1、人工智能发展对金融风险的影响及对策浅析一.人工智能的发展阶段及现状（1）人工智能发展阶段开创阶段及第一个繁荣期（19561975年）1956年，在美国达特茅斯学院（DartnIOUth）召开了人工智能夏季研讨会。在这次会议上，正式提出“人工智能”这一概念，标志着人工智能作为一门科学，正式诞生。此后，人工智能相关理论和技术得到了快速的推进和发展，人类历史上迎来了第一次人工智能发展的繁荣。这个时期，出现了能自动证明数学定理的逻辑机，“机器学习”概念被提出，把机器培养成专家系统的技术出现，人工智能编程的主要语言也被发明出来。自然语言方面的研究也取得了显著成就。“连接主义”和“符号主义”学派都有突破性
2、发展。第一个低谷期（19761981年）这一时期，人工智能的发展进入了瓶颈阶段。原因是前期的理论存在缺陷，技术上存在局限性，以及一些负面言论冲击着人工智能的发展。机器翻译等项目的失败导致投向人工智能的经费减少。在专家系统开发方面，也遇到了一些难题，如知识难以获取、推理能力弱等。第二个繁荣期（19821986年）如果说人工智能开创阶段是第一个繁荣期，那么19821986年，就是第二个繁荣期。这一阶段，人工智能的理论及其应用取得了突破，有学者提出了新的方法，降低了神经网络的运算量，解决了人工智能发展中绕不过的重大难题。而且，人工智能逐步走向了实际应用，为社会带来了可见的经济效益。美国、日本等发达国
3、家开始加大对人工智能研究的支持，人工智能的研究在全世界掀起新的热潮。第二个低谷期（19871996年）1987年，LISP机（一种直接以LISP语言的系统函数为机器指令的通用计算机，由R.格林布拉特在20世纪70年代设计）的市场崩溃，对人工智能的发展造成了重大冲击。紧跟着，相关技术发展也遇到瓶颈，传统神经网络、专家系统也出现了很多不尽如人意的地方，如实时性较差、与环境的交互性不够理想等。复苏期（19972009年）这个阶段，人工智能理论和技术都有了长足发展。代表性的事件就是，1997年“深蓝”机器人与苏联国际象棋世界冠军卡斯帕洛夫之间的“人机大战”，最终“深蓝”取胜。深度学习算法大大提高了机器
4、学习的能力。与此同时，人工智能在商业化方面也取得了稳步发展。爆发增长时期（2010年至今）这个时期，人工智能取得了巨大的进步，算法理论得到突破，计算能力大大提升，数据存储技术、传输技术、分布式计算等有了革命性突破，在此支撑下，移动互联、云计算、新型社交、传媒、物流、制造等领域的人工智能技术不断渗透，商业化发展前景看好。（2）人工智能发展现状全球人工智能发展现状当前，美国依然是人工智能发展的领头羊，在理论研究和商业应用上处于领先地位,发展模式和产业布局都十分成熟。美国人工智能产业链布局主要在智能机器人、智能驾驶、智能芯片、自然语言处理、语音识别、机器人学习等方面，产业链均衡发展。英国在欧洲具有领
5、先优势，人工智能企业数量和融资数额都在欧洲名列前茅。伦敦是英国人工智能发展的核心地区，牛津、剑桥及爱丁堡地区，聚集了不少相关企业。斯坦福大学的人工智能研究所发布的2024年人工智能指数报告指出：人工智能在完成某些任务上确实比人类高效，但在竞赛级数学、推理及规划等任务上还是落后于人类的表现；工业依然主导人工智能发展;前沿模型成本更加昂贵；美国是顶级模型来源国；人工智能缺乏标准化；AI提高了生产力并提供高质量工作；人工智能使科技进步加速；人类对人工智能加深了解的同时，也增加了焦虑。我国人工智能发展现状起步时期。中国人工智能发展较晚，真正起步是从20世纪70年代末开始的。改革开放后到20世纪80年代
