“人工智能＋金融监管”：试论金融科技监管的转型与重塑人工智能在金融方面的应用论文

发表时间：2023-07-05 14:49:12

“人工智能＋金融监管”：试论金融科技监管的转型与重塑

作者周温涛系同济大学法学院硕士研究生。

内容摘要

金融科技的“颠覆性创新”推动了新时代金融业的转型升级，也预示着传统金融监管将迈向新的范式。技术驱动的金融创新容易引发技术风险、信息风险与合规风险。通过人工智能为金融科技监管赋能，可以打造技术驱动型监管科技，实现金融监管的转型与重塑。借鉴互联网金融监管和证券监管领域的实践经验，不难发现，人工智能在识别和应对系统性金融风险中更具优势。因此，应当探索技术治理与法律规制相结合的、人工智能技术驱动型的金融科技监管新范式，实现法律与技术的优势互补，从而实现金融科技的有效监管。

关键词：人工智能金融科技监管科技机器学习技术治理

引言：“人工智能＋金融监管”的提出

金融科技(Fintech)通过技术手段推动金融的“颠覆性创新”，实现了从互联网金融为代表的金融科技初级阶段到大数据、云计算、区块链以及人工智能为代表的金融科技高级阶段的跨越。技术驱动的金融创新冲击了传统的金融市场格局，为金融监管带来了巨大挑战。由此，监管科技(Regtech)应运而生。随着人工智能的理论和应用技术的日益完善，人工智能逐渐渗透到金融领域，其固有价值逐渐被人们发掘。人工智能通过机器学习实现知识体系的实时更新，可以创建标准化数据报告，也可以发出风险预警信号，从而提高监管能力，降低合规风险。人工智能在金融监管中的应用转变了现行金融监管范式，为解决监管滞后探索了新的路径。

“人工智能＋金融监管”的新型监管范式的实践探索正处于爆发期。澳大利亚证券及投资委员会(ASIC)、新加坡货币当局(MAS)、美国证券交易委员会(SEC)等国际监管机构都尝试适用人工智能进行可疑交易识别，通过分析用户的交易轨迹、行为特征及关联信息更准确地打击金融犯罪活动。金融稳定理事会(FSB)于2017年发布«人工智能及机器学习在金融服务市场的发展对金融稳定的影响»认为应当提升人工智能和机器学习技术应用的可解释性，加强对相关创新的检测和评估。国务院«新一代人工智能发展规划»将金融列为人工智能应用试点的重要行业之一。工信部印发的«促进新一代人工智能产业发展三年行动计划(2018-2020年)»明确将大力拓展视频图像身份识别系统在金融领域的应用。但我们应当清醒地认识到，就目前而言，人工智能的应用尚未上升到监管科技的层面，更多的是行业探索和试点性实践。然而，随着技术能力和数据资源的加速累积，巨大的应用需求和开放的市场环境有机结合，人工智能研究及应用爆发式增长。可以预见的是，未来人工智能必然成为推动金融科技监管转型的”标配”。基于此，相关制度应当作出调整，适应人工智能对金融监管模式的转型与重塑。

一

金融科技的风险识别与监管挑战

由于建立在云计算、人工智能等技术的基础之上，金融科技兼具金融和科技的双重属性，由此也形成了二者交织混合的风险特性。金融科技的开放性、互联互通性、科技含量更高的特征，使得金融风险更加隐蔽，信息科技风险和操作风险问题更为突出，潜在的系统性、周期性风险更加复杂。由此，应当通过人工智能技术透视金融科技发展所面临的风险与挑战，从而在制度机制的构建上予以保护。

(一)风险识别

金融科技提高了金融机构的资源配置效率，使资金的提供者与需求者之间的连接费用大幅下降。但技术驱动的金融创新容易引发合规风险，科技的引入也使得金融、技术的风险更容易产生叠加效应，如此前的Ｅ租宝事件、俄罗斯ＭＭＭ金融互助社区的网络攻击事件等。故而应当正视其存在的风险，进而探寻人工智能与金融监管的深度融合。

