如何推动人工智能在金融领域的落地?

如今，随着国家新兴数字化基础设施的推进，5G、云计算、大数据等模块的成熟，人工智能产业发展的“养料”日益充足。

依据产业链上下游关系，人工智能划分为基础层、技术层和应用层。从全局来看，我国人工智能产业链已初步形成，但存在结构性问题，侧重于技术层和应用层，基础层短板突出，底层基础技术和高端产品主要被欧美日等国家垄断，在AI芯片、智能传感器等领域比较薄弱，特别是在高端芯片领域，国际科技巨头已基本构建了产业生态，而我国核心技术方面较为缺乏，高端芯片严重依赖进口。技术层是基于基础理论和大数据，面向细分领域应用开发的技术；技术层较容易向产业链上下游扩展，适合展开广泛布局。一系列成果的取得，与政策、资金等的引入密切相关。

2017年，国务院发布了《新一代人工智能发展规划》，将金融列为人工智能应用试点示范和产业智能化升级的重要领域之一。2019年，人民银行发布的《金融科技发展规划》明确提出，要稳妥推动人工智能技术与金融业务深度融合，这些政策文件为人工智能在金融领域的应用提供了良好的政策环境。

12月10日，第五届智能金融国际论坛暨2020金融界领航年度盛典在京召开。对于金融行业的发展，前中国银监会副主席表达了四点看法。“金融科技的核心，还是人工智能和区块链”这一点囊括其中。加强人工智能在金融领域的应用，无疑对整个产业发展具有重大意义。

12月11日，由新浪财经主办的2020中国银行业发展论坛智慧金融峰会在北京举行，中国互联网金融协会会长、中国人民银行原副行长李东荣出席会议并发表演讲。李东荣在演讲中倡议提出人工智能在金融领域应用应坚持的四个基本原则，即依法合规、以人为本、安全可控、权责清晰。

在安全可控方面，要加强人工智能研发者、使用者及其他相关方的能力建设和行为规范建设，确保相关人员具备人工智能金融应用所需的专业能力、业务知识和工作经验。加强理论研究、模型测试、安全评估和审计体系建设，不断提升智能金融系统透明性、可靠性、可控性，逐步实现可追溯、可信赖、可审计。按照分级分类管理思路，结合具体应用场景确定相应级别的算法模型可解释程度，不应以技术黑箱等作为可解释性不足的理由。做好技术供应商尽职调查、风险隔离和退出管理，不断提升自身技术实力和运维能力，避免对单一供应商的过度依赖。

细分到各个金融场景来看，在风险管理场景中，人工智能起着至关重要的作用。在金融行业，有句话叫时间就是金钱，有时候仅仅相差几秒钟，资产的涨跌可能数以十万乃至百万计。因此，对于风险案例来讲，风控人员可以使用AI算法来分析案例历史记录，并识别任何潜在的问题。这涉及使用机器学习来创建精确的模型，金融专家能够遵循特定的趋势和波动，提前预测可能发生的风险，进而做好资产管理和配置。

在防范欺诈方面，人工智能所具备的潜力同样不容小觑，一些企业也在积极探索金融AI反欺诈的解决之道。例如，百融云创AI反欺诈技术覆盖了语音文字识别、自然语言处理、机器视觉（人脸识别）和知识图谱（关联性分析）等前沿技术。

作为新一轮科技革命和产业变革的核心驱动力，人工智能正在叠加释放历次科技革命和产业发展所积蓄的巨大能量。接下来，人工智能、机器学习、深度神经网络将颠覆行业业务传统模式并促进其转变。
责任编辑:tzh

人工智能机器学习新兴大数据

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。