6、初，钱学森等著名学者提出了要发展人工智能，国家开始派出留学生到西方发达国家学习相关知识。发展时期。1984年，邓小平同志提出“计算机要从娃娃抓起”，极大地鼓舞了相关研究，学术界的理论研究有了明显突破，国家政策也开始大力扶持人工智能研究，与人工智能相关的著作也纷纷出版。1986年，制订了“863国家高技术研究发展计划”，把高性能计算机及其核心软件等多种人工智能相关技术项目列入发展计划。20世纪90年代，国家把高性能计算机中的若干关键技术问题的基础研究等相关项目列入“攀登计划”（国家基础性研究重大项目计划）中。繁荣时期。进入21世纪，中国人工智能技术研究及应用蓬勃发展。理论上稳步推进，市场应用上快
7、速跟进，国家政策扶持力度不断加大，人才梯队建设成效卓著。2017年，国务院发布的新一代人工智能发展规划阐述了我国人工智能发展规划，目标是到2020年，与世界先进水平同步；到2025年，部分达到世界领先水平；到2030年，总体达到世界领先水平。从目前的发展情况来看，中国已经是除美国之外，人工智能的第二大发展国。无论是人工智能融资规模、频次，还是企业数量、科研机构数量、论文产量都在全球名列前茅。从地域分布上来看，人工智能产业主要分布在北上广深一线城市；从技术分布上看，我国的人工智能主要集中在计算机视觉、自然语言处理及智能语音等方面。2.人工智能的广泛运用工业对人工智能的应用是领先的。人工智能对高端
8、装备制造业可谓进行了重构，自动化生产线、自动化装备及工业信息化极大地改变了制造业的运行，“黑灯工厂”已经成为“高端化、智能化、绿色化”的高质量转型发展之路的代名词。人工智能在农业领域的应用越来越广泛,农业生产中使用无人机及人工智能技术，提高了农业生产效率,减轻了农药及化肥滥用，降低了农民劳动强度，提高了农民可支配收入。在商业服务业方面，大数据及智能知识的普及极大地优化了服务模式。商业服务供应链与人工智能的融合，带来了新的服务方案。智能设备使物流业提高了流通效率，降低了成本，人工智能全面重塑了现代物流业。在环保方面，环卫智慧机器人能进行智能保洁与巡检、垃圾智能识别等工作；在水环境治理中，机器人巡
9、河及清理淤泥等已经初见成效。人工智能技术已经深度渗透进每一个人的日常生活，如快递、外卖、打车、支付等，给社会生活带来了全新的面貌，如智能政务、智能制造、智能教育、智能医疗、智能交通、智慧城市、智慧商业等。二、人工智能在金融领域应用的现状目前，人工智能在金融领域应用已经进入了快速发展阶段，遍及银行、保险、证券等多个领域。大型金融机构都在致力于AI技术的研究及全面应用，人工智能正在改变着金融行业的各个方面。相比于人类的能力，人工智能在许多方面具有显著的优势。通过机器学习和自然语言处理等多种技术，人工智能实现了对海量金融数据的快速分析及处理，在为客户提供精准服务及个性化金融服务方面已经崭露头角。1
10、人工智能的应用领域目前，人工智能在金融领域的运用有智能投顾、金融风控、交易决策、智能客服等。(1)智能投顾(Robo-Advisor)智能投顾基本概念及特点智能投顾就是人工智能技术在投资顾问领域的应用。具体过程为，智能投顾平台根据客户的风险偏好、财务状况、理财目标等进行金融数据分析及模型构建，最后根据金融理论制订个性化的资产配置方案，是目前金融机构应用人工智能技术较为广泛的领域。相较于传统投资理财服务或财务顾问业务，智能投顾为投资者提供了更多的选择，使客户能够更快捷、更全面地获得投资建议或理财服务。智能投顾以其自动化、低成本、个性化及高透明度等越来越赢得消费者的青睐。智能投顾的发展2010年
11、美国Betterment成为全球第一家提供智能投顾服务的公司。此后,越来越多的公司进入这个领域。在中国，金融机构是智能投顾发展的主要力量，虽然起步较晚，但发展迅速,未来可期。从阶段上看，智能投顾发展大概可分为四个阶段：19902007年，是标签过滤阶段；2008年金融危机后，为用户风险承受能力测试阶段；20132017年，是个性化投资组合推荐阶段；2018年至今，是全流程智能投顾阶段。（2）金融风控在金融业经营中，风险是无法完全避免的。人工智能的运用，可以说开启了金融风险管控的新篇章。AI可以通过大数据分析捕捉金融市场上瞬息万变的信息，同时，通过机器学习技术，可以对金融业的信用风险、市场风险
