人工智能及其在金融領域的應用 主要問題和政策建議有哪些?

  • 銀行家
  • 2019-07-25 10:04:41

人工智能及其在金融領域的應用

王新華 肖 波

當前,我國經濟發展處于新舊動能轉換關鍵期,人工智能對于我國搶占科技制高點,推動供給側結構性改革,實現社會生產力新躍升,提高綜合國力和國際競爭力具有重要意義。2017年7月,國務院發布了《新一代人工智能發展規劃》,提出通過智能金融加快推進金融業智能化升級;通過建立金融大數據系統,提升金融多媒體數據處理與理解能力;創新智能金融產品和服務,發展金融新業態;鼓勵金融行業應用智能客服、智能監控等技術和裝備,建立金融風險智能預警與防控系統。人工智能將對我國金融業的轉型升級、提升競爭力產生深遠影響。

人工智能概述

定義

人工智能(Artificial Intelligence,簡稱AI)是研究使用計算機模擬、延伸和擴展人的智能的理論、方法和技術的新興科學。作為計算機科學的重要分支,人工智能發展的主要目標是使計算機能夠勝任通常需要人類智能才能完成的復雜工作。

主要技術及應用

人工智能在技術層面主要包括算法和利用算法開發的相關應用。神經網絡、遺傳算法和隱馬爾柯夫鏈是目前使用較為廣泛的算法,建立在上述算法之上的人工智能核心應用技術主要包括深度學習、自然語言處理和計算機視覺。其中,深度學習是人工智能技術的重要領域,旨在建立可以模擬人腦進行分析學習的神經網絡,模仿人腦的機制來解釋數據。自然語言處理是指讓計算機能夠聽懂、理解人類的語言,主要包括語音識別和語義識別。語音識別是讓機器能夠“聽懂、會說”人類的語言,語義識別是讓機器能夠理解文字后面的真實內涵。計算機視覺識別技術是人工智能核心技術之一,主要有生物特征識別、物體與場景識別。生物特征識別主要包括人臉識別、指紋識別、虹膜識別等,已廣泛應用于金融、安防等領域;物體與場景識別是研究人類如何感知和加工復雜的真實環境信息,主要應用于軍事上的武器投射、醫療上的影像掃描輔助診斷及工業上的無人駕駛等領域。

發展歷程

按照人工智能的發展程度,大致可分為三個階段:

第一階段:計算智能。機器具備像人類一樣的記憶能力和計算能力,能夠存儲和處理海量數據,幫助人類完成大量的存儲和復雜的計算,這一步是感知和認知的基礎。

第二階段:感知智能。機器具備像人類一樣的感知能力,幫助人類完成“看”和“聽”的簡單工作。目前人工智能發展正處在感知智能階段,語音識別、理解和圖像識別正在快速發展。

第三階段:認知智能。機器具備像人類一樣的學習和思考能力,能夠獨自做出決策和采取行動,能夠部分或全部替代人類的工作。認知智能是目前機器與人差距最大的領域,也是目前各大科技巨頭都在迫切尋找突破的領域。

人工智能的產業鏈

人工智能的產業鏈包括基礎支撐層、技術應用層和方案集成層。基礎支撐層是支撐人工智能運行的基礎設施,包括數據采集用的傳感器,數據處理用的CPU、GPU等硬件,以及實現人工智能算法等軟件。技術應用層是在基礎支撐層提供的軟硬件基礎之上,有針對性開發的技術應用,包括語音識別、自然語言處理、圖像識別、預測規劃和智能控制等。方案集成層是將不同細分領域的技術應用集成、優化、完善,形成更大領域的綜合系統解決方案,比如智慧城市、智慧金融、智慧醫療等。完整集成的智能服務是人工智能未來的發展方向。

人工智能產業發展情況

全球人工智能產業發展情況

據賽迪預計,2018年全球人工智能市場規模將達到2700億元,年復合增長率達17%。2012年至2016年的5年間,全球人工智能企業新增5254家,是2012年的1.75倍;全球人工智能融資規模約達224億美元,僅2016年的融資規模就達到92.2億美元。

從全球范圍來看,人工智能領先的國家主要有美國、中國及其他發達國家。截至2017年6月,全球人工智能企業總數達到2542家,其中:美國擁有1078家,占42%;中國其次,擁有592家,占23%。其余872家企業分布在瑞典、新加坡、日本、英國、澳大利亞、以色列、印度等國家。美國在AI產業布局方面全面領先其他國家,在基礎層、技術層和應用層,尤其是在算法、芯片和數據等產業核心領域,積累了強大的技術創新優勢。

