阿爾法狗取勝的秘密：「人+AI」或許才是未來的贏家

小新按：

7月14日，清華大學微電子學研究所所長魏少軍教授在其演講中透露了一個他從谷歌拜訪時得知的秘密：阿爾法狗戰勝李世石和柯潔兩位圍棋界頂級大師，並非阿爾法狗單打獨鬥，而是依靠了其背後的人工干預的力量。因為這一點，阿爾法狗並不被認為是完美的項目。兩場圍棋比賽的贏家也許還不是機器，仍是人類。

2016年以來，人工智慧在信貸、投資、資管等金融領域強勢崛起。與阿爾法狗的例子一樣，在金融業界對AI一哄而上的吹捧中，我們要清醒地認識到，AI並不是萬能的。AI對單維度的分辨力和短期決策已經達到很高的水準，但對於更複雜的維度和中長期預測仍力不從心，許多崗位和業務仍然需要依賴「人+機器」的學習路徑和決策模式。

如何更好地發揮AI在金融領域的作用？投資者和監管者都應持有更開放的心態。金融機構主動提高透明度，增進與客戶、監管者的信任。監管層在守住消費者權益的紅線的前提下，儘可能為金融機構營造更良性、容錯的創新環境。在風險管控層面，亟需監管者釐清分類穿透式監管路徑，加快信息共享的平台建設工作。

轉載請註明來源「新金融評論」（ID：SFI2011）

01

AI究竟是金融創新的決勝法寶

還是新一輪的技術泡沫？

1956年，AI的概念首次在美國的達特茅斯會議上被提及，是指「讓機器能像人一樣認知、思考和學習」。而近日在上海新金融研究院（SFI）主辦的「第四屆金融科技外灘峰會」上，SFI理事、北京資配易投資顧問有限公司董事長張家林指出， 「AI具備感知、認知和用知。」他表示，AI是通過自主感知環境與內嵌式的機器學習機制，進行認知的一些計算，最後將認知應用於決策與行動的一種技術。經過幾十年的發展，隨著大數據的積累和深度學習演算法在技術層面不斷突破，AI的技術研發和應用進入了快速發展時期。不僅讀數據、寫規則的效率大大提高，AI還通過輿情監控，在海量非結構化數據、各類市場表現中有效識別風險；同時在反洗錢方面，能夠有效處理大量複雜數據，並進行智能分析，大大減輕合規負擔。

張家林在第四屆金融科技外灘峰會上

招商銀行總行智能投資工作室首席投資顧問鄧炯鵬指出，過去AI是從高校到企業，但隨著商業巨頭壟斷大量數據、先進技術和經驗優勢，金融領域對AI的應用逐漸呈現企業引領的勢頭。國內外知名金融機構、創業投資（VC）、信息企業紛紛訴諸投資AI，保持自己在行業中的競爭力，或實現彎道超車。

鄧炯鵬在第四屆金融科技外灘峰會上

然而，如何判斷這股AI熱潮是真的服務於效率和收益的提升，還是頭腦發熱的跟風？Ayasdi聯合創始人、執行主席Gurjeet Singh指出，對於金融機構而言，需要冷靜思考所運用的AI是否具備以下五種特徵和能力：一是要有發現信息和規律的能力，而非導致新的問題。二是對用戶隱私進行保護的能力。三是驗證的能力。四是與場景結合、轉化為行動與產出的能力。五是對市場結構和監管動態不斷學習調整的能力。鄧炯鵬指出，目前應用得比較理想的AI場景大致包括三類：一是對客戶的精準營銷，通過多維度的大數據對客戶精準畫像。二是為客戶進行智能投顧的組合配置。三是基於語音識別、語言理解、知識檢索等技術實現智能客服。

Gurjeet Singh在第四屆金融科技外灘峰會上

02

AI的技術缺陷決定了「人+AI」才是王道

從技術角度來看，AI對單維度的分辨力已經達到很高的水準。但絕大多數金融業務，譬如貸款、智能投資，都涉及更複雜的維度，AI難以提供清晰的答案。SFI理事單位代表、螞蟻金服集團AI商業決策總監盛子夏以智能投資為例，指出AI只有在設定參數的條件下，才能設計出收益最大化的策略。對投資者而言，AI在量化客戶風險偏好、流動性、風險承受、未來計劃，以及市場和組合波動等因素時，面臨較大瓶頸，難以提出綜合性投資建議。同樣，AI在相對明確的場景下可以做得很好，但在綜合場景下比較困難。

