作者:杨涛，国家金融与发展实验室副主任
摘要
自ChatGPT 空诞生以来，这款人工智能对话机器人就成为世界上最热门的话题之一。如果从ChatGPT来讨论人工智能在金融领域的应用，客观来说，人工智能在组织运营、服务能力、风险管理方面的应用更高，由于技术和制度因素，仍然不足以解决其他金融需求。文章指出，虽然ChatGPT进一步凸显了人工智能的应用能力，但对于金融行业来说，它仍然面临着诸多挑战，这使得它在很长一段时间内无法给金融行业带来重大变革。
美国人工智能研究实验室OpenAI研发的对话机器人ChatGPT引起了国内外各界的广泛关注，掀起了一股人工智能热潮。同时，金融业的数字化转型已经成为各国的大势所趋，也是我国监管部门推动的重要改革方向。因此，从ChatGPT深入分析人工智能在金融领域的应用现状、机遇和挑战，将有助于更精准地实现科技助力金融的高质量发展。
人工智能的发展现状及ChatGPT的现状
从宏观层面看，无论是“十四五”规划的顶层设计和数字经济发展规划，还是新版金融科技发展规划和金融领域数字化转型指导意见，都将人工智能视为数字经济的核心驱动力、关键产业和数字基础。数字经济的快速发展为人工智能创造了良好的经济技术环境；同时，人工智能作为关键的新型基础设施，也为拉动中国数字经济发展提供了新动能。整体来看，开放共享的基础设施、聚焦的工具流、多样广阔的应用场景，为人工智能的蓬勃发展提供了良好的应用环境和市场空空间。
从技术的发展趋势来看，超大规模的预训练模型无疑是人工智能技术发展的重点和热点领域，近年来迎来了大爆发和“军备竞赛”。总的来说，大型模型呈现出多模式、多技术、多能力、多应用的发展趋势，在理想的实验室环境和垂直行业的现实环境中都表现出了良好的应用效果。未来将形成大小型号协同开发、云边缘的智能系统。
同时，人工智能也给现有的伦理标准和社会治理带来了巨大的冲击和挑战。因此，如何实现人工智能的有效治理，成为近年来国内外关注的焦点。可以看到，国内外人工智能治理都取得了突破性进展，已经进入从概念层面建立规则并实施的阶段，可信AI的发展成为核心内容。
应该说，人工智能已经成为技术创新最重要的“催化剂”，与ChatGPT相关的自然语言处理(NLP)被认为是人工智能皇冠上的“明珠”。我们可以看到，人工智能的发展史，其实就是一部不断提高模型维度的历史，从人工专家编写规则，到机器编写少量规则，再到机器编写大量规则，最后迁移学习大型模型。在这个过程中，ChatGPT利用文本学习来扩展自己的领域。GPT 3有5000亿个单词和1750亿个参数。最后，在海量信息的支持下，其功能得到了全面提升，但也存在内容可信、数据安全、落地成本高等挑战。
02从金融需求角度看人工智能的应用机会
随着数字经济和数字社会的发展，产生了大量的数据，为人工智能的建模、训练和应用提供了广阔的“土壤”。特别是在金融领域积累了大规模、高质量的数据，同时拥有多维度、多元化的应用场景，为人工智能应用的蓬勃发展提供了良好的契机。通过人工智能与金融领域客户服务、产品创新、运营管理、风险防控等业务场景的深度融合，重塑金融服务全流程，智能赋能，推动金融产品创新、流程再造、渠道整合和服务升级，拓展金融服务的广度和深度，成为金融数字化转型的重要源泉和驱动力。
人工智能的应用价值归根结底在于解决金融领域存在的问题，要从金融需求的角度来分析。具体来说，从金融行业的中观和微观层面来看，第一个困境是战略问题。面对日益复杂的经济金融形势，金融机构的战略制定变得尤为重要。这既是机构的“头号工程”，也是视觉、逻辑、经验的有效结合，以及及时有效的动态优化。人工智能在战略制定中的应用思路是感知、推理和决策，自然可能与金融机构的综合或专项战略制定相结合，进行动态随机优化。
第二是结构问题。虽然我国金融业综合实力不断增强，但仍存在不少发展不平衡、发展不充分的结构性矛盾，这也对人工智能“短板”提出了要求。比如人工智能在财富管理领域的应用，可以为家庭资产结构和金融资产布局的失衡带来改变，直接影响到共同富裕的金融救助这一重大目标。
第三是生产要素。金融机构的可持续发展和数字化转型需要考虑要素投入的经济性、规模性和效率性，其核心是数据和人。一方面，数据已经成为重要的生产要素和国家基础性战略资源。提高数据采集、存储、计算、管理和使用的全生命周期活动，促进数据要素向数据资产转化，是金融业面临的迫切挑战。人工智能和大数据的结合会激发更多的活力。另一方面，金融科技人才也是稀缺资源。
人工智能可以成为提升员工能力的“智能助手”，也可以通过构建“数字人”来弥补团队能力。
第四是组织运营。金融行业的数字化转型离不开组织架构和运营能力的保障。在这个过程中，我们可以充分利用人工智能，打造自动化、智能化的运营模式，不断优化运营流程，创新运营模式，提升运营服务质量，降低运营成本，从而支撑全面智能化的金融服务。
