ChatGPT对金融业将产生哪些影响(人工智能包含什么)
导读随着人工智能技术水平的提升，金融科技必将更加广泛和深入地对金融业产生影响。基于人工智能在提升反应速度和工作效率方面的巨大能量，未来金融机构必将更多地使用人工智能近期人工智能包含什么，人机交互模型ChatGPT进入应用领域，这意味着人工智能的发展达到了一个新的高度。那么，人工智能在金融领域的应用和未来发展趋势如何？会给金融机构带来哪些挑战？近日，《财经晨报》记者就上述问题采访了海南经济研究院教授张成辉。
张成辉，原国务院发展研究中心金融研究所所长、研究员，享受国务院政府特殊津贴。中国现代金融学会常务理事，中国社会科学院研究生院博士生导师，第七届中国环境与发展国际合作委员会特邀顾问，清华大学望京财经大学战略咨询委员会委员.重点研究领域：金融改革、中小企业融资、金融科技、OTC资本市场、ESG。先后参与国务院发展研究中心重大重点项目30余项，主持项目数十项，发表论文300余篇，获中国发展研究奖十余次。
应用场景及未来发展趋势
记者：最近，ChatGPT引起了各方的关注。它拥有史上最强的机器大脑和知识库。除了帮助人们更好地了解世界，它还可以打破语言和文化障碍，促进人类之间的跨界交流与合作。，甚至在一定程度上改变了人类思维和认知的形式。您如何看待人工智能在金融领域的应用及未来发展趋势？
张成辉：近年来，金融科技得到广泛应用和快速发展，已经深刻改变了金融行业、金融内在逻辑和金融职场行为。大数据、区块链、人工智能、物联网本来就是金融科技的主要组成部分。随着人工智能技术水平的提升，金融科技必然会对金融行业产生越来越广泛和深入的影响。
一是金融产品的客户服务和数字营销。客服是人工智能最能发挥作用和疗效的应用场景。目前，各类交易平台已广泛采用机器人客服。而且总体来说，疗效并不理想。究其原因，机器人客服缺乏对客户千差万别的语言描述的感知能力，对客户需求缺乏同理心，知识面不广。从ChatGPT的表现来看，高水平的人工智能可能比人类客服有更多的经验、更广的知识和更快的响应。可以预见，在不远的将来，人工客服将完全被智能机器人取代，客服岗位数量将急剧下降，庞大的客服工作场所将不复存在，从而增加人力成本和金融机构的成本在很大程度上。管理成本。
随着金融科技的发展，数字营销在挖掘金融机构大量“长尾”和“沉睡”客户方面发挥了巨大作用。人工智能提升营销过程中的理解和对话功能，提升识别准确率，可与受访者进行大范围、高质量的一对一沟通，有效解决人工跟进成本高、管理人造座椅的困难。人工智能包含什么，数据无法实时监控等问题。近年来，高需求的个性化服务对营销人员的专业能力、需求识别的准确性和响应的灵活性提出了极高的要求。人工智能的广泛应用，将有助于快速提升金融机构的产品营销能力。
二是金融风险管理。防范风险是金融机构的义不容辞和核心责任。金融机构作为资金中介机构，面临信用风险、市场风险、管理风险、流动性风险、法律合规风险等各类风险。建立风险管理体系，完善风险管理框架，对各类风险进行分类、评价和管理。在这个过程中，人工智能可以充分发挥作用，包括监控制度的执行情况、对剧烈波动的市场做出快速反应、科学评估风险的类型和程度等。其次，员工对风险的认识和执行能力制度是金融机构风险管理的关键，风险管理者必须具备丰富的风险管理经验和理论知识。金融机构在对员工进行系统的培训教育过程中引入人工智能，可以有效提高培训效率，准确考核关键岗位人员的风险管理能力和水平。第三，风险信息的披露和公示是金融机构对社会公众的责任和义务。但信息披露涉及大量数据信息，仅靠人力难以科学、准确、快速地处理这些信息。人工智能也可以大大提高该领域的效率。
第三，产品定价。金融产品定价的本质是风险评估。需要根据客户信用状况、还款能力、财务状况等激励因素对客户进行风险评估，制定不同的风险溢价或基数，防止客户可能因违约而遭受损失。由于金融产品的多样性和复杂性，需要广泛的物理学、统计学和经济学知识和技能。以精算为例，合理的精算不仅可以保护保险公司自身的利益，也有利于保护客户的权益。精算所涉及的激励因素至少包括：保险产品的风险（投保风险类型、风险水平、保险责任、保险期限、保险金额、免赔额等）、历史数据和统计分析（平均寿命、事故概率）、天气变化等）、保险产品风险（预计损失、概率分布、时间价值等）、政策法规和监管要求、经济环境（加息、加息等）投资组合、利润预算、储备、偿付能力）等。
