中國精算研究院張寧：金融擁抱人工智慧的7個問題
2018年10月13日，中央財經大學聯合零壹財經召開"中國金融科技創想峰會暨中國金融科技創新發展指數發布會"。
此次發布會，不僅建立金融科技"創新、思考、發展"的平台，同時還基於金融科技中心在人工智慧、大數據、區塊鏈等方面的多年研究與積累，發布央財金融科技創新指數，對銀行、保險公司和金融科技企業的金融科技創新能力進行全方位評價，助力金融科技發展。
在會上，中國精算研究院金融科技中心主任張寧就《金融擁抱人工智慧的7個問題》這一主題進行演講。他表示金融擁抱人工智慧的7個主要問題分別是能力、現狀、金融核心、保持距離、路徑、企業未來與金融未來。
他表示，對於人工智慧的能力主要可以分為6個層次，由力量和計算為基礎，逐漸發展為感知、認知、推理，最終上升到意識。
而人工智慧與金融結合的現狀，他用"握手"來形容這一關係。"我可以跟你產生連接，但是會保持距離，就像刺蝟一樣。在金融行業裡面很多業務的一些環節開始使用人工智慧提升效率，但人工智慧在整個金融行業的核心部分沒有立足之地"。
他認為金融的核心在於"在不確定的環境下，實現資本資產定價和配置"。目前金融非核心的業務已經使用了人工智慧提升效率，但金融核心部分沒有完全使用人工智慧進行決斷，因為現實中數據和模型的結合而仍然有存在部分不符。
他認為核心部分沒有運用人工智慧主要基於三方面的考慮，一是思維習慣，二是監管要求、三是AI的局限。現階段，機器學習有很多行為不可解釋，就是所謂的"黑箱"，人工智慧仍處於認知的黑箱中。
對於如何解決這些障礙，他表示需要通過賦能、增能、產能三大路徑和階段逐步實現。現在正在進入增能階段，2030年可能實現產能替代。
在人工智慧廣泛應用於金融企業後，他認為未來只有兩種企業存在，一是品牌模式企業；二是有新思維，能提供有效資源的企業。
最後，他表示金融的本質是鏈接的貨幣效應，當人工智慧和金融廣泛融合後，數據和人工智慧如何解決問題、意義在哪？值得思考。
演講實錄：
張寧：大家下午好，我們又見面了，今天我給大家分享的是"金融擁抱人工智慧的7個問題"，在此之前，前面聽了劉總講的整個金融科技，特別是在銀行里應用的一些案例，還有以前他的一些經歷，我們會發現很多對金融科技感興趣的人，其實都是基於他過去的歷史恰好跟這些工作有關。
我在讀博士期間，我國著名的數學家吳文俊先生告訴我們"整個人工智慧的發展還需要一段時間的沉寂期，但是他一定會爆發"，我沒有對這句話有深刻的認識。當時在Google工作的時候，做了一件事情關於自動駕駛人行為的理解，我在這裡面做了一個多月，沒有什麼進展。直到今天我們會發現，整個人工智慧在自動駕駛裡面發揮了重要的作用。
到後來在加拿大期間，我們把深度學慣用在了跟金融幾乎完全無關的一個領域就是關於健康領域，某種程度上，我們在健康領域取得了很大的成功，甚至促使了一些新的學科的誕生。但是，既使在那個時候，我仍然沒有想到，人工智慧會給金融帶來什麼。
今天我想我對這個問題有一些想法想跟大家分享一下，所以有一點點學術的味道，就是關於思考這樣7個問題。
第一個問題就是到底什麼是人工智慧的能力，可能每個人都在談論人工智慧，每個人都在說人工智慧可以做什麼，到底人工智慧的能力是什麼？我用一個圖來表示，其實我們一直想做的事情，或者人類從誕生以來一直想做的事情都是這樣一個事情，就是說我試圖製造一個機器，然後來複制人的能力。從人類誕生之初我們一直就在做這件事情，人類最基礎的能力就是力量，我們用了1萬年的時間來複制了人的力量這種能力。接下來在人的能力之上，就是另外一個計算，我們人類最開始培養的就是結繩這種計算能力，我們用了上百年時間實現人計算能力的複製，我們有了計算機，後來有了算盤，沒有人跟計算機比速度。
人再往上是什麼呢？再往上感知到認知那一層才真正體現出了人脫離動物最基礎的區別，人有感知能力，直到感知這一層次，我們仍然都沒有人為，我們在這個過程中會遇到什麼障礙。我們一定會沿著這個路線一直走下去的，因為我們知道人的能力是一直往上走的，從感知以上就是認知，但是人工智慧發展的歷史告訴我們，這個過程不是一帆風順的，當我們在複製認知的時候，什麼是認知呢？我們今天在聽一個講座，或者我們在交流一個問題，在談論問題裡面的一些主要涵蓋等等，這些全部都是認知。包括我們對市場的判斷，我們對金融環境的判斷，這些全部都是一個認知的能力。
這些能力我們想了很多辦法，但是會發現都不好，最簡單一點人臉識別，人臉可以在我們視網膜成像，這是我們感知我看到了誰誰，但是我們能夠識別他，比如說他是張三還是李四，這個時候已經是認知的能力，以前用傳統的技術，人臉識別的效果並不好。或者說他根本沒有辦法應用在金融領域，直到後來，也就是說大家知道了深度學習誕生之後，2006年的一篇文章促使了深度學習可以在這路徑上發揮巨大的作用。
