我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:至尊彩票登陆 > 留萌市 >

伍旭川:人工智能发展趋势、挑战及 对金融安全的影响

归档日期:04-21       文本归类:留萌市      文章编辑:爱尚语录

  人工智能正在以中国速度改变世界。人工智能在推动人类社会进步的同时,也带来诸多问题。中国人民银行金融研究所伍旭川研究员对金融领域的影响,以及人工智能发展带来的安全问题,并就如何发展人工智能提出了相关建议。社会各界应充分认识人工智能的双面性,一方面政策制定者需要与研究人员保持沟通和合作,另一方面技术研究人员需要对人工智能的负面效应保持前瞻性。最后,应该在更大范围去探讨人工智能带来的挑战,以期将各利益相关者纳入讨论范围,进而有利于人工智能的发展。

  人工智能(Artificial Intelligence,AI)概念最初是在1956 年达特茅斯会议上首次提出,与会科学家共同研究和探讨了一系列关于机器模拟智能方面的问题,并将人工智能定义为“使一部机器的反映方式像一个人在行动时所依据的智能”。此后,许多科学家也对人工智能下了相关的定义。自人工智能诞生至今,其发展可分为六个阶段:萌芽期、启动期、消沉期、突破期、发展期以及高速发展期。如今,距离人工智能的提出已历经半个多世纪,人工智能也已进入新的阶段,不再是简单地对人的行为进行模拟,而是成为进一步研究人类智能活动,并在此基础上发现一定规律的学科。目前,人工智能方面的研究涉及计算机科学、生物学、仿生学、自动化、控制论、信息论、心理学、数理逻辑和哲学等学科。科学家们将这些学科加以整合,构建相应的硬件和人工系统,使计算机能够从事需要人类的智力才能进行的工作,进一步解放人的劳动力。未来人工智能的发展将把人类劳动生产力的解放推向一个新阶段。由此,需要时刻关注人工智能发展过程中所展现的新特点和新趋势,充分认识其两面性,进而使人工智能发挥其应有的作用。

  过去60 年,在人工智能领域,无论是学术层面还是社会应用层面,美国一直占据主导地位。但是,近年来,中国在人工智能方面的影响力正逐渐赶超,主要表现在投资份额、技术布局和跨境投资三个层面。首先,虽然中国公司在人工智能方面的交易数量仅占全球交易数量的9%。但是,从交易的金额来看,中国的份额已经占到48%,接近50%,超过美国的投资份额。相比2016 年的11.3%,中国的投资份额在2017 年呈现出较大的增长。纵观全世界的投资份额,美国目前占到38%,除中国和美国以外的其他地区约占到13%。此外,投资份额的增长也直接导致了专利数的增加。从中美两国的对比来看,无论是深度学习、人工智能,还是机器学习,中国的专利数量均已超过美国。

  在技术层面,中国在人工智能方面的提升主要来自脸部识别和AI 芯片方面的布局。前者源自政府试图在全社会建立数字化管理体系的计划。通过脸部识别技术,政府可以对社会的各个层面进行数字和图形化管理,降低社会管理成本,提升公民整体素质。后者则对美国在芯片领域的主导地位形成了挑战。以旷视科技、商汤科技和云从科技为主的科技公司正加速布局脸部识别领域,并配合政府在多个城市进行摄像监控布局。

  在跨境投资方面,中国已全面超过美国,中国在2017 年的跨境投资数量为31 笔,而美国公司在中国的投资仅为20 笔。中国的科技巨头,如百度和京东,正在全球进行人工智能方面的投资。尽管中国公司在美国的投资面临比较严格的审查。但是,仍然有越来越多的公司在美国设立初创公司,试图利用两国的技术融合在人工智能领域有所突破。

  在技术应用方面,人工智能的发展日新月异,已经远远超出了人们的想象。其特点主要体现在应用范围和DIY 产品两个方面。人工智能的应用已经深入到社会生活的方方面面。机器学习作为人工智能技术中最重要的技术之一,是基于人类认知过程可通过数学模拟的假设,大量数据被输入提供框架性学习策略的算法内,“训练”机器自助寻找可以解读数据或提供预测的规则或程序。在英国,机器学习已经被用到啤酒酿造的工艺流程之中,通过大量的数据分析和参数设置酿造出适当的啤酒;在俄罗斯,机器学习被用作深海捕鱼,机器学习可以分辨出雷达图像中鱼类信号和其他噪声信号的不同;在瑞典,机器学习则被用来分析马的行为轨迹。类似的将人工智能用于生活中的例子还有很多,看似不可思议,实际则能很好地改变我们的生活。