金融机构的风险模型是一个非常复杂的系统，需要在风险评估、数据收集、数学建模、模型验证和风险管理等方面具备全面的知识和技能。事实上，在构建、应用和检验风险模型的过程中，金融机构已经应用了大量的金融技术，中间人工智能的加入将进一步提升该模型的科学性。人工智能将在一定程度上取代精算计算。分裂是可能的。
四、保险勘查定损。保单出险后，保险公司面临的最大风险就是欺诈。每年有数十亿欧元的欺诈性索赔。为了增加此类风险，保险公司必须对理赔申请进行必要的调查和审查，认真识别损失的真实性和损失程度，为定损决策提供依据。据悉，由于保单数量大、涉及领域多、复杂性高，勘测定损工作往往费时费力。人工智能可以大大简化这一过程，消除人为错误，提高定损工作的科学性和速度。
五、投资顾问。金融科技开始广泛应用于期货投资领域，包括量化投资，为客户提供个性化的投资建议和建议，在保证风险可控和利润最大化的前提下，优化客户的投资组合。而且，在PE和VC投资领域，人工智能主要作为被投资方出现，而不是作为投资决策工具。在未来的投资顾问场景中，人工智能应该能够利用其强大的数据库、知识库和分析能力，帮助私募股权投资行业做出更科学的投资决策，提高投资组合的盈利能力和风险控制能力。
第六，家庭资产管理。与主要服务于机构和高净值客户的投资咨询行业相比，家庭资产管理在我国很大程度上是空白。既有中国家庭传统上难以接受收费服务的原因，也有不同行业之间的壁垒，以及金融机构缺乏为家庭提供全生命周期多元化服务的动力。比如建行的客户总监，除了传统的存贷款、外汇业务，只能推荐基金、理财等少数产品。购买期货和保险的客户必须直接联系提供相应产品的金融机构。人工智能的数据处理能力将帮助金融机构和第三方服务机构开拓家庭资产管理这一巨大市场，从而进一步提升金融服务效率。
基于人工智能在提高响应速度和工作效率方面的巨大能量，未来金融机构必将更多地使用人工智能，从而催生出更多的金融服务场景和新的盈利模式。可以预见，金融科技的发展将继续朝着数字化、智能化、个性化、跨境化的方向发展，从而进一步推动金融服务的差异化，使不同类型的金融服务更加融合创新。
数据安全是变革的关键驱动力
记者：数据安全是人工智能时代必须关注的风险因素，也是影响金融机构数字化转型的关键因素。数据安全又该如何保障？
张承辉：目前，广义的数据安全涉及客户信息和个人隐私安全、金融机构全业务周期和各业务流程的数据安全、金融机构信息系统和基础设施的安全，以及金融机构线上线下业务场景的操作流程。数据安全等诸多方面。社会和公众最敏感的是个人数据被集中收集和使用后的“大量泄露”风险。
矛盾的是，要使数据的价值最大化，就必须依赖于对大量多样化数据的聚合、流动、处理和分析。在这个过程中，难免会遇到黑客攻击、用户管理不善、数据被恶意使用等问题。Verizon发布的《2021年数据泄露调查报告》指出，数据泄露风暴中85%的泄露都涉及人为诱因，人为疏忽已成为数据安全的最大威胁。为了妥善处理数据流动和安全问题，欧共体自1995年起颁布了多项数据保护相关法规，明确了数据获取过程中的几项原则，并设立了高额罚款、设立政府监管机构、需要企业增加了数据保护专家等手段，极大地提高了数据保护水平。2022年5月，《数据修复法》获得欧共体理事会批准，经法国国会表决通过成为法律，进一步丰富和细化了数据修复的内涵。
我国于2000年4月颁布的《计算机病毒防治管理办法》，首次从计算机病毒方面对以个人资料为由的恐吓行为进行了规范管理，随后出台了多项相关法律法规。2016年，《中华人民共和国网络安全法》颁布。该法确立了个人数据处理原则，建立了个人信息和重要数据在境内存储和出境安全评估制度。2021年6月省人大通过的《中华人民共和国数据安全法》更加注重数据本身的安全保护，提出制定重要数据目录，推进数据分级分类，定期进行数据风险评估。2021年11月起施行的《中华人民共和国个人信息保护法》，对个人信息的处理和跨境提供作出了规定，建立了完整的个人信息保护框架。