盛子夏在第四屆金融科技外灘峰會上

盛子夏指出，需要從過去股市閃崩的慘痛教訓中看到，完全基於演算法的投資、炒股，可能導致災難性的鏈式反應。美國在經濟危機時，道瓊斯一下暴跌10000點，因為一個演算法引起的鏈式反應所致。這需要監管和市場從業者從完全基於演算法的邏輯中跳出來，對任何可能帶來的鏈式反應的因素做合理評估。

目前我們仍然處在弱AI的時代，基於過去的經驗判斷與學習，「人+機器」模式仍將持續一段較長的時間。張家林指出，AI提高短時間的決策具有較大的優勢，但對中長期的預測能力較弱。從AI在投資領域運用的成熟程度排序來看，智能投資最成熟，其次是智能投顧，最難的是智能投研。Sandeep Lal指出，AI的應用目前還處於早期階段，在支付和交易領域較能發揮優勢，其60%的工作可以通過AI工具，剩下比較複雜的還是應該由人來操作。探討AI在金融領域的應用需要明確邊界，有些崗位和業務可以信任AI產出穩定、精準的決策，但仍有大量的崗位和業務需要依賴「人+機器」的學習路徑和決策模式。

03

AI的未來取決於：

數據捕獲、隱私保護與穿透式監管

目前，AI面臨數據不足的困境，更棘手的是，獲取數據的過程極可能觸及客戶的隱私問題。新展銀行數字銀行總監Sandeep Lal等指出，通過Facebook等社交網路轉賬、查詢交易記錄與餘額，可能使用戶信息泄露，客戶或因此更容易受到攻擊，而金融數據的安全與否也決定了金融體系的穩健和持久性。第四範式創始人兼CEO戴文淵對數據缺血問題作出回應，認為國家部門應出面打通、統籌三大運營商的數據。盛子夏也同意監管方需要促進數據共享，解決數據孤島問題。與此同時，金融機構需要主動提高信息透明度，增進與用戶、監管方的交流與信任，進而形成行業與監管的良性互動，促進金融創新的穩健和可持續發展。

Sandeep Lal在第四屆金融科技外灘峰會上

戴文淵在第四屆金融科技外灘峰會上

眾多專家指出，國內外監管者心態都比較開放，願與金融市場從業者討論AI和金融科技的應用前景。保險資產管理業協會IT總監高嵩指出，監管本身對技術應該是開放的，投資決策只要不突破紅線就沒有關係。監管只需要考量企業是否有不合規的動作，對公募而言，尤其需要守住保護民眾財產的底線。

高嵩在第四屆金融科技外灘峰會上

在監管路徑和監管方的角色定位方面，張家林指出，分類穿透式監管應作為監管AI在金融領域運用的主要原則。監管部門只需關注對微觀行動的監管，區分是人還是機器作出的決策，更好地識別行為產生的根源，進而有針對性地確定監管規則和方法。戴文淵認為，監管機構只有在技術成熟度和演算法複雜度上超過金融機構，監管才真正有效。Sandeep Lal也認同監管機構提升監管科技的必要性，因為只有這樣，監管部門才能更開放地應對銀行及金融科技公司的技術變革，同時保障客戶信息安全。而張家林則反對監管機構成為超級CEO或超級股東的思路，監管方不應不受約束地獲得金融機構的所有信息，也不必要比金融機構做出更優的決策。張家林認為監管的基本邏輯是對風控的監管，圍繞風險數據，而不是所有金融數據進行審核評估。在此邏輯下，金融機構只需將風險數據提交給監管機構，監管方再根據這些數據作出相應的監管指引。

新金融評論

聚焦新金融，獨家、專業，盡在新金融評論。

上海新金融研究院（Shanghai Finance Institute，SFI）是一家非官方、非營利性的專業智庫，致力於新金融領域和國際金融領域的政策研究。研究院成立於2011年7月14日，由金融四十人論壇（China Finance 40 Forum，CF40）舉辦， 與上海市黃浦區人民政府戰略合作。研究院在國內率先提出新金融概念，並積極開展相關研究，逐漸形成了以新金融和國際金融為特色的研究道路。

此外，為紀念卓越的世界經濟學家浦山先生，並推動國際金融與新金融的研究和發展，上海新金融研究院於2016年7月發起成立上海浦山新金融發展基金會，並與世界經濟學會戰略合作，聯合主辦浦山獎。

小新歡迎您！即可關注。