  另一个人工智能改变生活的例子是DIY 的人工智能产品。用户自己可以不必费心去构建硬件和软件来开发产品,便能直接使用科技公司提供的平台打造自己的人工智能产品。例如,很多开源的图书资源可以通过Google 和亚马逊等公司的平台直接整合以供用户使用,用户可以利用相应的软件根据自己的需求智能搜索和整合相应的资源;Google 开发了一个视觉工具箱,可以不用人工,使机器自行辨别相应的图片,包括识别猫与狗的差别,甚至能细化到人的脸部表情。当前人工智能在技术层面已经开始向边缘计算、胶囊网络和医学应用领域三个方面进行突破。首先,人工智能在算法方面正走向去中心化,即向边缘计算发展。 对于一部手机或者一副穿戴设备,边缘计算将使这些设备就近处理相关的数据信息,并迅速地做出反应,而不是将数据发送至云端进行处理。整个处理过程将在本地边缘计算层完成,这将提升处理效率,减轻云端的负荷。由此,用户的各种需求可以直接在边缘端解决。在现实中,边缘计算技术已有所应用。例如,具有人工智能技术的自动驾驶汽车可以视路况迅速做出驾驶反应;手机的脸部识别技术可以使手机对当前的图像迅速做出反应;婴儿看护器可以使用人工智能的机器视觉技术对婴儿进行全面监控。

  其次,人工智能中的深度学习技术正加速发展,尤其是胶囊网络的出现正在革新深度学习的运作方式。 在胶囊网络之前,深度学习主要遵循的是卷积神经网络(CNN)的运行原理。CNN 的主要组成部分是一个卷积层,它的工作是检测图像像素中的重要特征。比如,就脸部识别来说,CNN 可以识别脸部的各种要素,从而区分出不同脸部的差别。但是,CNN 并不能识别出各种要素的相对位置。而胶囊网络在CNN 的运作基础上更进一步,其能识别出各种要素的相对位置,辨识能力更强。胶囊网络的想法本身并非那么新颖,学术界在之前已经提出,但是,到目前为止,仅有一种算法能够将其实现。这种算法被称为“胶囊之间的动态路由”。因此,胶囊网络被真正运用仍需时日,不过其将成为深度学习的发展方向。

  最后,人工智能应用于医学领域已经初步得到了监管部门的认可。人工智能可以提高医疗诊断的精度,也可以提升诊断的时效性。例如,机器学习可以将病人的诊断相片与其他病人的相片进行比较分析,并发现人眼可能忽视的细微差别,从而对病情提早诊断。而且,在诊断的效率上,也比人工诊断更快。目前,许多大型的科技公司均已开始将人工智能应用于医疗领域。著名生物医药企业阿斯利斯康便已与阿里巴巴签署协议,准备在中国推广人工智能扫描诊断技术。可以说,医疗领域已经成为人工智能公司加速布局的市场。

  人工智能是一个全新的技术领域,但近年来已越来越受到关注,无论是国家还是企业都已开始在此领域进行布局。从应用趋势看,人工智能的应用将涵盖军事、城市管理、医疗急救、无人驾驶等各个领域。虽然一些应用仍处于试验阶段,但未来的趋势已经显现。

  首先,在政府层面,人工智能将更多应用于军事和城市管理两个方面,这也是公共产品最重要的两个领域。根据美国《 2016—2045年新兴科技趋势报告》的描述,预计到 2045年,全球的机器人和自动化系统将逐渐成熟,机器人在机动性、灵敏度方面将达到人类的要求,机器人战士将装备至国家军队。美国国防部研究计划局近年来已经与波士顿动力公司合作,开发了“灾难救援”的机器人,预期其将应用于军事、救灾领域。在城市管理方面,随着物联网的兴起,城市基础设施以及人们日常生活中的移动设备将变得更加智能,物联网、数据分析以及人工智能的结合将构建一个巨大的智能机器网络。未来,全世界60%~70%的人口将会居住在城市,城际交通、电力设备、污水处理以及公共安全等涉及城市管理的各个领域将使用智能化管理,机器系统可以根据城市运行的现实状况,通过数据分析自行做出日常判断,以人工智能为基础的城市自动化将提高城市的效率和可持续性。

  其次,在企业等微观组织层面,人工智能将主要应用于以下领域:一是物流领域。未来的物流仓库将在物品的打包、筛选和搬运方面实现全自动化,即机器人承担几乎所有工作,实现全天 24小时运营,大大提高物流的运行效率。二是无人驾驶领域。无人驾驶是人工智能运用的高级领域,由于涉及公共安全及社会伦理问题,需经过较长的试验。但是,一些大型企业早已开始布局,如美国的特斯拉和中国的百度。一些大型的传统汽车企业也正在无人驾驶领域加大研发力度。未来,随着无人驾驶技术的成熟,由汽车导致的安全问题将大为缓解。三是信息传播领域。未来,人工智能技术可以自动将社会中的新闻事件转换成可以传播的媒体格式,如视频、文本、音频等,提升信息的生产和传播效率。四是日常工作领域。人工智能将大力改善依赖体力劳动的工作,同样,也将提升脑力劳动的工作效率。例如,基于人工智能的机器人可以记录销售代表和客服的电话,解答客服的疑问,这种机器人解放了一部分白领的工作,也让简单机械的工作变得有效率。五是日常生活领域。随着语音技术的发展,人们的日常生活也将变得越发智能,人工智能技术使智能产品和人得以交互,人们可以使用语音操作日常生活的各种设备,生活的丰富度得以提高。需要说明的是,人工智能将更多地运用于生活的方方面面,而不局限于前文所描述的领域。

