“要清醒看到，人工智能的算法‘黑箱’、數(shù)據(jù)污染、模型缺陷等潛在風險問題不容忽視。”中國財富管理50人論壇理事長、原銀監(jiān)會主席、證監(jiān)會原主席尚福林尚福林在4月10日舉行的國民財富發(fā)展研究合作平臺2025春季峰會上表示。
尚福林特別提到，在金融行業(yè)應用時，應關注人工智能帶來的效率提升與風險加劇的雙重效應。
尚福林提到兩點措施：一方面，在技術(shù)上強化垂直領域的專業(yè)性，在技術(shù)基座基礎上針對金融行業(yè)特點進行精細訓練，對生成內(nèi)容及時進行交叉驗證，提升模型的準確性和可靠性。另一方面，監(jiān)管機構(gòu)應密切關注人工智能技術(shù)在金融領域的應用動態(tài)，增強對智能算法風險的穿透式分析能力，健全智能算法的規(guī)則制度，提升算法可解釋性、透明性、公平性和安全性。
人工智能對依托密集的物理網(wǎng)點和客戶經(jīng)理的中小銀行沖擊最大
回顧金融業(yè)發(fā)展歷程，經(jīng)歷了信息化、數(shù)字化、智能化全過程，金融業(yè)始終走在技術(shù)變革前沿。如今越來越多的金融機構(gòu)正在探索應用人工智能，加快數(shù)字化轉(zhuǎn)型。
相關部門也出臺了一系列政策和規(guī)劃，推動技術(shù)的應用與創(chuàng)新。《金融科技發(fā)展規(guī)劃（2022-2025年）》提出，抓住全球人工智能發(fā)展的新機遇，全面推進智能技術(shù)在金融領域的深化應用。人民銀行不久前召開2025年科技工作會議特別提到，加快金融數(shù)字化智能化轉(zhuǎn)型，安全穩(wěn)妥有序推進人工智能大模型等在金融領域應用。
尚福林指出，各方對于人工智能在金融業(yè)推進充滿了期待。以生成式人工智能為例，它的對話、創(chuàng)作、推理三大核心能力，非常契合金融行業(yè)需求�？梢灶A見，人工智能將對金融業(yè)產(chǎn)生深遠影響。
一是增強交互體驗。大語言模型利用自然語言處理技術(shù)，實時回答客戶問題，提供個性化的服務建議，極大地提高了客戶服務效率，減少了人工客服的工作量和成本。
二是全面分析“畫像”。在信貸業(yè)務中，人工智能通過挖掘分析消費習慣、交易行為等非結(jié)構(gòu)化數(shù)據(jù)，分析借款人的各種特征、評估還款意愿，通過動態(tài)風險評估替代靜態(tài)抵押，實現(xiàn)風險評估從“靜態(tài)指標”向“動態(tài)畫像”的轉(zhuǎn)變；推動風險定價從“經(jīng)驗主導”向“數(shù)據(jù)+算法”驅(qū)動轉(zhuǎn)變。此外，邏輯推理模型通過交易行為數(shù)據(jù)中的異常邏輯鏈檢測等策略，加上生物信息識別技術(shù)，在反洗錢、反金融欺詐等方面發(fā)揮了較好效果。
在金融市場上，通過機器學習算法，更高效地進行市場分析和投資決策。國際貨幣基金組織（IMF）最近一期發(fā)布的《全球金融穩(wěn)定報告》分析了人工智能在提高投資和資產(chǎn)配置的效率、幫助完善組合投資框架、改進回報預測方面的作用。根據(jù)市場研究機構(gòu)估算，2024年全球智能投顧管理的資產(chǎn)規(guī)模已突破2萬億美元，較2023年增長超過30%。
同時也要看到，人工智能正在改變傳統(tǒng)物理服務模式，對依托密集的物理網(wǎng)點和客戶經(jīng)理的中小銀行沖擊最大。對這方面的影響還需要進行深入的研究。
關注人工智能提升效率與加劇風險的雙重效應
在尚福林看來，當前，我國人工智能發(fā)展的總體態(tài)勢良好，正處在加強人工智能布局、加快數(shù)字化智能化轉(zhuǎn)型的歷史機遇期。算力、算法和數(shù)據(jù)是大模型應用的三大支撐要素。
“同時也要清醒看到，人工智能的算法‘黑箱’、數(shù)據(jù)污染、模型缺陷等潛在風險問題不容忽視�！鄙懈Ａ直硎�，特別是在金融行業(yè)應用時，應關注人工智能帶來的效率提升與風險加劇的雙重效應。
一是算力效率的提升是基礎。大模型需要依托由高性能計算芯片、存儲和網(wǎng)絡共同構(gòu)成算力集群。硬件投入大、訓練成本高一直是在行業(yè)普及應用的重要制約因素。特別是中小銀行科技投入能力明顯不具優(yōu)勢。這種局面隨著DeepSeek的出現(xiàn)，通過算法優(yōu)化，減少了對高算力硬件的依賴，打破了“堆算力、拼資本”的大模型發(fā)展路徑。大大減輕了金融機構(gòu)特別是中小機構(gòu)的資本投入壓力，為彌合技術(shù)差距提供了機會。
二是數(shù)據(jù)安全可靠與隱私保護是關注焦點。人工智能讓數(shù)據(jù)的應用價值凸顯，也讓數(shù)據(jù)的安全防護變得更加復雜。
一方面，持續(xù)加強數(shù)據(jù)的隱私安全保護。金融機構(gòu)和科技企業(yè)需要共同研究數(shù)據(jù)在采集、存儲、傳輸和使用過程中的安全性問題。要在保障安全和隱私前提下，推動金融與公共服務領域信息互聯(lián)互通，釋放數(shù)據(jù)要素潛能。
另一方面，關注數(shù)據(jù)污染。金融機構(gòu)每天都在處理海量的數(shù)據(jù)和復雜的交易，信息的準確性和可靠性至關重要。在金融行業(yè)，信息污染風險同樣存在。如果虛假信息被灌入訓練模型，有可能污染模型的訓練數(shù)據(jù)。一旦部署到金融交易、風險分析當中，可能會引發(fā)連鎖反應，造成難以估量的損失。
三是提高模型算法的透明性和可解釋性是關鍵。深度學習模型目前還存在不可解釋性，輸出的結(jié)果難以解釋和追溯，增加了監(jiān)管的難度。訓練數(shù)據(jù)中的偏差會導致算法輸出的不公平或錯誤。人工智能工具是根據(jù)過去的數(shù)據(jù)進行訓練的，可能無法準確反映現(xiàn)實和預測未來。人工智能驅(qū)動的高頻交易提升市場反應速度的同時，也放大了波動性。當多數(shù)人工智能策略采用相似風險模型時，這種同質(zhì)化響應可能會加速放大負面反饋循環(huán)，進而加劇金融脆弱性。此外，需要強調(diào)一點，在模型訓練中，還要充分體現(xiàn)國家的政策導向和相關要求。
尚福林稱，需要積極采取措施。一方面，在技術(shù)上強化垂直領域的專業(yè)性，在技術(shù)基座基礎上針對金融行業(yè)特點進行精細訓練，對生成內(nèi)容及時進行交叉驗證，提升模型的準確性和可靠性。另一方面，監(jiān)管機構(gòu)應密切關注人工智能技術(shù)在金融領域的應用動態(tài)，增強對智能算法風險的穿透式分析能力，健全智能算法的規(guī)則制度，提升算法可解釋性、透明性、公平性和安全性。
【免責聲明】本文僅代表作者本人觀點，與和訊網(wǎng)無關。和訊網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內(nèi)容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論