國外科技巨頭公司包括谷歌、微軟、英特爾、FACEBOOK、IBM等均已經提前布局人工智能產業鏈。國外科技公司主要聚焦于人工智能基礎層,重點研究人工智能的核心算法,并在應用層全面推進人工智能商業化。IBM、谷歌在人工智能核心算法、智能搜索、無人駕駛、醫療診斷等領域率先布局且行業領先;FACEBOOK、微軟、蘋果側重于社交應用,重點布局語音識別、圖像識別、智能機器人等領域;英偉達、英特爾謀求業務轉型,重點研發適合深度學習的AI芯片。

我國人工智能產業發展情況

據《參考消息報》報道,2016年中國人工智能市場規模快速增長,全年達239億元,預計2018年將達到381億元,復合增長率達26.3%。《新一代人工智能發展規劃》預計:我國2020年人工智能核心產業規模超過1500億元,帶動相關產業規模超過1萬億元;2025年核心產業規模超過4000億元,相關產業規模超過5萬億元;2030年核心產業規模超過1萬億元,帶動相關產業規模超過10萬億元。

目前,我國起步較早、技術較為成熟的人工智能技術公司主要以百度、阿里巴巴和騰訊三家互聯網企業為代表(以下簡稱“BAT”)。BAT不僅開展人工智能技術的基礎性研究工作,而且本身具備強大的智能金融應用場景,因此處于人工智能金融生態服務的頂端。阿里巴巴旗下的螞蟻金服在人工智能金融領域的應用最為深化。

螞蟻金服已將人工智能運用于互聯網小貸、保險、征信、智能投顧、客戶服務等多個領域。根據螞蟻金服公布的數據,網商銀行在“花唄”與“微貸”業務上,使用機器學習把虛假交易率降低了近10倍;基于深度學習的OCR系統使支付寶證件校核時間從1天縮短到1秒,同時提升了30%的通過率。此外,螞蟻金服聯合華為、三星等共同發起了互聯網金融身份認證聯盟(IFAA),現已成為國內市場上支持設備與用戶最多的互聯網金融身份認證行業標準。

除BAT等金融智能生態企業外,一些傳統金融機構、金融科技公司在人工智能領域加大投入,在人工智能的垂直細分領域得到了快速發展。同花順(300033,股吧)、網信集團、恒生電子(600570,股吧)、東方財富(300059,股吧)、東吳在線等金融科技公司開發的產品已應用于證券行業的智能投顧、量化交易等金融細分領域;第四范式、佳都科技(600728,股吧)、銀之杰(300085,股吧)、科大訊飛(002230,股吧)的產品主要應用于風險管理、信用評估、遠程開戶、票據影像識別等方面。

人工智能在金融領域的應用情況

目前,人工智能技術在金融領域應用的范圍主要集中在身份識別、量化交易、投資顧問、客服服務、風險管理等方面。

客戶身份識別

客戶身份識別主要是通過人臉識別、虹膜識別、指紋識別等生物識別技術快速提取客戶特征進行高效身份驗證的人工智能應用。技術的進步使生物識別技術可廣泛應用于銀行柜臺聯網核查、VTM機自助開卡、遠程開戶、支付結算、反欺詐管理等業務領域中,可提高銀行柜臺人員約30%的工作效率,縮短客戶約40%的平均等待時間。互聯網銀行已將人臉識別技術視為通過互聯網拓展客戶的決定性手段;傳統金融機構也開始重視人臉識別技術的應用。

智能量化交易

量化交易是指通過對財務數據、交易數據和市場數據進行建模,分析顯著特征,利用回歸分析等算法制定交易策略。傳統的量化交易方法嚴格遵循基本假設條件,模型是靜態的,不適應瞬息萬變的市場。人工智能量化交易能夠使用機器學習技術進行回測,自動優化模型,自動調整投資策略,在規避市場波動下的非理性選擇、防范非系統性風險和獲取確定性收益方面更具比較優勢,因此在證券投資領域得到快速發展。

智能投顧

智能投顧又稱機器人投顧(Ro b o-A d v i s or),主要是根據投資者的風險偏好、財務狀況與理財目標,運用智能算法及投資組合理論,為用戶提供智能化的投資管理服務。智能投顧主要服務于長尾客戶,它的應用價值在于可代替或部分替代昂貴的財務顧問人工服務,將投資顧問服務標準化、批量化,降低服務成本,降低財富管理的費率和投資門檻,實現普惠金融。

智能客服

智能客服主要是以語音識別、自然語言理解、知識圖譜為技術基礎,通過電話、網上、APP、短信、微信等渠道與客戶進行語音或文本上的互動交流,理解客戶需求,語音回復客戶提出的業務咨詢,并能根據客戶語音導航至指定業務模塊。智能客服為廣大長尾客戶提供了更為便捷和個性化的服務,在降低人工服務壓力和運營成本的同時進一步增強了用戶體驗。