12、及操作风险等进行较为精准的预测和评估。例如，投资银行的交易员们可以用AI进行投资风险分析，人工智能系统通过对历史交易数据及市场动态信息的分析，对金融市场波动进行预测，从而提出金融机构风险对冲策略。人工智能还能迅速发现异常交易行为，从而对金融欺诈行为进行及时防范。（3）交易决策金融市场上，很多金融产品价格实时变化，依靠人来观测和捕捉投资机会，往往会存在时间上的滞后性，同时面临人性的弱点。而人工智能在数据捕捉和处理、避免情绪化交易等方面拥有强大的优势，使得它在价格瞬息万变的金融市场上找到用武之地。人工智能技术在某些金融交易中得到迅速推广，特别是量化交易和高频交易已经是市场的重要参与者。尤其是人工智
13、能通过机器学习，可以在海量的市场数据中，捕捉到交易机会,并在极短的时间内执行快速交易。黑石集团和桥水基金这些国际著名的投资机构，已经在采用人工智能技术进行交易决策了。（4）智能客服智能客服是人工智能在金融服务中的拟人化应答技术。目前，在银行业，客服人员正逐步被机器人所取代。不止是大银行，中小银行和城市商业银行也已经开始布局智能客服。实体机器人部分金融机构已经在运用实体机器人进行咨询工作，机器人能够存储大量的基本金融信息，这是银行员工无法做到的。例如，有些银行利用机器人充当大堂经理,进行简单的客服咨询工作，可以为客户快速提供利率、汇率、金融产品介绍等基本金融信息，也可以回答客户简单的提问，但尚不
14、具备处理复杂金融业务的能力。程序机器人有些智能客服不具备物理形态，只是系统内的一段程序。这种程序机器人能够响应客户提出的问题。智能客服已经开始部分代替人工，走上客服一线,如账户查询、余额查询、金融资讯查询等均可由智能客服提供，一些复杂的业务才会交给人工坐席处理。2 .人工智能在金融领域应用的优势(1)新质生产力赋能金融业增长人工智能是一种新质生产力，是金融高质量发展的重要引擎。当今社会已经迈入数字经济时代，金融业也从推动金融科技发展逐步向推动数字化金融转变。数据已经成为金融业关键的生产要素。例如，在投资交易过程中的择时和择券,最新的、最准确的资讯往往是投资成功的关键。(2)提升金融行业效率以往
15、交易的效率常常决定于交易员的认知能力和反应速度，交易员的市场敏锐度非常重要。但是，在人工智能时代，金融交易的模式开始发生巨大的改变。依靠金融模型，可以捕捉转瞬即逝的交易机会，从而大大提高交易的成功率。在资产管理行业，人工智能运算模式已经纳入银行、资产管理机构等的交易、登记、估值、结算、清算等系统。人工智能可以帮助金融机构做好资产的交易记录、资金流水、财务报表等。业内有专家认为，人工智能的应用成倍提升了金融行业的效率。(3)推进金融创新进入人工智能时代，金融创新可谓日新月异，不仅创新的技术强度增加，创新的速度也加快了。例如，当下在银行业，生成式人工智能(GeneratiVeAl)及大语言模型(
16、LargeLanguageModels)就得到了广泛的讨论。2023年，中国国内多家银行已布局大模型应用，人工智能和机器学习开始在银行业内普及。甚至连尚未建立的人工通用智能(ArtifiCialGeneralIntelligence)也开始受到业内关注，行业人士已经在推测其对银行业的潜在影响。保险公司也开始在销售、承保和理赔中运用人工智能来进行精准营销、智能风险识别、智能防范欺诈等。(4)降低金融行业运营成本人工智能可将复杂的交易活动进行简化、将大量简单重复劳动自动化、将各类业务流程和环节标准化,减少管理成本、降低操作风险。这个过程中，把员工从繁重的日常事务中解放出来，从事更加复杂、高端和富有