  人工智能服务现已经大量应用于商业用途,转换为可以产生经济效益的服务或产品。整个人工智能市场可以分为家庭用户市场和企业市场。在家庭服务层面,智能家居市场已经被大公司所占据。智能家居市场中比较重要的便是声音处理技术,其将声音转变为机器可以识别的信号,进而管理家庭中的各种物件。目前,声音处理技术也已成为人工智能各大交流会议的主要议题。手机公司如三星、 LG等均在提升声音处理技术,试图在智能家居市场进行布局。从智能家居市场的发展来看,其正被亚马逊、 Google等大公司逐渐占据。例如,亚马逊旗下的子公司 Alexa正在开启一场声音革命。 2017年第四季度数据显示, Alexa目前正在全球 80多个国家开展其智能家居服务,但是其服务仅支持英语、德语和日语。相比之下, Google所提供的智能家居服务则能支持英语、法语、德语和日语。在非英语系国家,如西班牙和中国,其智能家居市场也被一些大公司所占据。例如,在中国,百度和阿里巴巴便正在加速布局智能家居市场,试图利用 AI技术改变人的生活。

  在企业市场层面,亚马逊、 Google、微软这类公司已经基本占据了市场份额。大多数企业开始考虑将机器学习融合进他们的产品之中,许多初创的人工智能企业开始提供这些服务给一般类型的公司。随着 Google、亚马逊和 Salesforce这类大型企业开始提供机器学习方面的服务,小型人工智能公司的融资开始变得困难。目前, Google推出了自己的自动化机器学习技术AutoML,用户可以利用相应的数据满足个性化需求。亚马逊推出了 AmazonAI。 Amazon AI服务消除了繁重的工作,让 AI可以为所有应用程序开发人员广泛地访问,提供 Amazon强大且可靠的深度学习算法和技术,使开发人员开发的产品和服务能够以完全托管的形式呈现。

  人工智能的发展已经开始对白领阶层的就业产生影响,一些白领工作,如法律顾问、财务顾问、记者、交易员等,均将面临人工智能带来的冲击,这个趋势已经开始显现。首先, AI的专业自动化和增强软件平台正在提升社会的生产效率,并威胁着越来越多的白领阶层。例如,人工智能有巨大的潜力来减少时间,提高法律的工作效率。在诉讼方面,一个人工需要耗费几天时间完成的数千页法律文件,自然语言处理可以在几分钟内完成,并降低出错的概率。随着人工智能平台变得更加高效和商业化,这将影响到按小时收费的外部律师事务所的收费结构。此外,程序员的工作也开始受到影响,一些初创公司专注于开发 AI系统,用于软件测试、调试和基础前端开发。例如,英国一家公司正在开发 AI系统完成自动编码任务,包括 bug修复、自定义代码开发以及将代码从一种编程语言转换到另一种编程语言等。

  其次,未来市场对于数据科学家的需求将会超越对工程师的需求。根据国际商业机器公司( IBM)的预测,截至 2020年,市场对于数据科学家的需求将会达到 270万人。随着数据量的暴增,许多公司对数据分析的需求也迅速增加。不管是制定商业策略还是给机器学习平台提供可读的数据,都需要能够高效分析数据的人才。面对数据量的迅速增加,以及公司数据业务的扩张,数据科学家的未来需求量也将会继续上涨。

  人工智能是国家实施大数据战略的重要组成部分,其将对金融和实体经济带来变革。事实上,金融领域对技术进步向来敏感,云计算和大数据的快速发展为人工智能提供了基础支撑,深度学习带来的算法突破提高了复杂任务处理的准确度和效率,极大地推动了语音识别、计算机视觉、机器学习、自然语言处理、机器人等人工智能技术的发展,人工智能技术的发展将为金融业带来颠覆性变革。

  人工智能未来将会给各个产业带来巨大变革,其影响将远大于互联网对各行业的改造,并产生更多的价值,取代更多人的工作,也会让很多现在重复性的工作被取代,让人可以从劳动密集型的工作中解放出来,释放人力去做更有价值的事情。对于具体行业来说,其也会显著提升行业的生产和服务价值。在金融行业,人工智能对金融服务的提升已不言而喻,从理论上说,其主要源于以下几点理由。