第一，技术风险。金融科技的应用场景以信息技术为基础，其交易参数的设置、交易系统的操作等都隐藏着技术型风险。技术本身的缺陷可能导致系统无法正常运行，或引发数据泄露、身份识别不能等风险，如日本的Coincheck事件、Mt.Cox遭受攻击事件等，造成了难以估量的损失。当出现技术性失误且未被及时发现时，系统本身又缺乏自我更正错误的能力，按照这种错误继续执行，则需要付出更大的成本来修正所带来的负面影响。

第二，信息风险。我国互联网金融存在严重的信息不对称问题，金融机构与金融消费者之间、金融监管机构与金融机构之间的信息不对称性导致了金融科技的信息风险。金融消费者由于处于信息资源获取的劣势地位，在金融交易中更容易遭受损害，且难以有效维权。人工智能”去中心化”的信任机制虽然在一定程度上缓解了信息不对称所引发的市场低效，但也衍生出其他问题：一是科技的反匿名化隐藏着信息泄露的风险，从而可能导致金融消费者受到差异化待遇；二是随着金融科技应用场景潜入的多元化和碎片化，金融监管机构由于缺乏对等的数据技术而难以实施有效的监管。数据风险与信息安全风险的相互交织，使得金融机构的相对者对金融风险的识别和应对变得迟缓。

第三，合规风险。技术驱动下的金融创新不可避免地将原本规范的金融合同设计推至更高风险的领域。在法律法规缺位的情形下，金融交易的规则由交易者自行设计或制定(“智能合约”的出现)，其合规风险尤为突出。“智能合约”以计算机语言而非自然语言表述、执行合同，一是以计算机语言为载体的“智能合约”与无法与以自然语言为载体的法律规则一一对应，如无法有效解释诸如“合理”“最大努力”等术语，从而导致合约条款可能存在较高的法律风险；二是出现合同纠纷时，法律责任边界无法确定，即应当由智能合约的开发者，亦或是运行平台负责难以界定。此外，应当注意的是，法律规则的缺失也为违法犯罪活动留下了滋生空间，部分非法机构以“金融创新”之名，干着“违法犯罪”之实，导致社会的重大损失。

(二)监管挑战

恰当的监管有助于金融科技发展良好态势的形成。金融创新是突破金融监管形成的“金融抑制”而产生，又反作用于金融科技监管的转型与发展。实践中金融监管与金融创新之间的脱离体现为两方面：一是金融创新的速度总是超前于金融监管方式；二是监管法规总是滞后于金融创新的发展。

首先，我国的金融监管方式尚未脱离传统的“先发展后规范”的被动式监管模式。“放任自流”或“一刀切”的僵化治理思维既不关注当下金融市场的实际问题，也不适应未来金融市场的现实需求，与金融科技“日新月异”的创新驱动力背道而驰。随着金融科技推动的新金融业态的不断涌现，传统的被动式监管转向自动化监管的趋势已属必然。倘若不使用监管科技进行自动化监管，将难以应对未来可能出现的极端复杂的金融风险。以虚拟货币对发行与交易为例。虚拟货币的产生依赖于一堆复杂算法的特解，运算工具在寻求特解的过程中涉及庞大的数据计算；在虚拟货币交易的过程中，不可避免地会与其他平台或设备产生交流、通信，且涉及大量个人信息。数据与个人信息在交互过程中面临着多样的风险，而传统的监管模式因无法迅速演进、更新而使得前述风险处于监管空白地带，从而滋生各类违法行为。考虑到人工智能技术能够通过机器学习实现实时的、自动的监管与回应，因而可以将人工智能技术内嵌于监管机制，提高金融监管的及时性和精准性，借助人工智能建立既解决潜在市场风险，又融合金融创新特性的监管模式。