今天我們發現，包括上午給大家展示了我們的指數，建立了整個金融科技的知識圖譜，某種程度上就是形成了金融的知識體系，實現了對人類認知能力的複製，相當於我們學了十多年金融專業整個知識複製過的。也就是說現在人工智慧的能力，就是沿著這條路線一直走下去，正走在第四步實現對人認知能力的複製。
你可能會繼續問，人的能力之上還會有推理，實際上在上世紀60年代的時候，人類一直認為推理能力人工智慧很快就可以獲得，現在可以微觀的告訴大家，在推理複製方面遇到了非常多的困難，我們有了一些專利，仍然有很大的困難。再往上關於意識方面的複製已經進入了科幻。人工智慧的能力就是實現對人能力層次的不斷複製，這就是人工智慧的能力。
我們了解了能力之後就想知道，人工智慧跟金融的結合到底現狀是什麼，或者說他有沒有促進金融發生一些本質的變革，我經常用兩張圖來表示，就相當於人工智慧跟金融業，這是兩個巨大的行業。一個是一級學科，一個是二級學科，他們就是在握手，但不是在擁抱。換句話說我可以跟你產生連接，但是會保持距離，就像刺蝟一樣，今天在金融行業裡面很多業務的一些環節開始使用人工智慧提升效率，人工智慧在整個金融行業的核心部分沒有立足之地，這是有原因的。
接下來我們就要說為什麼是這樣，在了解這個之前我們要了解到底什麼是金融核心部分，金融非核心的業務已經使用了人工智慧提升效率，並且會誕生很多金融科技的公司，為什麼金融核心部分沒有使用人工智慧，我們首先要知道金融的核心是什麼，這個可能是在座如果是有金融背景的，可以很容易回答這個問題，金融的本質就是做三件事：首先是在不確定的環境下，實現資本資產定價和配置，第一個是不確定性，第二個是定價，第三個是配置，對應的是它對人工智慧的要求，人工智慧要滿足在不確定性環境下進行決策的能力。同時它還能實現定價和優化配置，這三點就是金融最核心的部分。
我給大家舉一個例子，這個例子我們深有感觸，我們知道金融裡面有很多的模型。這些模型是指導我們整個金融市場進行運作的，包括外匯、衍生品，各種各樣的定價等等，背後有大量的數學模型的支撐，這些模型已經形成了非常完整的體系，我們叫"現代金融學的大廈"從一九五幾年構建起來非常的完美。當我們把這些模型應用於實際情況的時候就面臨一個問題：你一隻手掌握了這個模型，另外一隻手掌握了現實中各種各樣的數據，怎麼把這兩隻手握在一起？它握在一起有一個天然的問題，如果數據符合模型或者模型符合數據，我們就可以寫一篇論文，但是你會發現更多的情況是兩者並不相符，這時候就一定要做一個決策，這個決策到底從模型來還是從數據來？
在解決實際問題時候我們要從數據中來，怎麼來？就恰好是人工智慧要解決的問題，就是對認識的複製。為什麼整個核心部分沒有採用人工智慧，或者對人工智慧保持距離。有三個原因：第一思維習慣，第二是監管要求，第三AI的局限。如果你在金融裡面核心部分使用了一些無法解釋的人工智慧風險會更大，這是監管不允許的。我們人工智慧在對認知複製的存在一些問題，機器學習做事情的時候很多時候無法給出原因，就是不可解釋，我們要對每一個世界進行解釋，每一個因素給出很好的解答，這時候叫黑箱，人工智慧現在沒有突破黑箱，仍然在認知的黑箱裡面。第二就是不確定性環境下的能力，第三個就是對金融的普遍的學習，只有這三個障礙解決了人工智慧在金融裡面的應用才能暢通無阻。
第五個問題就是如果能解決這些障礙，金融企業使用人工智慧會經歷了什麼樣的路徑？第一賦能階段，這是被動，就是人工智慧在其他的領域取得了非常多的成就，我們會發現把它平移到金融領域相關環節可以提升效力。第二增能階段，在金融環節裡面可以主動的提升效率，主動的應用人工智慧，這是一個主動增能的過程，這是增能階段。第三階段是產能，這時候人工智慧能夠平移到金融核心，整個金融體系按照智能經濟的理論，整個產能都運行在智能的前提下，這就是整個產能階段。這是大致的脈絡，不同的研究機構對它有一個安排，大致取了一個平均的時間，現在正在進入一個增能階段，2030年可能實現產能的替代，這跟各個國家的監管環境密切相關。
第六個問題就是人工智慧廣泛應用於金融企業之後，金融企業未來的發展模式是什麼？這也是特別值得思考的一個問題。我們做了很多的研究，在這種情況下可能未來只有兩種企業存在：一種就是品牌模式企業，整個金融其他環節完全的被Fintech公司取代，對於金融企業來講只要做品牌就可以了。另外一種就是我們要有新的思維，任何一個產品在整個互聯網經濟模式下，它做成一個平台獲取有效的鏈接是最有用的資源，這可能是未來可能存在的企業模式。
第七個在人工智慧和金融廣泛融合之後，整個金融它的發展模式是什麼？因為我們對金融認真思考的話會發現金融的本質是鏈接的貨幣效應，數據和人工智慧能解決這個問題的話，金融的意義在哪裡？這可能是值得我們思考的，這是我今天的報告，謝謝大家！
TAG:零壹財經 |