  一是客户服务的轻资产化。金融业作为服务行业,客户关系维护是金融机构产品供给与需求的中间链条。在不同的技术水平下,客户关系维护的模式和效率有所不同。在计算机和互联网技术应用于金融业之前,金融机构客户关系维护主要通过客户经理与客户的直接接触,直接回应客户的需求和挖掘客户的潜在需求,并培养客户黏性。金融服务的供给也主要是在金融机构实体网点实现。这种传统的金融服务模式需要投入大量人力和物力资源。客户体验也因客户经理的经验水平和专业素养而异。在互联网和人工智能技术发展的大背景下,对金融机构实体网点的需求将大为降低,随着客户文化水平的提高以及社会数字经济的发展,客户对于线下金融服务需求将部分被线上金融服务所替代。人工智能技术的引入使金融机构能够提供客户以前在线下才能获得的服务。随着市场竞争的深入,改革金融机构均会在大数据、云计算以及人工智能方面进行布局,或自己建立相应的开发团队,或采用外包的形式购买数据服务。起初,以人工智能为代表的金融科技需要花费较大的成本投入,但是随着技术的成熟,人工智能带来的收益将覆盖其开发成本。最终,与线下的实体服务网点相比,线上的金融服务在成本收益方面将更具优势,金融机构将呈现轻资产化的特征,金融服务的各个环节将更加专业,金融机构在调整成本结构、转变发展方式时也将更为灵活。市场经济的核心要义之一便是引入竞争机制,随着人工智能的收益优势逐渐体现出来,整个金融行业也将逐渐朝轻资产化的发展方向转型。

  二是金融服务模式的主动化。 随着互联网金融和人工智能技术的发展,金融服务模式将经历从被动需求到主动需求,再到双向主动的过程。金融业属于服务行业,其中除了优化资金的配置,人与人的价值交换也是其中之一。在互联网技术大规模运用于金融行业之前,金融机构的员工需要与客户建立长期的业务关系,帮助客户筛选和接受金融服务。这个过程中,客户的需求相对被动,其实际是接受金融服务人员的主动性服务。金融服务人员与客户通过交谈、咨询、推荐等过程,建立了较为友好的关系,这种关系也提高了客户对于金融服务人员的依赖程度,产生了客户黏性。但是,随着互联网技术的发展,金融服务呈现出跨区域和跨时间的特征。千里之外的农村地区通过互联网也可以较为容易地接受银行、证券等金融机构的金融服务;客户可以在工作时间之外接受资金的转账、金融产品的购买等服务。互联网时代,客户端和金融服务更具标准化,客户需要自行通过网络选择相应的金融产品和服务。客户的需求由相对被动向相对主动转变,需求成本由金融机构向客户转移。在这个过程中,客户会自行比较金融机构所提供服务的质量、效率,客户对金融机构的依赖程度有所降低,市场化竞争使金融机构从之前的人工服务转向提供异质化的产品和线上金融服务。人工智能的飞速发展,则会使客户需求主动提升的同时,进一步完善金融机构的主动服务。人工智能使机器能够在很大程度上模拟人的服务,当客户自行选择、比较金融产品和服务时,其不仅可以依靠自己的主动性获取知识,还可以通过与机器进行交互,咨询、了解金融产品和服务。事实上,人工智能技术的引入使人力成本得以降低的同时,进一步加强了对客户的主动性服务,客户黏性有望重新获取。客户的主动需求与金融机构的主动服务形成良性互动,将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。

  三是服务链条的智能化。 人工智能技术的飞速发展,使机器能够在很大程度上模拟人的功能,实现批量人性化和个性化的客户服务,这将给身处服务价值链高端的金融带来深刻影响,其使金融服务的整个链条都可以智能化。金融服务分前、中、后台。在前台,人工智能主要是应用于客户服务,金融机构在引入人工智能之后能够形成智能的客服系统。客户的服务是一个系统性的工程,涉及咨询、评估与后续维护。首先,客户需要了解金融产品和服务,人工智能的引入可以让机器与客户进行沟通,回答客户的各种问题,并对这些问题进行分类与整理。起初,智能客服仍需要人工的参与,后续随着机器学习的深入发展,智能客服可以逐渐减少对人工的依赖。其次,智能客服系统需要对客户进行相应的评估,以评价其适合哪一类的产品和服务。最后,智能客服系统需要对客户进行维护,比如对客户进行风险提醒,定时满足客户的交易需求等。在中台,人工智能主要应用于支持授信以及金融分析中的决策。例如,当前台将客户的数据反馈给中台之后,中台需要对数据进行分析,以决定提供给客户什么样的产品和服务。在后台,人工智能主要应用于风险的监控与防范。对于金融机构的整个产品服务体系来说,风险的防范非常重要,涉及对金融产品和服务提供过程中异常情况的监测和处理,这些均可以逐步应用人工智能技术实现智能化监测。