17、人性化的工作，这意味着简单的、机械的、重复的工作岗位会减少对人力的依赖，从而降低运营成本。三、人工智能在金融领域应用的风险问题1 .人工智能金融风险研究的理论意义和实践意义人工智能在金融业的应用是一把双刃剑，提高效率的同时也会带来新的金融风险。习近平总书记指出，要坚决守住不发生系统性金融风险的底线。人工智能带来的风险也是防控金融风险的重要课题。自人工智能诞生以来，关于其风险问题的讨论和担忧就一直存在。2016年，美国国家科学技术委员会发布的备战人工智能的未来，从两个方面都提到了安全问题。一个是“公平、安全与治理”，强调努力避免意外行为，以及致力于技术层面的防范。另外一个是“全球性考虑与安全”，
18、关注了人类如何安全驾驭人工智能问题。2017年，中国国务院发布了新一代人工智能发展规划，其中的保障措施部分提出了“建立人工智能安全监督和评估体系”。近年来，由于人工智能在金融领域的应用越来越广泛，对人工智能可能加剧金融风险这个问题的讨论也开始增加。一方面，人工智能技术的迅速发展给金融风险控制带来了新的挑战，如金融稳定性风险、信息安全风险、各类模型风险等。另一方面，法制建设跟不上行业发展的步伐，难免出现法律真空地带，造成乱象。探讨人工智能在金融领域应用的金融风险问题，是对前沿学科的研究，不仅具有理论意义，而且从实践角度看,此类研究对维护国家金融安全有非常重要的现实意义。2 .人工智能在金融领域应
19、用存在的风险具体而言，人工智能在金融领域应用主要存在制度风险、信息安全风险、技术不可控风险及过拟合风险。(1)制度风险农耕时代的技术迭代需要数百年，工业时代需要几十年，而进入人工智能时代，技术迭代只需要几年、几个月、甚至几周，而法制的更新往往具有滞后性。新生事物出现的时候，没有相关法律可以遵循，管理部门最快速的反应只能是暂时制定一些部门规章、条例。立法是需要广泛、多次讨论的，新的法律出台需要一定的时间和立法程序。而人工智能这种新技术在金融业内的推广、普及的速度是前所未有之快，这就必定造成监管制度滞后，相关法律尚未完善，出现新的问题，监管的应对难以及时到位。(2)信息安全风险当今世界，各国的金融
20、深化程度在日益加深，绝大多数人们已经无法脱离金融体系而生存。这就意味着金融机构的系统里汇集了海量的个人、家庭、企业的各类信息。如果这些信息不能被妥善保护，就会带来数据泄露风险。人工智能被引入金融业中，很重要的一个原因就是，金融业大规模的信息处理需要人工智能技术。银行业的信用评估、投资机构的投资策略制订、征信机构的信用调查等，都需要以大量信息为基础。这些海量的信息里包含用户基本信息、个人消费习惯、企业财务机密等隐私、未经公开披露的重要内容。如果数据管理不当，或者信息系统被黑客攻破，就必然会导致大量客户隐私信息及财务秘密的泄露，对金融安全造成很大的威胁。近年来，这方面的案件屡见不鲜。(3)技术不可
21、控风险人工智能相比于以往的任何技术，都更容易存在技术失控的问题。原因是人工智能的算法“黑箱”导致产生潜在风险。人工智能是以深度学习为核心技术，通过机器学习完成任务，并在持续学习中，进行动态优化。机器学习大大超越了人的分析能力，相比于人，很多时候，Al体现出超级智能性。但是，机器学习采用的是“黑箱”模式，也就是说，外人无法准确知道其内部运行情况，有时候无法完全掌握人工智能算法下是如何产生自主决策结果的。即使是程序设计者，也无法完全预料人工智能可能产生的全部后果。这也就是业内公认的，人工智能算法具有“不可解释性”，一旦有悖于设计初衷的结果产生，人工智能就失控了。在金融领域，一旦人工智能系统失控，后
