“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》
人工智能在金融领域应用及监管挑战
人工智能的发展历程2012-2017年全球人工智能并购活动资料来源：FSB金融科技报告2017上世纪90年代以来，机器学习尤其是深度学习的大规模应用，推动了人工智能的快速发展。目前中国的人工智能研究及应用正处于爆发期，并迎来国家层面的统筹规划和全面引导，未来发展空间巨大。从金融领域来看，国际银行业对人工智能的主要应用集中在资本运营、市场分析、客户营销、风险监管等方面。中国银行业紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。但是，人工智能的应用也对金融监管带来挑战：一是监管对象趋于复杂化；二是违法违规行为难以认定；三是智能代理行为增加了监管难度；四是责任主体难以界定。监管机构要正视这种趋势，针对人工智能特点，需要研究完善金融市场交易规则；加强人工智能在金融监管方面的应用；重视对用户隐私的保护。商业银行则一方面要积极加强技术创新，另一方面要注意风险控制。
□杨荇
近年来发展迅速的中国人工智能产业正在迎来国家层面的统筹规划和全面引导。2017年7月，国务院印发《新一代人工智能发展规划》（以下简称《规划》）。《规划》一经发布，即在世界范围内引起关注。那么，人工智能在中国的发展前景如何？其在金融领域如何应用？将给监管体制带来什么样的挑战？本文拟对这些问题进行探析。
■
1.人工智能概念
对于人工智能（ArtificialIntelligence，简称AI），国际上没有一个公认的定义。最早提出这一概念的约翰·麦卡锡认为，“人工智能就是要让机器的行为看起来像人所表现出的智能行为一样。”我国《人工智能辞典》将人工智能定义为“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务”。此外，还有其他诸多关于人工智能的定义。综合来看，这些概念可以分为两类观点：一类观点是弱人工智能概念，认为不可能制造出能真正推理和解决问题的智能机器，这些所谓的智能机器只是看起来智能，但不会真正拥有智能，也不会具有自主意识。另一类观点是强人工智能概念，认为有可能制造出真正能推理和解决问题的智能机器，并且能够具有知觉和自我意识。强人工智能又可以分为两类：一是类人的人工智能，即机器的思考和推理与人的思维一样；二是非类人的人工智能，即机器拥有和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
总体来讲，无论是那种人工智能概念，都体现出这三点优势：一是工作稳定性高。人工智能可不知疲倦地进行工作，在分析问题时几乎不受环境影响。二是降低操作风险和道德风险。利用人工智能取代传统人工对金融交易、服务信息审查监管，控制交易活动中潜在的非法行为，可更好地避免操作风险和道德风险。三是有效提高决策效率。人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。因此，本文所讨论的人工智能范畴，是包括强人工智能和弱人工智能的广义人工智能概念。
2.人工智能的理论基础
人工智能是计算机学科的一个分支，20世纪70年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近30年来它获得了迅速的发展，并已发展成为一门独立的系统学科。
那么，机器“智能”从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件作出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
总的来看，当前人工智能的研究可归纳为六个方面：一是计算机视觉（暂且把模式识别、图像处理等问题归入其中）；二是自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）；三是认知与推理（包含各种物理和社会常识）；四是机器人学（机械、控制、设计、运动规划、任务规划等）；五是博弈与伦理（多代理人的交互、对抗与合作，机器人与社会融合等议题）；六是机器学习（各种统计的建模、分析工具和计算方法）。