  四是数据处理的高效化。 金融行业沉淀了大量有用或者无用的数据,包括各类金融交易、客户信息、市场分析、风险控制、投资顾问等,数据级别都是海量单位,同时,大量数据又是非结构化的形式存在,如客户的身份证扫描件信息,既占据宝贵的储存资源、存在重复存储浪费,又无法转成可分析数据以供分析,金融大数据的处理工作面临极大挑战。金融行业的数据量大,通过运用人工智能的深度学习系统,可以使金融机构的智能服务体系不断完善,甚至有可能超过人类的知识回答能力。尤其在风险管理方面,人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。起初,整个金融行业所拥有的数据均是非结构化的,金融机构通过人工的方式根据需要将非结构化的数据转换成结构化的数据,再输入计算机系统进行相应的分析,包括客服服务、风险评估、风险监测等。随着非结构化数据向结构化数据转换的逐渐成熟,相应指标的提取更加模式化,人工智能中的机器学习技术开始进场,即机器自己便可以对非结构化数据进行分析,将其转化成结构化数据,进而使整个流程更加智能化,数据处理的效率大为提高。因此,人工智能实际是将经历从处理结构化数据为起点到处理非结构化数据为起点的过程,这个过程伴随着机器学习的深度接入,也伴随着人力工作的逐渐退出,整个数据处理效率得以提升,处理成本得以下降。随着人工智能技术的发展,整个技术在金融行业的全面应用已为期不远。

  人工智能在金融领域的应用已经渗透到金融产品和金融服务的方方面面。国内外金融行业中的一些大公司均已在人工智能领域开始布局。根据笔者的了解,未来,人工智能在金融行业的应用将主要从五个方面展开,分别是语音识别与自然语言处理、计算机视觉与生物特征识别、机器学习与神经网络、知识图谱和服务机器人技术。

  一是语音识别与自然语音处理。 人工智能在语音处理方面的技术在金融业应用已较为广泛。通常来讲,其主要应用在智能客服、语音数据挖掘以及柜台业务辅助三个层面。金融机构提供的客服渠道种类较多——电话、网上助手、App、短信、微信等多种渠道,客服与用户之间并不直接见面。如果语音识别和自然语言处理技术高度发达,可以实现机器对人工服务的替代,客户输入语音或文本,机器进行实时的语音识别和语义理解,掌握客户需求,自动进行语音问答。总之,利用语音处理技术,智能客服可以整合对外的客户服务渠道,提供多模式融合的在线智能服务;对内实现语音分析、客服助理等商业智能应用。语音数据挖掘是指基于语音和语义技术,可以将海量的电话录音和各种语音形式的数据内容结构化,分析出有价值的信息,为服务和营销等提供数据与决策支持。此外,语音语义技术与机器学习结合起来,可以通过对业务咨询热点问题进行梳理统计,生成知识问答库,并作为后续机器自动回复客户问题的参考依据。柜台业务辅助则是指在金融机构的线下网点,使用语音技术根据客户的需求自动引导客服办理各种金融业务,填写部分内容,柜台人员只需最后进行确认,这样可以减轻柜员负担,提升客户体验。

  二是计算机识别与生物特征识别。 此技术主要应用于人像监控预警、员工违规行为监控、核心区域监控、交易安全以及黑白名单应用几个方面。人像监控预警是指在线下网点或ATM 机周围装上摄像头,增加人像识别的功能,通过事先接入人像大数据系统,应用相关数据对现实中的人像进行比对,以识别可疑人员和可疑行为,也可用于识别VIP 客户,从而提供差异化的金融服务。员工违规行为监控是指在线下网点或公共办公区域添加摄像头,对员工的可疑行为进行辨识与监控,并记录和标记疑似交易,一旦有异常行为,可提醒后台人员进行分析比对,起到一定的警示作用。当然,员工违规行为监控需要平衡好公司管理与保障员工合法权益之间的关系。核心区域监控是指对于金融机构内部的核心安全区域,如数据机房或集中运营中心等,可以装置人像识别摄像头,对于进出人员进行智能识别,要求人像与证件相符方可进入,同时对于其身份进行登记,防止陌生人进入,对于可疑的人员或行为则需要提前识别并进行通告,以维护核心区域的安全。交易安全是指对于真实的金融交易,可运用人脸识别、声纹识别、虹膜识别等生物识别技术,对客户的交易资质进行提前审核,如有异常可及时中止,以提升交易的安全程度。黑白名单应用是指通过接入征信身份数据库,对客户的信用信息和生物信息进行识别,生成黑名单和白名单,当金融从业人员服务客户时,在客户没有感知的情况下,通过人像识别对客户的身份进行辨认。