尽管保护数据安全的法律框架已经建立，但数据安全仍将是全社会面临的重大挑战。目前，联通网络盗窃已成为影响社会治安的突出问题。在一些省市，盗窃案件的数量已经超过了民事案件的一半。破案追赃难度很大。对于金融机构而言，相关法律制度强化了开发数据资源的法律责任，迫切需要从业务和技术层面推进数据安全能力建设，构建数据安全体系，提升数据风险验证能力、风险预警能力。功能和数据安全。保障能力，建立数据管理组织体系和组织架构。而这种举措会在不同程度上降低成本。
金融机构发展人工智能面临的挑战
记者：人工智能技术与经济社会深度融合的过程，既带来了巨大机遇，也面临着一系列潜在挑战。人工智能技术的应用会给金融机构带来哪些挑战？
张成辉：虽然人工智能在金融科技中会占据越来越重要的地位，金融机构在发展人工智能的过程中肯定会面临很多挑战。具体来说，主要有以下几个方面：
一是如何有效提升算力。支持人工智能的机器深度学习涉及海量数据和复杂算法，需要超算能力和大量能量。对于中大型金融机构来说，存在着资金实力薄弱、人才匮乏等先天不足，难以承担增加算力所需的巨额投资。一种解决方案是将人工智能算法上云，但出于数据隐私和保密的考虑，很多中小金融机构对上云仍有很大的疑虑。
近年来，小型金融机构不断加大科技投入。例如，2022年，国有六大银行在金融科技方面的投入将超过100万元。多家股份制建设银行金融科技投资占比有所提升。金融科技投资增速环比下降超过20%。尽管如此，在算力提升方面，小型金融机构仍面临基础芯片、操作系统、数据库等困难制约；他们在跨时空、多技术融合的应用场景拓展能力和数据架构管理能力方面也面临着更大的挑战。大的。据悉，由于算力基础设施能耗巨大，如何在红色低碳书写过程中使用更好的节能技术，引入更多红色清洁能源，也是小型金融机构需要面对的问题。
二是如何应对AI开发机构的偏见。现实中，人工智能技术的偏见及其造成的歧视越来越受到关注。这些偏差是由程序开发引起的。由于开发者的国籍、宗教信仰、种族、性别、生活区域的差异会导致一定程度的认知偏差，AI背后的训练算法的数据来源和频率也存在差异，最终模型将是并且系统必须是双重标准。例如，预计欧洲人的论文抄袭率低于亚洲人，预计白人和低收入家庭的犯罪风险远低于黑人和富裕家庭。遗憾的是，目前我国整体人工智能算力的技术水平和基础软硬件的自主可控程度与美国还有一定差距，深度学习框架不具备竞争优势。在智能预估芯片方面，中国企业在芯片设计、芯片制造、封装制造、成本测试等先进芯片制造工艺上仍存在较大差距。不同之处。在这些情况下，通常很难防止AI偏见的发生。
三是人工智能发展受制于工业数字化程度。算力作为基础设施，需要相关数据提供支撑。近年来，我国金融科技实现“跨界”，发展水平跃居世界前列，政务数字化程度也快速提升。相比之下，工业数字化进程则相对顺利。工业互联网平台建设所必需的智能感知、自动控制、智能武器、网络连接、工业软件等一系列基础产业高度依赖美国，传统工业数字化转型的动力和能力缺乏。此外，政府部门和行业之间的数据壁垒依然存在，这在相当程度上阻碍了人工智能在金融领域的发展和应用。
四是监管压力。以ChatGPT为代表的人工智能的颠覆性发展，对人类的法律体系、标准规则、权利保护和司法救济提出了挑战。科技在改变生活的同时，也在改变社会的传统规律，其潜在的影响和风险不容忽视。特别是基础设施、新技术应用、数据和运营服务商、供应链层层混合交叉，远程运控技术的广泛应用带来了极其复杂的监管难度。
事实上，人工智能时代已经到来，未来人工智能在金融领域的应用会更加广泛和深入。对于金融机构而言，与其被动接受，不如主动拥抱智能时代。而就单一市场主体而言，还是要量力而行。同时，面对人工智能发展中存在的问题和挑战，需要政府、行业、企业密切合作，加强沟通，促进补短板，共同促进健康发展人工智能在确保安全的前提下。
如果你还有疑问
请留下您的问题
我们会继续回答
↓↓↓
小编在线等候~
海量资讯，精准分析，尽在新浪财经APP
免责声明：本文由用户上传，如有侵权请联系删除！