3.人工智能发展现状
2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能在产业应用上得到快速发展。从全球范围来看，人工智能产业领先的国家主要有美国、中国等。截止到2017年6月，全球人工智能企业总数达到2542家，其中美国有1078家，占42%；中国有592家，占23%。美国的人工智能呈现出全产业布局的特征，包括基础层、技术层、应用层均有布局，而中国的人工智能主要集中在应用侧，只在技术层局部有所突破。
目前，中国的人工智能研究及应用正处于爆发期。中国政府高度重视人工智能发展，在2017年7月印发的《新一代人工智能发展规划》中描绘了未来十几年中国人工智能发展的宏伟蓝图：到2020年人工智能总体技术和应用与世界先进水平同步；到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。近日，科技部确定了首批国家新一代人工智能开放创新平台，分别依托百度、阿里云、腾讯、科大讯飞公司，建设自动驾驶、城市大脑、医疗影像、智能语音等4个国家新一代人工智能开放创新平台。与互联网技术发展相似，加速积累的技术能力和海量的数据资源，巨大的应用需求和开放的市场环境有机结合，形成了中国人工智能产业发展的独特优势。
展望未来，据英国政府《2017年英国人工智能产业发展报告》估计，预计到2024年，全球人工智能解决方案的市场价值将超过300亿英镑，部分行业在人工智能的帮助下，生产率将提高30%，节约成本近25%。而据领英公司《全球AI领域人才报告》显示，截至2017年一季度，全球AI（人工智能）领域技术人才数量已超过190万。
■
1.在国际金融业的应用
近年来，全球金融业正在人工智能的催化下悄然改变。据金融稳定委员会（FSB）报告，国际银行业对人工智能的应用主要集中在以下几个方面。
（1）面向资本运营，集中在资产配置、投研顾问、量化交易等。人工智能在金融投资顾问方面的运用，通常被称为智能投顾，主要是指为客户提供基于算法的在线投资顾问和资产管理服务。具体又可分为三类：一是应用于销售前端的大类资产配置型智能投顾，主要是通过用户分析为客户解决大类资产配置问题，如Wealthfront；二是应用于投资分析阶段的投研型智能投顾，主要通过海量数据挖掘和逻辑链条解决投资研究的问题，如Kensho；三是应用于策略、交易和分析的智能量化交易系统，主要通过人工智能手段取代交易员，应用于投资交易，如WaterBridge的全天候人工智能交易。根据统计公司Statista的预测，2017年美国智能投顾管理资产规模将达到2248.02亿美元，到2021年将达5095.55亿美元，年复合增长率29.3%。
（2）面向市场分析，集中于趋势预测、风险监控、压力测试。人工智能技术能够从零散的历史数据中获得更多信息，帮助识别非线性关系，给出市场预测（价格波动）及其时效性，从而带来直接或间接的更高回报。此外，人工智能技术还能对大型、半结构化和非结构化的数据集进行分析，考虑到市场行为、监管规则和其他趋势的变化，进行反向测试、模型验证和压力测试，避免低估风险，提高透明度。例如，全球第一个以纯人工智能驱动的基金Rebellion曾预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，比惠誉公司提前了1个月。日本三菱公司发明的机器Senoguchi，每月10日预测日本股市在30天后将上涨还是下跌。经过4年左右的测试，该模型的正确率高达68%。
（3）面向客户营销，集中于身份识别、信用评估和虚拟助手。人工智能技术已经被广泛应用于金融的前台，大型的客户数据被导入聊天程序，使其能够为客户“面对面”的用自然语言交流，提高“获客”能力。2017年4月，富国银行开始试点一款基于FacebookMessenger平台的聊天机器人项目，虚拟助手通过与用户交流，为客户提供账户信息，帮助客户重置密码。而美国银行的智能虚拟助手Erica也正式亮相。用户可使用语音和文字与Erica互动，Erica可以帮助用户查询信用评分、查看消费习惯，随着银行流水收支的变化为4500多万客户提供还款建议、理财指导等。此外，汇丰银行已经使用基于人脸和语音的生物识别技术来验证消费者身份；苏格兰皇家银行使用“LUVO”虚拟对话机器人为客户获取最适合的房屋贷款等等，旨在成为用户“可信任的金融咨询师”。