  三是机器学习与神经网络。 机器学习与神经网络可以运用于金融预测与反欺诈、授信融资、投资决策、辅助决策系统、保险定价以及智能投顾。金融预测与反欺诈是指通过大规模地采用机器学习技术,将大量的金融交易数据导入至机器学习系统之中,机器会从人工辅助到自行发现金融交易中的异常数据,此技术一般用于分析信用卡的使用和交易数据,有助于金融机构识别欺诈交易,预测交易变化趋势,提前做出相应决策。授信融资是指通过整合有关客户的维度数据,如年龄、性别、学历、消费记录等,建立各个维度与客户信用程度的关系,通过机器学习不断更新信用相关指标,以对客户进行信用分析,进而给予授信。随着大数据和人工智能的深度运用,大量的贷款申请将通过智能算法在几分钟之内给予贷款审批,其审批效率大为提高,有助于服务于个人信贷以及小微企业信贷。而且,机器学习还可以继续运用于贷后管理,以实时进行风险监控。投资决策是指利用历史数据和统计概率方面的算法,使系统能够自动感知市场的变化,不断更新数据和模型,进而做出投资决策。目前,量化投资是机器应用于投资决策的先例,但是其还需要人工进行建模,理想的情况是机器自行根据市场变化更新模型和算法,达到此程度还需要机器学习和金融投资人士跨界合作进行研究。辅助决策系统是指金融机构利用深度强化的学习技术,根据经济金融的历史数据,给出当前经济形势的预测,辅助相应的金融决策。辅助决策系统和投资系统较为相似,其不同在于,投资决策系统会让机器自行进行决策,而辅助决策系统情境下,人工是最终决策者。保险定价是指利用深度学习技术对保险对象进行分析。例如,就汽车而言,通过模型算法自动化地对车的风险因子分数进行分析,使保险定价个性化和动态化。智能投顾是指根据马科维茨的资产定价理论,基于对客户的风险评估,为客户批量提供资产管理和在线投资建议服务,使金融机构更智能地为个人客户进行服务。

  四是知识图谱的应用。 具体来说,知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论方法与计量学等方法结合,利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构的现代技术。其在金融领域的应用主要体现在金融知识库的构建和风险控制两个方面。金融知识库是指建立有关金融知识方面的数据库,这些数据库能够有效地辅助智能客服和柜台业务办理。人工智能可以使金融知识库的建立更具智能化和动态化,即将大量与业务相关的金融知识组合起来,通过视觉化的方式展现给客户。金融知识库的智能化将有助于智能客服的升级,客户将不需要人工对整个金融业务和金融产品进行了解,且整个过程又具备较好的用户体验。知识图谱用于风险控制是指在对企业进行风险评估时,采用可视化的方式,将企业与其他单位的业务联系全方位地展现给风险评估人员或者智能化的风险评估系统,这样可以将公司的上下游企业、母子关系、竞争对手、行业企业等业务单位融入金融机构的风险控制系统之中,形成一个风险控制网络,一旦周围的企业出现风险点,风险控制系统可以快速分析其向目标企业的传染性。

  五是服务机器人技术。 服务机器人是人工智能发展到一定阶段的产物,是机器高度拟人化的表现,即实体机器人在比较高的程度上替代人的工作。服务机器人在机器人家族之中仍属年轻,尚没有一个权威的定义,不同国家对服务机器人的认识也是不同的。目前,在社会的很多领域,都不同程度应用了服务机器人技术,如维护保养、修理、运输、清洗、保安、救援、监护等。在金融领域,服务机器人技术可以应用于机房巡检以及网点服务两个方面。机房巡检是指对于金融机构的核心区域或重要机房地点实行巡检,以监测核心区域和机房的安全。通常,巡检的工作是由人工完成的,如果引入机器人巡检,则可以解放劳动力,且可在一天24 小时内不间断地进行监控。机器人机房巡检与生物识别技术相结合,可以对金融机构的机房或核心区域进行安全防范,提升金融机构的安全水平。网点服务是指将机器人引入金融机构的网点服务之中。通常,网点会配备一些工作人员解答客户的各种问题,介绍金融产品和服务,同时帮助办理业务。网点一般由客户服务人员、业务办理人员以及安全保卫人员组成。事实上,网点的服务工作很多都已经呈现出模式化和流程化的特征,通过机器人服务完全可以完成。国内已经有银行开展了机器人服务网点的试点工作,预计未来机器人将更多地应用于金融机构的网点服务之中。

  诚然,人工智能在金融领域的应用也遇到不少挑战。英国金融时报曾对全球30 家银行做过有关人工智能应用方面的调查,调查的总体结果显示,银行业对新技术感到兴奋,但是仍采取比较谨慎的方式。事实上,人工智能在金融业的全面应用还需要解决一些问题,主要体现在市场定位、技术发展以及公司治理三个层面。

  市场定位方面,人工智能在金融服务的很多环节均可有所建树,但是金融机构如何将人工智能与金融机构自身的核心竞争力相结合,或者说如何利用人工智能打造自身的核心竞争力,仍有待探索。人工智能中的语言处理技术可以辅助客户服务,机器学习技术可以帮助进行金融决策,这些技术的应用范围都大体相似。现如今,很多金融机构是迫于市场竞争的压力在布局人工智能,但是,如何在应用人工智能的同时,将其与金融机构的市场定位结合起来,是管理层需要着重考虑的问题,否则人工智能对于金融机构来说将仅仅是被动适应现实的一种布局。