征信反欺詐

知識圖譜、深度學習等技術應用于征信反欺詐領域,其模式是將不同來源的結構化和非結構化大數據整合在一起,分析諸如企業上下游、合作對手、競爭對手、母子公司、投資等關系數據,使用知識圖譜等技術可大規模監測其中存在的不一致性,發現可能存在的欺詐疑點。

信貸決策

在信用風險管理方面,利用“大數據+人工智能技術”建立的信用評估模型,關聯知識圖譜可以建立精準的用戶畫像,支持信貸審批人員在履約能力和履約意愿等方面對用戶進行綜合評定,提高風險管控能力。

主要問題和政策建議

主要問題

智能金融的應用領域有限。目前人工智能已在身份識別、智能客服、量化分析等金融領域取得了一定進展,但除人臉識別技術成熟度較高,具備大范圍推廣使用條件之外,其他應用還比較單一、行業大規模應用尚需時日。德勤發布的《銀行業的AI數字化銀行報告》顯示,只有15%的金融機構在使用AI與同行競爭,銀行業對AI的部署遠遠落后于其他行業。

計算機處理能力不足。金融行業是智力密集型行業,人工智能在金融行業的模型算法非常復雜,數據訓練工作量很大。主流的深度神經網絡算法要求計算機具備先進的半導體、微處理器和高性能計算技術,能夠并發處理超大規模數據,目前的計算機處理能力雖有長足進步,但應付復雜人工智能應用仍有待提高。尤其是我國人工智能的硬件GPU依賴進口,不僅成本高,還面臨著發達國家的貿易壁壘。

金融數據共享性不足。機器學習是人工智能的核心技術,需要依靠大量數據訓練,訓練的準確性與數據量成正比。金融行業的數據積累量較大,但除公開的金融市場交易數據外,各家金融機構出于金融數據安全考慮,很難主動向金融科技公司開放其內部海量數據,在一定程度上制約了人工智能在金融領域的創新應用。

政策建議

加強智能金融產業創新體系建設,加快推動應用創新。未來可考慮設立一些國家級智能金融創新中心和重點實驗室,加強智能金融標準化工作,研究專利合作授權機制和風險防控機制;推動智能感知、模式識別、智能分析、智能控制等智能技術在智能金融領域的深入應用;促進傳統金融機構加大對智能金融的投入,提升人工智能技術創新和應用水平。

加快智能金融關鍵技術研發,夯實基礎產業能力。加快研發深度學習、增強學習、遷移學習等基礎算法;加強計算機視聽覺、生物特征識別、自然語言理解、機器翻譯、智能決策控制等共性技術的研發;加快發展面向智能金融的計算芯片、智能傳感器、操作系統、存儲系統、中間件、重點設備等基礎軟硬件、開發平臺;研發下一代通信網絡、物聯網、網絡安全等關鍵網絡支撐技術。

加快智能金融大數據基礎設施建設。可考慮由監管部門牽頭,協調各方利益,逐步推動建立智能金融大數據系統,為將來人工智能在金融領域的應用推廣夯實數據基礎。

加強智能金融領域的法規政策研究。與其他新技術一樣,人工智能技術也是一把“雙刃劍”,在促進經濟社會發展的同時,也可能帶來改變就業結構、沖擊法律與社會倫理、侵犯個人隱私、挑戰國際關系準則等問題。在大力發展智能金融的同時,必須高度重視可能帶來的安全風險挑戰,加強前瞻預防與約束引導,最大限度地降低風險,確保智能金融走上安全、可靠、可控的發展軌道。未來須圍繞人工智能在金融領域的應用可能遇到的法律法規問題開展前瞻性研究,為新技術的快速應用奠定法律基礎。加強人工智能在金融領域的應用帶來的合法合規性問題的研究。

轉自于和訊網

分享到:
?
  • 至少輸入5個字符
  • 表情

 

總編信箱:gd#igdzc.com 法律支持:廣東新建律師事務所 劉海 律師

粵ICP備18023326號-36未經授權不得鏡像、轉載、摘抄本站內容,違者必究!Copyright 2016 IGDZC. All Rights Reserved

廣東之窗 版權所有


手机捕鱼电玩城怎么下载 狼队与诺丁汉历史战绩 3d历史上没开过的号 北京十一选五开奖结果走势图爱彩乐 大连娱网棋牌下载官网 2005年双色球开奖号码查询结果 广东11选5qq群规 中国教育电视台一套直播 体彩排列三开奖号码 甘肃11选5结果基本走势 短线股票推荐黑马 体彩吉林十一选五开奖结果查询 江西多乐彩今天开奖啦 黑龙江十一选五开奖结果查询结果 南通棋牌三打二 快乐扑克顺子最大遗漏 桂林老k棋牌官网下载