成数千笔交易、并在几毫秒内判断欺诈活动是否存在,7×24 小时不间断工作……AI在金融领域展露出了强大的魅力。

今年8月,科技部等六部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》,将金融作为深入挖掘人工智能技术应用场景的重点行业之一,并提出金融领域优先探索大数据金融风控、企业智能征信、智能反欺诈等智能场景。

以数据为驱动,金融成为AI技术最适合应用的领域之一AI 金融,究竟是皇帝的新衣还是一场颠覆性的变革?它是否真正解决了金融业务中的诸多痛点并带来实在的经济价值?未来又何去何从?

当AI遇上金融

人工智能和金融的结合是一场“命中注定的邂逅”。

回顾现代金融史,金融的发展始终伴随着技术的引领。文因互联产品总监李亚军告诉21世纪经济报道记者,在技术发展的浪潮下,金融业历经了三次变革。

最早,“IT 金融”实现了数据的格式化处理;随后,“互联网 金融”将上述数据进行信息化组装与呈现;随着金融对信息知识化拼装、分析与智能应用等需求涌现,行业开启了“AI 金融”的发展阶段。“这是事物演进的必然趋势。”

在国内,AI和金融于2015年擦出火花,包括文因互联在内的多家智能金融解决方案供应商如雨后春笋般冒了出来,部分银行也开启了金融科技子公司的创立之路。

一年后,“人机对弈”轰动全球,资本市场对AI 金融的讨论愈加沸腾。2017年发布的《新一代人工智能发展的规划》将金融业作为发展人工智能试点示范的重点行业之一。随后几年,国家层面下发的金融规划中,“人工智能”被数次提及,两者结合的具体方案路线亦有出炉。

今年8月,科技部等六部门印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》,金融是深入挖掘人工智能技术应用场景的重点行业之一。

已有为数众多的金融机构在客服、风控、投研、投顾、保险等环节做出了AI布局。例如今年以来,国泰君安、中金财富等券商纷纷推出虚拟数字人,打造智能化交互体验;平安银行、招商银行、邮储银行等在2022年半年报及部分第三季度报中提及,人工智能对业务的赋能是重点方向之一,在零售业务转型方面的应用已现成效。

研究机构IDC 9月发布的2022年V2版IDC《全球人工智能支出指南》(IDC Worldwide Artificial Intelligence Spending Guide)预计,在五年预测期内,金融终端行业用户的AI相关支出将持续保持在前四的领先位置,其中,以银行为代表的金融行业市场规模也将在未来几年持续增长,五年CAGR(复合增长率)预计超过21.0%。

金融或将是人工智能最快产生商业价值的领域之一。这根本源于AI对数据的强大依赖性。多位受访专家认为,现代金融业产生了海量且优质的大数据,是数字化程度最高的行业之一。且相比于其他行业数据、政务数据等,金融大数据相对开放,是喂养AI的上好养料。

同时,金融业的风险属性,场景多、服务对象广等特征,为AI应用提供了具体问题;金融向普惠化、智能化、数字化和个性化发展,正需要AI的支持。

“螺旋式上升”的应用场景

多年来,AI不断为金融行业注入新鲜血液。

最直观的改变在用户端。智能开户、智能投顾、智能营销、智能理赔等技术的出现,使线下网点线上化、纸质材料电子化,缩减了到网点排队办理业务、提供证明材料等繁琐流程,随时随地享受金融机构提供的个性化服务;同时,金融机构的工作效率被大大提高,业务办理时间从过去5天缩减为1天甚至更短,客户所购金融产品的周报或月报发布也更加及时。

在投资领域,依赖于大数据分析的量化投资是AI最典型的应用舞台之一。“AI的介入使量化投资呈现策略多元化、因子高频化、数据非结构化等新特点。”华南理工大学经济与金融学院副教授于孝建介绍,借助于AI算法,量化投资产品能够优化资产配置、捕捉机会、优化投资策略;同时将更多的高频数据引入到投资策略中,从过去分析日频数据挖掘因子,到如今基于分钟级、甚至秒级挖掘超高频因子;对于新闻文本、图片等非结构化数据,也可采用AI技术进行量化分析,用于构建投资策略。

中国人民大学信息学院教授许伟认为,目前人工智能在二级市场发挥的作用越来越大,在交易层面越来越智能。但在一级市场,包括私募市场,人工智能发挥的作用仍然有限。未来随着数据的积累和创造性技术的引入,或可达到更大的效果。

金融风控对AI技术的需求同样不可小觑。此前,根据艾瑞咨询《2020年中国AI+金融行业发展研究报告》,AI风控约占到了2019年AI金融市场规模的45%。许伟认为,AI风控的优势包括规避人的主观意识和偏见造成的不确定性;具备更高的学习效率,随着训练数据量增大而不断提升风控效果等。

“IT技术、互联网与金融的结合为AI开辟了大量应用场景,大致分为三个层次:金融知识与特定业务结合的场景,如智能风控、智能投顾;金融知识与普适业务结合的场景,如智能客服;以及普适业务场景,如智能安保。”许伟总结,未来AI在金融中的应用场景将呈螺旋式上升态势,也在这个过程中更新迭代——好的场景不断增加,反之则消失在历史长河中。

在“AI 金融”高歌猛进时,另一段插曲也格外抓人眼球。曾有报告预测,到2027年,中国金融业约20%的工作岗位将受到人工智能带来的颠覆性影响,削减岗位或转变为新型工种。未来金融从业者岗位是否将被机器取代?我们应如何期待AI在金融中扮演的角色?