  技术层面,人工智能还需完成从感知型智能向认知型智能发展。很多金融从业人员认为,机器已经或者在近期即将完成和人工一样的工作,大部分工作即将被替代。但是,这个过程实际还有较长的路要走。目前,人工智能可以感知人的声音、图像,但是对于这些外在感知信息的处理仍需要人为编制程序去进行设定。认知型智能则是指让机器能够像人一样思考,即具备抽象思考、抵达事物本质的能力。感知型智能在金融领域的应用正慢慢成熟,认知型智能的应用还需要在技术层面得以突破。

  公司治理层面,金融机构的管理者需要处理好人工智能在应用过程中成本与收益的关系,以及人工智能与员工的关系。一些金融机构在发展人工智能时考虑的是其能够带来新的商业模式和盈利方式,另一些金融机构则更多考虑人工智能在节省经营成本方面的作用,这两种发展人工智能的出发点有些许差异。前者更注重投资,但可能较为激进;后者更注重成本节省,但可能在新技术的突破上较为缓慢。对于金融机构来说,如何合理权衡人工智能的成本收益仍需探索。人工智能对于员工工作的影响目前有两种说法,一种说法认为员工和工会对人工智能反应敏感,其担忧人工智能带来的就业冲击;另一种说法认为人工智能可以将员工的潜力释放出来,促使他们去做更有意义的事情。对于金融机构来说,处理好人工智能与员工之间的关系,将有利于人工智能在金融机构内部顺利实施。笔者认为,通过科学的管理,妥善地将员工的部分工作转移至人工智能,同时不损害员工的利益将是明智的选择。

  数字安全,又称信息安全,是指在网络情境下保证信息的保密性、真实性、完整性、未授权拷贝和所寄生系统的安全性。在人工智能时代,数字安全将受到挑战,其主要表现在以下几个方面。

  一是利用用户信息进行模拟以达到诈骗目的。在信息时代,每一位用户在网上的行为都会留下痕迹,这些痕迹之中蕴藏着用户的私人信息,如性别、年龄、住址、星座等。信息的泄露在网络时代已变得越发容易,许多人靠贩卖数据进行牟利。人工智能技术则使不法分子更容易利用用户信息进行诈骗。例如,不法分子可以使用人工智能技术模拟用户与其亲人进行对话,建立信任,从而获取信息或进行诈骗。二是利用人工智能探测到系统的薄弱环节,进而发起攻击。网络黑客可以利用人工智能技术浏览过往的系统代码,找出系统中较为薄弱的环节,并减少此环节的时间。在探测到薄弱环节的同时,人工智能可以自行创作代码,对系统发起实时攻击。人工智能技术使网络攻击从探测到攻击的时间大为缩短,且更加智能。三是精准识别潜在的攻击对象。随着大数据技术的发展,机器学习的速度逐渐加快。网络黑客利用机器学习技术对大型数据库进行浏览,并可以更有效率地识别出潜在的攻击对象。

  总之,人工智能技术使黑客攻击更具智能化,数字安全对于一个国家和一个组织已更为重要。将人工智能技术应用于网络安全将是未来各国需要着重关注的问题。

  物理安全指的是使现实中一定地理范围内的物体避免受到外来的攻击。通常,计算机也有物理安全一说,指计算机硬件在运行过程中避免受到外部的干扰。但是,此处我们探讨的物理安全问题是指人工智能的应用可能造成的军事方面的侵略,其主要体现在以下几方面。

  一是人工智能的商业系统已被利用进行物理攻击。人工智能应用于商业系统已很普遍,如无人机以及其他自主性移动工具等。可以利用这些工具运输或传递具有危险性的武器以进行物理攻击,即人工智能使得的攻击更加便利。二是人工智能技术使得物理攻击的范围和规模比以前更大。首先,人工智能使得不法分子不需要拥有较高的人身技能便可实施相应的攻击;其次,少量的不法分子利用人工智能机器人可以完成较大规模伤害的攻击;最后,人工智能技术的应用扩大了不法分子的监视范围,使这些人能够对更广的区域进行攻击。三是人工智能技术使不法分子可以迅速撤离战场。由于可以进行远距离的无人攻击,不法分子可以在短时间内实施攻击之后,迅速撤离战场,且难以进行追踪。

  政治安全是相对于经济、科技、文化、社会、生态等领域而言的,其安全的主体是国家。人工智能的发展使信息的获取和使用变得更加复杂,甚至可以影响一个国家的政治安全,其主要体现在以下几方面。

