AI技术突破式发展 金融业的机遇与挑战何在——《明珠湾智能金融发展报告(2022)》发布

  12月17日，在由中国金融四十人论坛和中国金融四十人研究院联合主办的第二届明珠湾金融论坛上，《明珠湾智能金融发展报告(2022)》（以下简称《报告》）正式发布。

  这是CF40连续第四年发布“智能金融发展报告”，本期《报告》着重突出了2022年以来中国智能金融发展的新进展、新变化、新趋势、新问题。值得一提的是，过去一年多以来，以大模型为代表的人工智能技术取得突破式发展和应用，针对这一现状，《报告》就AI对人类社会、金融行业的影响提出新问题和新思考，并设专章从生成式人工智能对金融行业的影响、元宇宙与金融等方面探讨了智能金融的未来发展趋势。

  《报告》指出，智能金融是网络金融、金融科技、智慧金融等的更高级阶段。智能金融更具革命性的优点是，它能对金融生产效率带来更大提升，对金融服务模式带来根本性颠覆。智能金融通过感知人类信息，并结合机器算法决策，实现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，推动我们国家金融行业变革与跨越式发展。

  一是生成式人工智能技术取得突破性进展。以ChatGPT为代表的通用AI取得了爆发式技术突破。2022年大模型参数超过了千亿，并将持续呈现指数级增长。技术上“预训练+微调”的技术路径有效解决了过往人工智能技术泛化能力不够的问题，人工智能开始从学习走向了创造，通用人工智能技术有望开启新一轮人工智能技术创新周期。

  二是大模型在金融领域应用成为热议话题。我国已出现一批通用语言大模型，包括百度发布的文心一言，阿里的通义千问，华为的盘古大模型、腾讯的混元大模型、京东的ChatJD等。金融机构普遍秉承开放包容、守正创新、稳慎推进的理念，积极研究拥抱新技术、新应用，按照先内部使用后客户服务的顺序，稳步推进。同时，金融机构正在深入研究和评估通用语言大模型对未来金融行业可能会产生的广泛而深远的影响，纷纷部署做好相应的准备工作。

  三是智能金融应用深度进一步拓展。智能金融的应用规模稳步增长，头部金融机构持续加大对智能金融的投入；应用质效不断的提高，推动着各类识别、预测和应答模型准确率持续上升；应用成效明显地增强，数字运营能力和数字风控能力加强。银行、保险、证券等行业在产品创新、客服营销、运营管理、风控合规等方面的智能化程度进一步深化。

  四是智能金融监督管理制度加强完善。各国立法机关和监管部门正在努力制定统一的法律和法规，以规范相关领域的运作。2022年，我国《金融科技发展规划（2022-2025年）》《金融标准化“十四五”发展规划》等一批制度文件的出台，积极鼓励智能金融应用，同时持续加强智能金融监管。

  《报告》认为，以ChatGPT为代表的生成式人工智能（AIGC）的出现无疑对金融业具有深远的影响，能够最终靠提供快速准确的信息和自动化的任务处理来影响金融行业，以科技的力量推动金融业降本增效，最终实现高水平质量的发展。此外ChatGPT“让机器理解”的能力逐步推动了金融行业的数智化转型，大规模预训练模型拓宽了金融行业AI应用的边界。在降本增效、提升生产力和和使用者真实的体验、产品服务创新等方面，以ChatGPT为代表的大模型为金融行业带来了应用价值。

  从应用场景来看，《报告》认为，ChatGPT作为一种感知智能，在金融生成文本类工作中具有应用价值，如智能客服，智能运营，智能风控，智能程序员和智能营销以及智能投顾等。

  但《报告》也指出，由于AIGC技术目前尚处于起步阶段，其大规模应用还面临可信度、业务、成本投入等多方面的挑战，还存在着一定的风险，需要谨慎探讨。

  就另一个技术热点——元宇宙，《报告》认为，尽管由于技术受限、商业模式未确立等种种原因影响，元宇宙在今年热度减退，但元宇宙的重要性或价值并未改变。

  需要强调的是，金融元宇宙的发展不能脱离现实社会，更不能脱离金融本质，技术发展最终要落脚到现实应用，方能形成价值。《报告》建议，金融元宇宙高水平质量的发展面临多方面挑战，下一步要发展元宇宙有关技术、强化基础理论研究、坚持目标导向、重视数据安全与数字治理。

  一是加强技术安全研究，鼓励业务安全实践。建议金融机构在数据层面，利用分布式数据共享技术，打破数据垄断和技术壁垒，降低业务创新成本，加强数据的实效性跟踪，提升数据精度和准确性。在算法方面，提炼算法的可统计性指标，加强算法可解释性，降低算法偏见，结合金融业务特点，提升AI算法检验测试能力。在身份认证方面，识别干扰算法和多模态伪造算法，强化基于大模型的智能金融业务合规性，保障用户的金融实物资产安全和权益。

  二是积极利用智能技术，推动金融服务创新。金融业在利用人工智能技术创新服务的过程中，不仅要重视在算力、算法和数据方面的积累，也要将人工智能技术和不同金融业务场景深层次地融合。在感知层面，建立多模态、互操作、可编程的智能引擎，推动大模型处理更为复杂的金融业务。在处理层面，探索利用人工智能技术处理金融业务数据方法，使用融合金融业务特点的数据质量处理工具，提升多维度和深度的数据处理能力，充分适配金融业务创新需求。在决策层面，强化算法的可解释性和可调节性，结合专家和技术干预的过程，逐步优化算法的精准性和可靠性，提升金融业务满足差异性客户的真实需求的能力。

  三是强化智能金融治理，筑牢科技道德和社会责任。金融机构应建立一系列人工智能的治理规范，明确业务创新边界、版权保护和算法可解释性等要求，强化科学技术道德和社会责任。加强实时数据分析，设置机器遗忘、数据时效性等规则，识别算法歧视和依赖、深度伪造和欺诈等问题。同时，要利用交叉分析、黑盒审计、智能评价、自动化评估等方法，全面分析基于AI的金融业务风险，及时改善和优化算法。在加强公开化、规范化、合规化的基础上，提升用户对业务的满意度和信任度，更好履行金融机构的社会责任。

  四是提升数据开放与共享水平，完善智能金融创新生态。包括加强数据共享、强化数据开放，加强资源和工具的共享，支持开放研究合作，建立用户参与机制如用户调查、用户测试和用户反馈渠道等举措。

  五是加强人才教育培训与引进，夯实智能金融发展基础。要加快AI人才培养和引进，完善人才教育培训体系，提高人才的技术水平和创造新兴事物的能力。增加相关学术课程和专业培训，强化产学研深层次地融合，积极开展实践项目。加大引进海外优秀人才工作力度。

  《报告》强调，智能金融的本质还是金融，人工智能技术的引入提升了金融服务的效率、创新了金融理财产品及提供方式，但同时也可能放大原有的金融风险和引入全新的问题风险，最重要的包含智能金融的伦理标准考量、智能金融技术风险与系统安全、金融数据安全与个人隐私信息保护、市场行为与金融消费者权益保护、智能技术所引起的金融风险。

  《报告》就智能金融的监管提出六方面政策建议：一是完善对话机制，不断凝聚智能金融监督管理共识。二是制定智能金融监督管理规则，厘清各主体权责利边界。三是发展监管科技，运用智能监管应对新问题新挑战。四是加强模型治理，着力破解智能金融监督管理痛点难点。五是倡导行业自律，发挥参谋助手作用。六是加强金融教育，着力推动消费者金融素养体系建设。