（4）面向金融监管，集中于识别异常交易和风险主体。人工智能技术能够用于识别异常交易和风险主体，检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP以及失业率，抓住可能对金融稳定造成的威胁。当前，一些国际监管机构，例如澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）及美国证券交易委员会（SEC），都在使用人工智能进行可疑交易识别。具体做法包括从证据文件中识别和提取利益主体，分析用户的交易轨迹、行为特征和关联信息，更快更准确地打击地下洗钱等犯罪活动。
2.在中国金融业的应用
在中国，银行业也紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。例如，阿里旗下的蚂蚁金服已将人工智能运用于互联网小贷、保险、征信、资产配置及客户服务等领域并取得了良好效果。腾讯优图是腾讯旗下人脸检测应用，也与腾讯征信、微众银行、财付通开展合作，实现了对用户的信用评估。
（1）智能客服。交通银行在2015年底推出国内首个智慧型人工智能服务机器人“娇娇”，目前已在上海、江苏、广东、重庆等省份的营业网点上岗。该款机器人采用了全球领先的智能交互技术，交互准确率达95%以上，是国内第一款真正“能听会说、能思考会判断”的智慧型服务机器人。工商银行在“企业通”平台基础上，利用数据对接和智能设备，优化业务流程，创新推出了对公客户的自助开户服务，客户仅需到网点一次，就可以完成账户开立、结算产品领取、资料打印、预留印鉴等业务处理。
（2）智能投顾。目前我国提供此服务的公司很多，其中银行系（如广发智投、招行摩羯智投、工行“AI”投等）、基金系（如南方基金超级智投宝、广发基金基智理财等）、大型互联网公司系（如百度金融、京东智投、同花顺）和第三方创业公司（如弥财、蓝海财富、拿铁财经等）都在智能投顾上有所应用。
（3）智能量化交易。在中国现行的金融监管体制下，目前银行在这方面的应用相对较少，但京东金融、蚂蚁金服、科大讯飞、因果树等进行了积极的探索。例如，因果树每周都通过机器来自动甄选优质项目并推出超新星企业，帮助企业在未来6个月内顺利拿到下一轮融资的概率提高到了30%左右。而嘉实基金则研发了一套从市场预测、资产配置到产品选择的完善的投资决策系统“嘉实FAS系统”，并实现了超过大盘收益率的投资回报水平。
（4）风险控制和管理。这主要包括以下三个方面：一是数据搜集和处理；二是风险控制和预测模型；三是信用评级和风险定价。例如，一个传统的贷款业务可能需要2至3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成，同时有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。中国银行推出贸易融资业务反洗钱核查项目，综合运用文本分析、图像识别、机器学习等人工智能技术，将原本每单审核时间从手工2小时下降到2分钟，效率与质量得到极大提升，银行人工成本大幅降低。
3.人工智能在金融领域的发展空间
（1）增强金融机构黏客能力，获取市场竞争主动权。
人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化地服务客户，这对于身处服务价值链高端的金融业将带来深刻影响，人工智能将成为银行沟通客户、发现客户金融需求的重要手段，进而增强银行对客户的黏性。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务更加个性化与智能化。
（2）降低金融机构运营成本，提高工作效率。