其次，监管法规存在不可避免的滞后性。监管法规通常是为了防范既有的或基于既有而可预见未来可能引发的问题所制定的，但金融科技的“颠覆性创新”完全打破了这样的规律。规则的制定者根本无法或者很晚才能识别创新的监管需求或相关问题，而仅仅依赖于稳定的并被假设为最优的监管规则，忽略金融创新所引发的不断变化的规则适用环境。由此，原有的问题刚刚得以妥善解决，新的问题又以前所未有的速度不断涌现，法规的制定陷入了“不断补漏”的死循环。因而，传统的立法模式已不能满足金融科技创新的需求。面对不断涌现的问题，倘若试图通过不断地制定新的正式规则予以解决，显然是不合逻辑的。人工智能可以通过类似事实推理进行风险识别并快速处理，同时监管机构应当及时总结并制定出风险防范规则原则，以供人工制度规则库的升级，减少合规风险的产生。由是，借助人工智能的规则推理重构金融监管法规的制定模式刻不容缓。

二

人工智能的金融监管实践

金融科技的创新对传统金融市场带来了多维度的冲击，金融与科技融合的不确定性带来了监管应对的“不知所措”。面对金融监管与金融科技的脱节，部分监管机构和监管科技企业创见性地尝试利用人工智能技术实现即时的、自动的金融监管。人工智能的监管科技在全局性分析方面更具优势，从而更好地识别和应对系统性金融风险。笔者择两例试探索人工智能在金融科技监管中的应用。

(一)人工智能与互联网金融监管

互联网金融呈现出多元复杂性，在跨界、融合、多元共存和多维度交互的过程中也存在许多交叉和并发的风险。推进人工智能在互联网金融领域的应用和发展，有利于落实国家人工智能发展战略规划，推动新时代金融业的转型升级。人工智能的机器学习能力具有良好的应变性，能够更好地构建互联网金融监管模型，如目前研发使用的“基于人工智能的反欺诈模型(ArtificialIntelligenceBasedAnti-fraudModel)”。

在现行金融监管体制下，银行的应用相对较少，但诸如蚂蚁金服、度小满金融、京东金融等互联网金融公司在人工智能金融监管领域进行了积极的探索。以蚂蚁金服和度小满金融为例。蚂蚁金服依托阿里和蚂蚁的丰富场景构建机器学习平台，探索人工智能技术为多维度应用场景赋能，将自己定位为“TechFin公司”，而不是“FinTech公司”。在安全风控方面，蚂蚁金服以深度学习模型代替人工规则为主的体系，如在判断交易是否可信的领域，人工智能技术能够在尽可能减少用户干扰的情形下保持很高的安全性。当一笔交易被系统判断为不可信时，采用更为创新的GBDT＋DNN模型来确认是否被盗号，超越了以往的单个模型及GBDT＋LR的效果。度小满金融则依托百度集团在人工智能方面的技术优势，以金融大脑为核心，依托感知引擎和思维引擎，实现了金融机构的智能升级。度小满金融利用人工智能算法在数十万台服务器上实现高性能计算，通过机器学习实现风控技术。由是，我们可以清醒地看到，“金融级的人工智能”是实现互联网金融有效监管的必然趋势。

(二)人工智能与证券监管

在证券业实现从传统以经纪业务为主的证券经纪公司向为客户提供一揽子综合金融服务的全能型投行的转型中，金融科技创新起了举足轻重的作用。智能、高频的交易方式加剧了证券市场的复杂性，也考验着监管者的监管能力和监管资源。证券监管的规则供给速度远远低于金融创新的频率，人工智能监管工具的引入则为提高监管效率，节约监管成本提供了可能性。证券监管可以通过人工智能技术在更短的时间内识别异常交易并发出风险预警。诚然，人工智能的监管并非不受限制和绝对可靠，完全依赖于人工智能的证券监管后果必然是灾难性的。

目前人工智能技术在证券监管的应用主要体现为视觉识别技术、知识图谱、机器学习与深度学习、机器人技术等(如表1所示)。以证券交易所的“智能监管”为例。我国上交所深入研究运用机器学习技术，对投资者进行“全息高清”画像，试图实现对投资者的全方位图形化展示。同时，利用知识图谱技术对账户、交易、终端设备等进行多元维度的关联分析，进而更准确、高校地识别违法违规账户。日本外汇管理局(“JPX￣R”)和东京证券交易所(“TSE”)部署将NEC公司的“NEC高级分析—快速机器学习技术”和日立公司的”日立AI技术”应用于市场监测以发现市场操纵等不法行为。由是，人工智能技术之于证券的智能监管亦是最佳选择。