第五是服务能力的问题。金融机构的服务能力体现在多样化的产品、足够的市场分析能力、营销和渠道能力、客户维护和增值服务能力。特别是在定制化智能产品设计、客户全息画像服务精准营销、线上一致性等方面，做出了卓有成效的探索。
第六，风险管理。当前，金融业面临的宏观和微观风险更加复杂。如果能有效利用人工智能，在整合分析大数据的基础上建立智能风控模型，成为识别、监测和控制风险的有效途径。一方面，构建客户观、业务观、风险观，动态全面地反映风险全貌；另一方面，优化智能信用风险评估，实现从风险控制向数值控制和智能控制的转变。
第七，服务效果。人工智能在金融行业的应用是否高效，取决于金融机构自身和服务实体。一方面，在近年来金融业快速发展的过程中，信息技术对金融业全要素生产率的提升和转化产生了深刻的影响。人工智能使用价值的体现之一是能否进一步提高金融机构的运行效率，优化财务指标。另一方面，金融行业在帮助普惠、绿色、科技、共同繁荣方面还有很多责任。人工智能应用对其完善功能的价值也需要考虑。
八是合作生态问题。从开放银行到开放金融已经成为全球创新的主流。金融机构需要与商业生态系统共享数据、算法、交易、流程等业务功能，为客户、员工、第三方开发者、金融科技公司、供应商等生态系统的合作伙伴提供服务，从而打造以“智能、开放、共享、敏捷、集成”为特征的数字金融生态系统。在人工智能和大数据的加持下，或许有助于进一步改善金融机构的外部生态。
客观而言，人工智能在组织运营、服务能力、风险管理等方面的应用程度较高，在解决其他金融需求方面，由于技术和体制因素，仍显不足。
03人工智能在金融行业应用的挑战
ChatGPT进一步凸显了人工智能的应用能力，但对于金融行业来说，它仍然面临着诸多挑战，这使得它在很长一段时间内无法给金融行业带来重大变革。
首先是数据治理。金融业数字化转型的出发点是做好数据治理，需要真正完善数据治理体系，提升数据管理能力，加强数据质量管控，提升数据应用能力。人工智能的应用也离不开高质量的海量数据，但金融机构的数据治理普遍处于初级阶段，低质量数据、数据孤岛和分散数据普遍存在，难以为人工智能提供充足的数据元素。
二是场景的标准化。虽然人工智能的金融应用体现了个性化和“千人千面”的特点，但从长远来看，在金融与科技融合的过程中，真正至关重要的是标准化、通用化的金融科技创新场景，而不是基于传统外包模式的差异化合作，这也是现有人工智能金融应用的制约因素之一。
第三是技术和解决方案的高成本门槛。人工智能在金融活动中的技术应用和解决方案设置通常部署成本较高，难以满足广大中小金融机构的需求。根据郭盛证券的研究估计，GPT-3的培训成本约为140万美元，对于一些更大的LLM(大型语言模型)，培训成本在200万美元至1200万美元之间。
第四是透明性和不可解释性。所谓可解释性，是指在一个行动理解或决策的过程中，我们需要从中获取充分的、可理解的信息，以帮助做出决策。在机器学习领域，输入数据和输出答案之间通常存在一个不可观测的空 space，称为“黑箱”。只有开发可解释、可信任的人工智能金融应用，才能实现用户信任、模型可审计、降低风险。
第五是组织的内部协调。就金融机构对人工智能等前沿技术的应用而言，通常难以形成有效的“激励相容”机制，以促使内部利益相关者达成共识，最大效率地体现技术创新的价值。对此，如何在优化技术方案本身迭代的同时，通过规则设计优化组织协调模式，也是人工智能无法回避的挑战。
第六是责任分担。金融机构的产品设计和业务运作具有一定的特殊性，也存在各种复杂的风险。因此，基于风险控制和金融消费者保护的逻辑，任何金融活动都需要明确的责任分担机制。当引入人工智能后，金融机构原有业务流程中的权责是相称的，可能会出现一些新的模糊之处，需要从制度规则、业务实践、技术与业务、模型与人的关系等方面进一步探索。
第七，合规与道德。随着金融科技的飞速发展，各国的监管都在与时俱进。面对监管原则和模式的动态演进，人工智能的金融应用具有更加突出的合规压力。与此同时，算法歧视、大数据杀伤、信息泄露等金融科技的伦理挑战也给人工智能的应用带来了“阴影”。如何以“负责任”的科技创新打造“有温度”的金融服务，仍需深入探讨。
总之，人工智能驱动金融行业数字化转型的图景已经开始，但并非一帆风顺，仍面临诸多重大挑战，迫切需要自我优化，不断“突破”。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信，我们会及时处理和回复。
原文地址"人工智能在金融领域应用的例子，人工智能在金融领域中的应用"：http://www.ljycsb.cn/qukuailian/212185.html。
微信扫描二维码投放广告
▲长按图片识别二维码