  一是某些组织或团体可以利用人工智能技术进行监视活动。人工智能使社会的图像和声音处理变得更加便捷。具有人工智能技术的公司或团体可能会利用人工智能技术进行情报的搜集,了解当下社会的意识形态,进而达到影响社会意识形态和政治走向的目的。二是制造不实新闻影响政治选举。在西方国家,网络平台已经深度介入国家的政治活动,影响着政治选举。例如,大型科技公司可以利用人工智能技术收集选民的政治偏好,进而告知候选人如何发表政治见解赢得选民;这些公司也可以制作美化或丑化候选人的视频或新闻,对选民进行定期和定向推送,以影响他们的选举决策。人工智能技术的应用使这些活动变得更加精准和有效。三是混淆信息的真实性,影响信息获取渠道以操纵人的行为。人工智能技术使一些组织或团体在社会的各种信息获取渠道中加入噪声信息,混淆信息的真实性,进而达到散布谣言,扰乱社会治安的目的。

  总之,人工智能所带来的政治安全问题主要涉及监视、制作不实信息以及混淆真实信息,这些活动可能影响政治选举,威胁社会稳定,每个国家都需要引起足够重视。

  前文已经述及,人工智能在发展过程中已经呈现出新特点和新趋势,伴随着这些新趋势和新特点,安全问题也需要引起足够重视,其中包括数字安全、物理安全和政治安全。事实上,人工智能对于社会的发展是一把双刃剑,如何发挥人工智能的效用,趋利避害,使其合理地服务于社会,是需要研究人员、企业家以及政府管理者持续关注的问题。

  人工智能的出现是人类社会的进步。但是,从历史经验来看,任何一项新技术的出现都是一把双刃剑,如果利用得好会对人类社会的进步起到积极的作用;利用不好会对人类社会的发展起阻碍作用。目前,人工智能对社会的影响主要体现在两方面,一方面是工业机器人,工业的自动化、智能化;另一方面就是家庭服务业方面的自动化和智能化。同时,许多科学技术人士也担心人工智能会对社会带来一定程度的威胁,一方面人工智能技术降低了违法犯罪的成本,使不法分子能够在更广范围实施更大规模的违法活动;另一方面人工智能如果向超人工智能发展,其可能不受人类控制,对社会造成危害。因此,政府部门以及研究机构需充分认识到人工智能技术的双面性,在发展中观察,在应用中趋利避害。

  政策制定者应该与技术研究人员进行合作,对人工智能技术的前景、应用以及可能产生的社会影响进行调查,以阻止或减少人工智能的潜在负面影响。政策制定者与技术研究人员通力合作包括两方面的内容。一是政策制定者不要过度阻止研究人员对人工智能新技术的开发。在技术人员开发人工智能的过程中,政策制定者需要持续关注技术的发展动态,对于新兴的、应用范围和影响尚不明确的技术,应保持审慎关注的态度,不急于支持,也不急于阻止,等技术的应用趋于明朗之后再做决策。二是政策出台前应和研究人员保持沟通,一方面确保政策的出台符合技术的发展规律,具有一定的专业性;另一方面确保技术研究人员知晓政策制定者的意图,以便在技术开发时做一定程度的调整,不至于偏离正确的方向。

  技术人员在发展人工智能的过程中,应该始终对人工智能的负面效应保持关注,即每一项技术开发都需要将人工智能的负面因素考虑进来。众所周知,人工智能技术是一把双刃剑,其发挥的社会效应最终取决于人们如何去使用。那么一些学者或技术人员认为技术人员不必过多考虑人工智能的负面效应,他们主要关注技术的开发。这样的观点是不对的,技术人员在开发人工智能技术时也需要有一定的原则和道德标准。首先,技术人员在开发人工智能技术时,应该对技术的应用效果有一个合理的评估,对于技术的正面效应和负面效应有清醒的认识,如此才能在技术出现负面效应时做好预案,采取一定的措施。其次,技术人员应该与政府部门保持一定的沟通,一方面政府部门可站在公众立场提出相应的开发建议,另一方面技术人员也可以为政府部门的政策制定提供相应的专业支持,使人工智能的应用更具社会效益。

  对于人工智能的探讨不是政策制定者一方的事情,也不是技术人员单方面的事情,其需要在更广的范围内进行探讨。

  人工智能将会深入社会生活的各个方面,其带来的挑战也具有较大的不确定性,不仅个体公民、企业家以及国家安全部门都需要对人工智能进行关注,其他各个领域的专家也需要保持一定的关注,他们均是人工智能技术应用的利益相关者。由于人工智能应用的双面性,其在遵守法律与违法之间的界限并非泾渭分明。例如,监视活动可以有效识别不法分子,也可能损害正常的公民权益。政府部门和私营机构可以利用人工智能技术去做符合或违反公众利益的事情。所以,我们需要在一个较广的范围内探讨人工智能的应用,广泛听取社会各领域和各阶层的意见。如此,政策制定者和技术开发人员可以明晰社会各界的合理诉求,进而有利于人工智能技术的应用和发展。

本文链接:http://amduatwiki.net/liumengshi/956.html