表1

三

人工智能对金融科技监管的转型与重塑

传统的金融监管治理以行政治理为主，科技工具主义在很长时期被作为治理观念指导金融监管和合规控制。数字经济时代的风险防范和治理应当采取技术控制与法律控制相结合的综合治理机制。人工智能技术驱动型金融监管模式一方面要求监管机构应当树立技术治理的思维，人工智能不再作为监管工具，而是内化为监管科技本身的组成部分；另一方面则要求在法治框架下创新监管规则的构建路径，实现法律与技术的优势互补。

(一)内部：技术治理

人工智能促进监管科技治理的转型，将技术逐渐内化为金融科技监管的重要组成部分，一方面依托规则推理(RuIe-BasedReasoning)进行反事实地金融风险模拟，从而更好地进行系统性金融风险识别；另一方面通过案例推理(Case-BasedReasoning)学习既有的监管案例，以类似“判例法”思维评价新的问题并给出解决方案。由此，监管机构应当从“准入监管”转换到”行为监管”，完善监管科技的制度机制，以实现金融科技监管的重塑。

首先，建立基于人工智能的监管体系，提高监管效率，实现实时监管、动态监管。人工智能技术能够通过算法将场景化、碎片化的金融科技数据进行有效清洗，达到满足风险判定的需求，并通过机器学习实现对金融科技风险的初步评价和识别。将金融交易过程中的信息内容通过人工智能技术予以精准记录，摆脱传统监管中需要依托各方予以信息披露的烦琐流程，并简化了监管机构的审核工作，进而使监管机构能够将更多资源投入交易行为本身。因而，监管机构应当从传统的“准入型监管”脱离出来，更多地关注金融交易行为，在人工智能识别的基础上行使监管自由裁量权，进行人工二次判断，使得监管更加精准化。以证券交易所为例，监管机构的职能之一是防范市场操纵风险。以人工智能为基础的智能风控技术通过算法判定可能出现市场操纵行为并予以记录，此时监管机构仅需依其专业知识作出评定即可，而无需再依托传统监管机制中借助信息披露的形式，既提高效率，也更为精准。

其次，完善监管科技的基础机制，确保人工智能系统的安全性、有效性。人工智能驱动下的金融科技以信息技术为基础，技术信息的保护既是技术治理的基础，也是防范监管风险的必需。监管机构应当完善监管科技的制度机制，如技术的加密机制、脱敏机制等，通过技术手段和管理制度保障人工智能的安全性，进而确保人工智能驱动的金融科技监管基础信息的有效性。考虑到互联网金融公司对人工智能积极探索所形成的经验，应当推动构建行业内技术共享机制，进而推动监管科技的创新。就人工智能本身而言，应当完善其风险分析和预警机制。根据人工智能对既有风险问题的识别、分析和监管，划定金融科技的风险预警线(迹象)。当金融机构触及或可能触及预警线(迹象)时，监管机构能够即时介入并采取相关措施。

(二)外部：法律规制

金融科技监管转型和重塑的核心在于监管科技的法制化。诚然，规则监管在日新月异的金融创新面前捉襟见肘，但规范的缺失必然会给金融科技的发展带来额外的成本。从技术的角度而言，只要保证人工智能驱动下的金融科技监管的数据信息的安全性、有效性，确保人工智能在市场条件下自发而有效的信息配置，便没有法律法规治理的必要性。然而，人工智能的规则推理并非必然落在给定的规则框架内，规则解释的多义性、技术的破坏也可能会出现法律问题。因而，应当在法治框架下对人工智能驱动下的金融科技监管予以规制。

通过修订、解释等方式完善金融科技监管法律制度体系。法律法规的制定目的应当是为监管提供法律支撑，形成新的监管路径。人工智能通过算法对监管规则进行识别并分解为算法规则，在监管过程中运用规则推理形成有效判断和应对金融科技风险的规则库。对于人工智能自发推理出的规则应当及时判断是否落在既有规则框架内或是否必要对现有框架作出修订、解释，从而适应金融科技的创新。将金融监管法律法规嵌入人工智能技术，从而使法律法规的执行由人工智能的机器学习实现。需要说明的是，这种人工智能驱动的规则推理并不意味着法律规则的创造，而是通过技术治理发掘、解决法律问题的辅助手段，法律的修订和解释仍应由立法者作出。