22、果可能将是灾难性的。例如，银行的海量账户信息可能会丢失、紊乱，客户的资产记录出现差错,财务报告出现重大偏差，交易付款无法进行等；投资机构的客户账户上可能会出现错误交易、无序买卖，导致客户损失惨重。（4）过拟合风险在机器学习中，过拟合是一个客观存在的问题。它存在的原因是模型对数据的过度适应，这就导致一个结果，模型在遇到新数据的时候，适用性不好，表现不佳。可以预见，这样的人工智能算法，一旦遇到政策、经济、金融环境的重大变化,就很有可能出现颠覆性错误。例如，几乎所有的金融模型都不会考虑金融危机这样的小概率事件,而基于模型算法的人工智能很难应对突如其来的危机。四、金融领域应用人工智能的风险防范从宏观层
23、面，监管部门要通过完善法规，健全监管框架；信息管理部门需要出台相关制度，提高人工智能在金融领域运用中的信息透明度，强化管理。从微观层面，金融机构要做好信息科技机制管理、信息安全管理,加强访问控制和身份控制，防范技术风险和道德风险。1 .完善法律法规从原则上来讲，对于人工智能的法制管理，应该是发展与安全并重。如果管理不够严格,则无法有效防范重大风险;但如果管得过死，又会制约人工智能的发展。人工智能法案最早由欧盟委员会于2020年提出，旨在应对人工智能的负面影响，该法案于2024年8月正式生效。我国目前尚未颁布人工智能相关法律，但有一些相关法规。2016年颁布的中华人民共和国网络安全法，时间较早，
24、当下很多新问题不在其规范之内。2021年颁布的中华人民共和国数据安全法对当前人工智能的发展存在覆盖不到的方面。2023年7月，国家网信办等七部门联合公布的生成式人工智能服务管理暂行办法是针对人工智能应用制定的，但立法层次不够，效力有限。可喜的是，法制在不断进步。下一步，需要借鉴国际经验探索建立人工智能方面的基础法律一人工智能法，在安全管理方面，需要制定数据安全、个人信息安全、算法安全方面的基本内容。还需要制定金融领域专门的人工智能安全管理条例，应当包括人工智能风险预警机制、账户安全保障及道德风险防范等。2 .健全监管框架(1)明确监管主体我国金融业的监管体系是一行、一局、一会。由于早前中国金融
25、体系以分业经营为主，银行、证券、保险监管相对隔离。但近年来金融行业趋向集团化、控股化经营，一些金融机构跨业、混业经营既涉及银行，也涉及证券、保险、资产管理等多个领域，分业监管存在漏洞，混业监管向前发展。金融领域人工智能发展也存在监管难问题，不止是某些金融业务涉及不同业务领域，需要多部门监管，还涉及到互联网管理，容易造成监管扯皮。笔者建议，在金融监管体系中，应当建立专门的人工智能监管职能部门和专业化队伍。(2)明确主体责任尽管人工智能的行为是机器自主决策的结果，但是，作为开发者和使用者一一企业及其员工的责任是不可推卸的。人工智能系统的开发者、使用者要承担保证算法安全可靠的主体责任。监管部门对于违
26、规金融机构及其负责人要明确其法律责任。3 .强化信息管理首先，要提高金融行业人工智能的信息透明度，使用户能够理解和应用其输出的结果。最基本的要求就是要保障客户的知情权，要明确告知客户，在哪些业务、哪些环节中与之互动的是人工智能。同时，给人工智能深度合成的金融信息“贴上”清晰的标签，将运用人工智能的选择权交给消费者。其次，金融行业应当提升金融信息安全意识，在个人隐私保护、客户账户信息管理、信息安全基础建设等方面加大力度、加大投入。而且，需要强化对金融部门人工智能系统使用者的数据治理方面的要求，确保各类数据真实、准确、完备，不能采用未经验证的、虚假的、误导性的数据。4 .持续技术迭代虽然人工智能算法的“不可解释性”在技术上目前是客观存在的，但这并不等于技术风险完全无法防范。金融机构可以在划分风险等级、披露潜在风险、完善应急预案、保护消费者合法权益等方面做更多工作。对于过拟合风险，可以对人工智能进行场景化训练。设计不同的仿真环境，大致可以分为“经济状况较好”“经济状况一般”及“经济状况较差”三类不同的宏观经济、金融场景，对人工智能系统进行情景训练和敏感性测试。通过持续训练，使人工智能兼具原则性和灵活性、兼具宏观和微观、兼具共性和个性,不断向真正的智能化迈进。