金融机构能够利用人工智能和机器学习发展新的业务需求，降低成本和管理收益风险，提高运作效率，优化客户流程。据中国银行业协会发布的《2016年度中国银行业服务改进情况报告》显示，2016年银行业金融机构离柜交易达1777.14亿笔，同比增长63.68%；银行业离柜业务率为84.31%，同比提高6.55个百分点；离柜交易金额达1522.54万亿元。其中，有15家银行的离柜业务率已经超过了90%。未来，越来越多的金融机构将加入到运用人工智能来增强自身竞争力的进程中。
权威机构和专家普遍对人工智能在金融领域应用前景持乐观态度。人工智能学会主席BenGoertzel认为，10年以后人工智能可能会介入世界上大部分的金融交易。海外咨询机构科尔尼（A.T.Kearney）预计，机器人投资顾问未来3到5年将成为主流，年复合增长率将达68%。到2020年，机器人投资顾问管理的资产规模有望达到2.2万亿美元。花旗银行研究预测，未来10年人工智能投资顾问管理的资产将实现指数级增长，总额将达到5万亿美元。德勤在《银行业展望：银行业重塑》报告中指出，机器智能决策的应用将会加速发展。智能算法在预测市场和人类行为的过程中会越来越强，人工智能将会影响行业竞争，市场将变得更有效率。
■
1.监管对象趋于复杂化
在当前的监管法规体系中，被监管对象往往是法人和自然人。由于人工智能技术的发展，投资账户的所有者和经营者可能发生变化。对于所有权为集合主体的账户，采用穿透原则将难以追溯至行为主体，这是因为实际的控制人并不是某个主体，而是智能代理。因而，监管面临的挑战是复杂的，投资人认为账户不是他们中的任何一人操作的，实际控制人不是他们。智能代理服务商只提供了智能代理“产品”，并没有实际控制账户。这时，监管部门就不得不面对如何监管既不是自然人也不是法人的“智能代理”的问题。
2.违法违规行为难以认定
例如，大量投资人雇佣同一款表现优异的智能代理，管理其自身账户的投资。由于同一款智能代理的操作逻辑相似，那么这些账户虽然法律上是各自独立，并不关联，但其实际操作可能表现为“一致行动人”的现象。因此，即使监管机构的大数据分析系统能够很灵敏地“捕捉”到这个现象，但是如何认定这种“英雄所见略同”式的行为，将是一个监管难题。
3.智能代理行为增加了监管难度
虽然从技术层面上讲，智能代理行为可以从内控程序上加以控制，但对于其具体代理行为的监管边界以及责任主体，目前的监管法规均未涉及。
4.责任主体难以界定
如果个别研发人员设计出一个恶意的智能代理，并被一些集合性质的基金所使用，就可能引发个别股票价格的异动。对于这样的违规行为，现有监管法规将难以界定责任主体。
■
人工智能在金融领域加快应用是未来的发展方向，监管机构既要正视这种趋势，积极抢占人工智能发展高地，又必须重视人工智能应用给金融领域造成的冲击，未雨绸缪地开展前瞻性研究和战略性部署。
1.针对人工智能特点，研究完善金融市场交易规则
我国有关人工智能金融领域应用的市场交易规则几乎空白，应针对其潜在影响，积极研究相关金融市场的交易规则，为人工智能发展创造良好的市场环境。
2.加快人工智能在金融监管方面的应用
人工智能在金融领域的应用，对金融监管模式和手段提出了新的要求。面对人工智能的快速发展，我国金融监管部门应积极引入人工智能，进一步提高监管效率。
3.重视对用户隐私的保护
当前，我国有关隐私保护的法律制度还不健全，金融消费者的隐私保护意识较为薄弱，个人信息泄露的现象时有发生，无论从保护公民基本权利，还是从发展人工智能的需要考虑，都亟须完善我国金融隐私权保护制度，加强相关行政监管，明确金融机构相关告知义务、信息安全保障义务，以及出现问题后的赔偿责任，有效保证人工智能在金融领域应用中的信息安全。
对于商业银行而言，一是大型金融集团要做好前期资金技术的投放，提前介入，加强技术创新；要加快业务创新，在行业转型上保持领先地位，要增强技术及维护人员储备，尤其是智能型、复合型人才的引进及培养，提高核心竞争力，适应发展要求。二是加强风险控制。在数据处理方面，人工智能技术极大地扩展了数据来源，因而更多的数据被纳入分析体系。同时，金融工具能自动进化交易策略，甚至模拟专家进行决策，这会隐含许多新的风险。必须对前期数据来源、智能化程序设计等环节进行严格审查，加强风险控制。尤其在恐怖袭击、监管变革和实施卖空禁令等个别极端情况下，还需要专家进行必要的风险检测及应对。
（作者单位：中国工商银行城市金融研究所。本文系个人观点，不代表所在机构）