人工智能驱动下金融科技监管的另一种法律规制路径则是加强法律原则的制定与适用。相较于法律规则，原则监管更具灵活性和效率性。法律原则强调对抽象性和所期望的监管结果的指导性，监管者被赋予自由裁量权。当人工智能通过机器学习推理规则时，只需判定新的规则是否与既有原则保持一致即可，而无需逐一修订、解释，使其被纳入既有规则体系。原则监管的侧面体现为对金融科技的包容性监管，通过宽松的规则治理环境鼓励金融创新，如英国金融管理局(FCA)制定的”监管沙盒(Regulatorysandbox)”计划、美国消费者金融保护局(CPPB)的”无异议函(No-actionLetter)”政策等。

在金融科技不断创新的背景下，在强调技术治理的同时，法律规制也不容忽视。由是，金融监管机构在新型监管模式之下应当实现双重角色：一是作为人工智能技术治理机制的创造者，通过完善多种信息技术机制，确保人工智能的监管效率；二是充当监管规则原则的制定者和植入者，通过立法加强法律原则在金融监管中的适用，并将所制定的规则原则植入人工智能之中，以供其深度学习以自动适应监管规则的升级。惟其如此地，才能在以创新与变革为核心的金融科技监管时代倒逼金融监管模式的转型与重塑，实现对金融科技风险的有效监管。

结

语

传统的金融监管体系是技术发展相对稳定的基础之上所形成的被假设为最优的规则和原则。金融科技的”颠覆式创新”突破了传统金融监管范式的藩篱，使金融监管一度失灵，或用力太轻，或用力过猛。面对金融科技所形成的风险与监管挑战，运用人工智能推动金融监管的转型和重塑才是正道。故而，应当采取技术治理与法律规制相结合的创新监管模式，建立基于人工智能的监管体系，依托机器学习实现规则推理和案例推理，并加强法律原则的制定与适用，进而实现金融科技风险的有效监管。但是如何真正实现监管科技与传统监管模式的有机统一?人工智能驱动下的金融科技监管的运行体制和程序规范是怎样的?如何有效衔接内部的技术治理与外部的法律规制?等等问题，则是需要进一步研究解释的。

上海市法学会欢迎您的投稿

fxhgzh@vip.163.com

往期链接

>《上海法学研究》集刊2019年第9卷——2019世界人工智能大会法治论坛文集

来源：《上海法学研究》集刊2019年第9卷（2019世界人工智能大会法治论坛文集）。转引转载请注明出处。

原标题：《“人工智能＋金融监管”：试论金融科技监管的转型与重塑》

人工智能融合金融服务，金融生活走向完全自动化

文/陈根

随着科技创新力量的不断迸发，以科技推动产业发展、加快经济社会数字化转型升级成为全球共识。

其中，金融科技化成为社会的新近关切。金融与科技相互融合，创造出新的业务模式、应用、流程和产品，催生出新的客户关系，对金融机构、金融市场、金融服务产生了深刻影响。金融科技更因为互联网巨头的入局与布局，在过去的2020年被持续热议。

金融科技的发展离不开底层技术的发展，而人工智能则作为新一轮科技革命和产业变革的重要驱动力量，在金融科技化的过程中发挥着无可替代的作用。可以说，人工智能技术与金融业深度融合是金融科技大方向所指，用机器替代和超越人类部分经营管理经验与能力也将引领未来的金融模式变革。

智能金融是金融科技发展的高级形态，是在数字化基础上的升级与转型，是未来发展趋势，也将成为金融业的核心竞争力所在。但在智能金融引领金融生产根本颠覆的同时，也不断挑战着社会既有的法律、伦理和秩序，且亟待回应。

智能金融引领金融生产根本颠覆

当下，人工智能已经嵌入社会生活的各个方面，更是与金融具有天然的耦合性。智能金融的发展将有利于国家抢抓人工智能发展机遇，占领技术制高点，尤其是金融业的特殊性，势必对人工智能技术提出新的要求和挑战，以此来推动我国人工智能技术的突破与升级，提高技术转化效率。人工智能融合金融意义不言而喻。