“引入AI最初的目标确实是打造机器以替代业务人员的日常工作。然而在实践过程中,我们渐渐发现这是一个伪命题。”李亚军认为,人具有多维度、多方面的思维、投资理念和知识体系,这是不可取代的。

他表示,人工智能仅扮演“赋能”的角色,延伸人类的视觉、肢体与智慧。例如,从海量的金融数据和信息中敏捷而快速地捕捉目标,通过知识体系化的工具,从逻辑思维的角度将琐碎的信息沉淀下来,辅助业务人员做出决策或投资判断。

“最终的事情还是要人来做。”

风险与收益的平衡

未来,科技将成为金融行业得以持续发展的核心引擎。然而,行业在为AI入局产生的经济价值而狂欢时,也面临着种种技术上的弊端。

缺乏可解释性、“黑匣子”效应是目前AI普遍存在的短板。以量化投资场景为例,于孝建指出,完全依赖数据和算法的投资往往无规律可循,投资者可能无法理解AI加持下的投资决策。

这还可能带来监管方面的风险。今年3月,人民银行就发布并实施《人工智能算法金融应用评价规范》,对人工智能算法在金融领域应用做出了明确要求,从安全性、可解释性、精准性和性能方面展开AI算法测度和评价。

AI在金融领域的成就离不开数据,却也受数据所限。一方面,如何融合不同来源的数据,如何在愈发严格的数据保护法规背景下合规地利用金融数据等考验着金融机构的技术能力;另一方面,还应警惕相同数据和算法训练下AI趋于同质化的问题,作用在金融市场上则体现为羊群效应、共谋行为或者博弈行为。“因此,在采用AI技术开发量化投资策略时,要注重投资逻辑,避免数据过拟合。”于孝建说。

此外,AI还伴随着多种偏见(如系统性偏见、统计性偏见、人类偏见等),或将阻碍普惠金融的发展……

上述问题有待行业持续的探索突破。许伟建议,针对算法的可解释性,可从概率统计的角度出发发展基于贝叶斯的可解释人工智能算法,或从连接主义的角度出发发展基于知识图谱的可解释人工智能;针对数据可用不可得问题,未来可发展基于区块链的联邦学习技术;最后,开发面向公平的人工智能方法,通过多目标数据挖掘模型和算法,主动规避和消除人们的偏见,同时平衡商业利益和社会效益,可以更好地实现人们美好生活的需要。

蚂蚁集团大安全机器智能部总监王维强则提出研发攻坚可信AI技术,以解决因不可解释性、不公平的涉及、不稳定的模型结论与侵犯隐私等问题所引起的用户信任危机。

“在制度层面,需完善人工智能方面的相关法律法规,同时构建统一、可量化的指标,用各种微观指标监测金融科技给我们带来的风险,提升监管技术和能力,让人工智能和金融实现包容发展。”于孝建谈到,在新技术应用方面,可引入监管沙盒,将带有人工智能技术的金融产品,放在该安全独立的空间中反复试验、试运行,通过不断的沟通、修改,完善产品并寻求风险和监管的平衡。

事实上,目前AI的部分应用距离真正的“智能”还有一段距离。以6月底多家银行暂停的智能投顾服务为例,于孝建指出,这些服务多指客户将资金委托给AI投资,过程类似于自动交易,仍达不到利用算法等技术手段和理论模型,基于投资者实际状况和利益,提供智能化和自动化的资产配置建议的程度。

“我们需要做去伪存真,真正让AI落地,去探索技术的边界和解决问题的模式。”李亚军认为,智能投顾、智能投研、智能决策的落地,越细分精准的场景越有效,一味追求大而全的场景,很容易陷入投入大却效甚微的尴尬局面,找准场景,切入细分领域,在小场景中提升AI模型,同时不断优化效率,是可以快速见到成效的实践路径。

效率的提高势必加剧行业间的竞争。李亚军表示,随着整个金融产业,尤其头部机构,在科技投入上的持续加码,行业的经营模式发生了调整。各金融机构要找到自身的差异点和优势,从全面性、立体化布局转变为着重垂直赛道和特色化的经营。金融从业人员也应从办公室里走出去,真正接触、了解、认知客户的需求,为其量身打造个性化的金融服务方案。

出品:南财合规科技研究院

策划:曹金良

统筹:郭美婷、李润泽子

研究员:郭美婷、李润泽子、冯恋阁

本期作者:郭美婷、周愚(实习生)

更多内容请下载21财经APP

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页