与此同时，人工智能技术综合运用金融科技的大数据、云计算、区块链等技术，为未来金融业发展提供无限可能，是对现有金融科技应用的进化与升级，对金融业发展将会产生颠覆性变革。

智能金融的发展将有利于加强金融行业的适应性、竞争力和普惠性，极大地提高金融机构识别和防控风险的能力和效率，推动我国金融供给侧结构性改革，增强金融服务实体经济和人民生活的能力。

此外，相比互联网金融、金融科技，智能金融更具革命性的优势还在于对金融生产效率的根本颠覆。人工智能固然要高度依赖大数据与云计算，但是与数据深度挖掘运用不同，人工智能技术系统是用传感器来模仿人类感官获取信息与记忆，用深度学习和算法来模仿人类逻辑和推理能力，用机器代替人脑对海量数据快速处理，从而超越人脑的工作。这也将更精准高效地满足各类金融需求，推动金融行业变革与跨越式发展。

从现阶段智能金融的发展来看，在前台应用场景里，人工智能已然朝着改变金融服务企业获取和维系客户的方式前进。尽管金融服务企业已经在数据的使用上进行了有效的尝试，但人工智能依然为市场的重大创新提供了机会，包括智能营销、智能客服，智能投顾等。

比如，智能投顾就是运用人工智能算法，根据投资者风险偏好、财务状况和收益目标，结合现代投资组合理论等金融模型，为用户自动生成个性化的资产配置建议，并对组合实现持续跟踪和动态再平衡调整。目前，全国范围内，智能投顾已有试点，全面推广则有待继续探索。

相较于传统的人工投资顾问服务，智能投顾具有不可比拟的优势：一是能够提供高效便捷的广泛投资咨询服务；二是具有低投资门槛、低费率和高透明度；三是可克服投资主观情绪化，实现高度的投资客观化和分散化；四是提供个性化财富管理服务和丰富的定制化场景。

人工智能不仅仅适用于前台工作，它还为中台和后台提供了令人兴奋的变化。其中，智能投资初具盈利能力，发展潜力巨大。一些公司运用人工智能技术不断优化算法、增强算力、实现更加精准的投资预测，提高收益、降低尾部风险。通过组合优化，在实盘中取得了显著的超额收益，未来智能投资的发展潜力巨大。

智能信用评估则具有线上实时运行、系统自动判断、审核周期短的优势，为小微信贷提供了更高效的服务模式，也已在一些互联网银行中应用广泛。智能风控则落地于银行企业信贷，互联网金融助贷，消费金融场景的信用评审，风险定价和催收环节，为金融行业提供了一种基于线上业务的新型风控模式。

尽管人工智能融合金融目前整体仍处于“浅应用”的初级发展阶段，以对流程性、重复性的任务实施智能化改造为主，但人工智能技术应用在金融业务外围向核心渗透的阶段，其发展潜力已经彰显，而工智能技术的进步必然在未来带来客户金融生活的完全自动化。

风险与挑战，回应和倡议

人工智能融合金融让原有的金融服务体系进入从“人”服务到“机器”服务的时代，但智能金融在给行业带来无尽惊喜与期望的同时，也不断挑战着既有的法律、伦理和秩序。

比如，由于数据质量或算法的瑕疵引起投资者亏损的可能。其中，智能金融依赖于算法，而算法出现的过度拟合等程序性错误则可能引发蝴蝶式效应，造成系统性风险。

与此同时，智能金融的“尾部效应”和“网络效应”，使得金融机构增强获客能力、提高风控水平、降低成本，但两个效应叠加增加了金融体系的复杂性，将有可能放大风险的传染性和影响面，诱发更大的“羊群效应”，并且放大金融的顺周期性。

此外，金融决策依托于对大数据的智能处理，个人投资信息或敏感的公司数据的泄漏风险，却令个人隐私保护和数据安全问题凸出。算法的不透明性则带来歧视性的可能，当数据不完整、不具代表性、出现偏差时，则会影响决策结果。因此，金融机构有义务了解人工智能系统以及可能对客户产生的潜在负面影响，并要为算法造成的歧视承担责任。

面对智能金融应用带来的问题，需要政府、市场及社会形成多元、多层次的治理合力，降低智能金融的风险，最大程度促进人工智能技术带来的生产力解放，享受科学与理性决策的成果。

一方面，智能金融需遵守人工智能治理的一般原则，同时要考虑金融领域应用的特殊性，坚持创新应用与风险防范并重。一是要鼓励支持人工智能技术与金融产业模式的创新，二是要采取有效的监管措施。

从2019年至今，中国人民银行和中国银保监会发布的涉及人工智能在金融领域应用的相关政策和指导意见中，政策方向主要集中于监管收紧、技术促进和中小微企业贷款服务三方面。事实上，近年来，金融业务触网程度不断加深，业务场景日趋复杂，边界逐渐淡化，在繁荣发展的同时也为金融监管带来了挑战。P2P行业暴雷后，监管部门更加坚定了监管愈严的大方向。

同时，本着“堵不如疏”的原则，在监管力度加大的同时，监管创新也在跟进。2020年1月，人民银行发布了《金融科技创新监管试点应用公示（2020年第一批）》，以“监管沙盒”的形式通过沙盒工具，在模拟场景中对人工智能、区块链等技术以及银行API接口开放等模式，在金融业务中的应用进行弹性监管实验，降低了运营风险和技术不确定性带来的隐患，以试错的方式探寻金融科技下的监管更优解。

从趋势上看，监管仍将坚持收紧和创新两手抓的方针，对金融科技公司的业务范畴、数据规范等保持严格的监督，对新技术、新模式持有审慎的态度。科技公司将脱离金融服务业务，更加聚焦于技术输出，而市场与监管脱节的洪荒时代也一去不复返。

另一方面，目前全球许多机构都已经开始研究相应的对策以应对智能金融的伦理问题。美国银行成立委员会研究如何保证用户隐私。谷歌建议采用以人为中心的设计方法，使用多种指标来评估和监控，并广泛检查数据情况，以发现可能的偏差来源。加拿大财政部发布指导文件概述了使用人工智能的质量、透明度和公共问责制。

智能金融的发展需要明确的指导方针和保障措施，以确保该技术的合理开发和使用，包括算法公平性和可解释性，稳健性等。

智能金融应用机构必须确保负责处理数据或开发、验证和监督人工智能模型的员工拥有有效的资格和经验，了解数据中可能存在的社会和历史偏差以及如何充分纠正这些偏差。金融机构还需构建内部政策和管理机制，以确保算法监控和风险缓解程序足够和透明，定期审查和更新。

金融服务的未来在于其充分应用并受益于新技术的能力。人工智能是一项新技术，它将使金融服务企业的前台和后台都产生颠覆性的变化，在金融市场的结构和监管方面产生重大转变，并在社会伦理道德方面提出急需解决的重大挑战。

理解和接受人工智能必然要经历一个长期的螺旋上升的过程，这是一段受经济、社会以及政治变革影响的过程，也是一段没有任何一家企业可以独自完成的过程。因此，唯有协作努力才能战胜这些挑战，才能解锁人工智能可以为企业和社会所带来的最大利益。

人工智能论文参考文献30个

所属栏目：期刊论文百科问答发布日期：2022-07-0914:59热度：

随着科技的不断发展，人工智能也是越来越普遍，应用于农业、生活、工业、医疗等各方各面。所以关于该方面的研究人员也是有不少的论文发表，尤其是在写作中难免会需要参考一些相关文献，来增加文章的说服力。所以这里也是整理了30个人工智能论文参考文献，供大家参考了解。

[1]人工智能医学应用的文献传播的可视化研究[J].陈俊任,曾瑜,张超,沈建通,杨晓妍.中国循证医学杂志.2021(08)

[2]营销领域人工智能研究综述[J].林子筠,吴琼琳,才凤艳.外国经济与管理.2021(03)

[3]基于人工智能重塑零售价值及创新路径研究[J].蒋侃,覃美连,李姝蓉.价格理论与实践.2021(12)

[4]机器学习在医疗健康数据分析中的应用[J].赵显鹏.电子世界.2020(18)

[5]神经外科手术机器人辅助脑深部电刺激手术的中国专家共识[J].陶英群,巩顺.中国微侵袭神经外科杂志.2021(07)

[6]人工智能在金融行业的应用探析[J].韩志雄,杨紫,洪武.金融科技时代.2019(09)

[7]杭州高新区建设市人工智能创新发展区对策思路研究[J].辛金国,刘昱,金洁.杭州科技.2021(05)

[8]中小企业人工智能发展的困境分析[J].孙千惠,李占强,李昊辰.中国新通信.2021(22)

[9]人工智能对招标采购的影响及对策[J].张保洲,祁顺英,邓预均.招标采购管理.2021(11)

[10]人工智能技术在医药研发中的应用[J].刘伯炎,王群,徐俐颖,褚淑贞.中国新药杂志.2020(17)

[11]人工智能技术在医学影像产业的应用与思考[J].朱森华,章桦.人工智能.2020(03)

[12]基于北斗与5G技术的农业植保无人机运行监管架构设计[J].胡小蒙,王子楷,赵婧冰.智慧农业导刊.2021(03)

[13]国外领先安防巡逻机器人发展现状概述[J].陈甜甜,赵洋.中国安防.2021(11)

[14]关于客服机器人发展历程及未来趋势的思考[J].于焘,郭蒙.中国金融电脑.2022(03)

[15]为理解而学:人工智能时代的知识学习[J].张良,关素芳.湖南师范大学教育科学学报.2021(01)

[16]人工智能时代的知识教学变革[J].王天平,闫君子.湖南师范大学教育科学学报.2021(01)

[17]人工智能与数字出版的创新应用探讨[J].王亮.创新创业理论研究与实践.2018(09)

[18]智能时代影像数字出版发展探究[J].王钧.科技与出版.2021(11)

[19]人工智能时代出版流程再造的机遇与挑战[J].陈进才.现代出版.2020(02)

[20]人工智能时代的翻译技术研究:应用场景、现存问题与趋势展望[J].王华树,王鑫.外国语文.2021(01)

[21]基于多智能体系统的海工装备项目物资仓储管控研究[J].吴晓源,回振超,孙苗苗,王伽轩.船舶工程.2018(04)

[22]人工智能与期刊发展融合的机遇、挑战和实践路径研究[J].陈鸿,刘育猛,裴孟.中国科技期刊研究.2019(03)

[23]人工智能在电力系统中的应用研究与实践综述[J].朱永利,尹金良.发电技术.2018(02)

[24]人工智能AI技术在电力系统的应用[J].靳龙.集成电路应用.2018(11)

[25]人工智能在皮肤病诊断和评估中的作用[J].费文敏,李承旭,韩洋,宁小荔,李可可,王子仪,许静凯,薛珂,徐峰,孟如松,崔勇.中国数字医学.2021(02)

[26]人工智能背后的机器学习[J].罗晓慧.电子世界.2019(14)

[27]基于图像处理技术的中药饮片识别研究[J].谭超群,温川飙,吴纯洁.时珍国医国药.2018(07)

[28]深度学习在图像处理领域中的应用综述[J].殷琪林,王金伟.高教学刊.2018(09)

[29]人工智能如何重构商业模式匹配性?——新电商拼多多案例研究[J].王烽权,江积海,王若瑾.外国经济与管理.2020(07)

[30]5G赋能产业创新智慧养老新模式[J].胡炜.互联网经济.2020(05)

以上就是对人工智能论文参考文献的整理。另外，需要大家注意的是，在引用参考文献时一定要选择正确的格式，不然参考文献算重复率的。所以对于论文中的引|用部分，一定要注明引用来源，并且按规范的格式进行标注，列出参考文献。

文章标题：人工智能论文参考文献30个

转载请注明来自：http://www.sofabiao.com/baike/bk/48576.html

“人工智能＋金融监管”：试论金融科技监管的转型与重塑 人工智能在金融方面的应用论文