新火種
2023-12-26 
央財教授歐陽日輝：生成式人工智能在金融領域的應用還處于初期階段，要堅持以人為主，謹防過度依賴
來源：睿見Economy
2023年12月 20-21日，由中關村金融科技產業發展聯盟、中關村互聯網金融研究院舉辦的“2023中關村論壇系列活動——第11屆數字金融大會”在中關村展示中心舉辦。
大會以“強化數字技術賦能 推動金融高質量發展”為主題，圍繞數字金融發展趨勢，聚焦數字技術在銀行、保險等金融業中的新技術、新業態、新模式。以深化數字產業化和金融數字化為主線，打造一流數字金融生態圈，積極促進政產研學跨界合作，助力金融業高質量發展。
中央財經大學中國互聯網經濟研究院副院長、教授歐陽日輝12月20日出席并發表主題為“生成式人工智能與金融業深度融合的理論機理與應用場景”的演講。
歐陽日輝指出，作為一種新型生產方式，生成式人工智能具有互補性、智能性、融合性、創造性的技術經濟特征。他表示，生成式人工智能與金融業深度融合的機理一是互補性與賦能效應，從價值創造邏輯，生成式人工智能在金融業會產生“替代人”和“賦能人”兩種效應。二是智能性與規模經濟效應，人工智能提升數據處理效率和資源配置效率，擴大了金融機構業務規模。三是融合性與范圍經濟效應。四是創造性與飛輪效應。生成式人工智能與金融業深度融合需要以技術為基礎，以數據為核心，以算力為支撐，以算法為驅動，以規則為保障。
歐陽日輝針對提升人工智能技術與金融業間的互適性提出以下建議：第一，加大算法研發投入，強化專業模型和智能模型研發，提升金融大模型的適用能力。第二，注重數據儲備和安全問題，提高金融機構運用人工智能生成式服務的質量。第三，堅持以人為主，謹防過度依賴人工智能。
以下為演講實錄：
各位專家，各位企業家，朋友們，大家上午好！今天，我演講的主題是《生成式人工智能與金融業深度融合的理論機理與應用場景》
大型語言模型和生成式人工智能是當今最新、最重要的技術進步之一。隨著以ChatGPT為代表的生成式人工智能技術應用的突破，生成式人工智能正與醫療、教育、工業、金融等行業快速融合。生成式人工智能與金融業的結合格外引人注目，領先者已經開始將生成式人工智能引入業務場景，大模型在金融行業的應用進程正在加快。例如，中國農業銀行推出ChatABC，郵儲銀行、興業銀行等積極接入“文心一言”大模型平臺；馬上消費金融公司發布“天鏡”大模型。
隨著人工智能技術在金融業中的深度應用以及各國政府的推動，學界從2016年開始深入研究人工智能在金融領域的發展。然而，生成式人工智能與金融業發展的關系是什么？亟待學界作出回答。
一、生成式人工智能及其技術-經濟特征
（一）生成式人工智能概念辨析
當下，已有文獻把Generative Artificial Intelligence（Gen AI）和Artificial Intelligence Generated Content（AIGC）都翻譯成“生成式人工智能”。Gen AI和AIGC是有區別的。我講的生成式人工智能對應英文的Gen AI，指基于機器學習和人工智能技術，通過算法、模型、數據、規則自動生成文本、圖片、聲音、視頻、代碼等內容的新型生產方式。
生成式人工智能是一種新型生產方式。機器崛起正在深刻地改變人類的生產方式，“機器類人化”現象成為機械機器向智能機器發展的顯著特征。
（二）生成式人工智能的技術—經濟特征
作為一種新型生產方式，生成式人工智能具有互補性、智能性、融合性、創造性的技術—經濟特征。
1．互補性。人工智能對經濟社會的影響，從決策式人工智能強調替代性走向互補性。生成式人工智能必將對其他技術要素、資本要素、勞動要素持續深入發揮互補效應，不斷強化技術對經濟社會發展的支撐作用。
2．智能性。智能的核心問題為“是不是”+“該不該”+“好不好”的混雜組合問題。新一代人工智能，探索人-機-環境對決策的影響，進一步構建基于理性和感性混合驅動的計算機模型，實現人機混合智能決策。
3．融合性。生成式人工智能表現出了融合性特征。一方面，生成式人工智能是多種技術的融合和集成應用。另一方面，生成式人工智能與行業用戶深度融合。在中觀和宏觀層面，生成式人工智能賦能傳統產業，推動不同產業融合發展。
4．創造性。人工智能具有替代人類腦力工作的創造性特征，可以生產出額外的知識，增加人類整體智慧總量，能“活化”潛在的關聯產業，創造出眾多新興業態，開辟嶄新的經濟增長空間。
生成式人工智能所表現的技術-經濟特征是其與金融業深度融合的基礎。在這一融合過程中，不僅表現在替代人力勞動、編碼行業知識、整合多維數據、發現潛在知識、軟件定義產品等方面，而且能實現對要素尤其是數據要素的創造，提升金融業務智能化水平，通過“組合式創新”促進金融業業態和模式創新。從產業鏈的角度，生成式人工智能包括基礎層、模型層和應用層。
二、生成式人工智能與金融業深度融合的機理
（一）互補性與賦能效應
從價值創造邏輯，生成式人工智能在金融業會產生“替代人”和“賦能人”兩種效應。金融業未來主流崗位是人機協作，生成式人工智能從“替代人工”轉變為更加理性地賦能人工“提高效率”，從“服務外部客戶”轉變為“賦能內部員工”，互補性產生的賦能效應增強。
（二）智能性與規模經濟效應
人工智能提升數據處理效率和資源配置效率，降低了金融機構的營運成本，改善客戶服務效率，擴大了金融機構業務規模。互動方式的改變，既解決了金融機構面臨的供給不足、門檻高、信息不對稱、風險評估難等問題，又通過智能咨詢、智能借貸、智能客服等服務創新創造了市場需求。
（三）融合性與范圍經濟效應
人類社會正在進入人機協同、跨界融合、共創分享的智能時代。生成式AI技術為金融用戶提供更豐富和更便捷的交互體驗，生產式人工智能重塑金融行業的價值鏈條，提升用戶體驗。比如，生成式人工智能可以利用條件生成網絡、文本生成和圖像生成等技術，模擬不同的保險場景，生成適合消費者的個性保險方案，提升客戶體驗和滿意度。
（四）創造性與飛輪效應
短期來看，生成式人工智能的商業價值是提升效率。中長期而言，生成式人工智能的價值在于改變了金融機構生成和使用數據洞察的方式，實現傳統金融業態和模式的突破，重構金融業務模式和提升金融機構創新能力。
三、生成式人工智能與金融業深度融合的條件與場景
生成式人工智能在金融領域的應用，國際金融機構有兩種態度。以美國銀行、花旗集團和高盛等大銀行為代表，出于防止數據泄漏等顧慮，限制員工使用ChatGPT。一些金融機構則積極探索和嘗試使用生成式人工智能。總體而言，應該持謹慎而樂觀的態度，有所為有所不為，在應用場景中不斷積累經驗。
（一）深度融合的條件
生成式人工智能與金融業深度融合需要以生產式人工智能技術的成熟和數字基礎設施的完善為支撐，在數據及其保護規則的保障下通過算法驅動業務創新。
1．以技術為基礎。大多數技術產品和服務在未來會融合生成式AI的能力；生成式 AI 將在行業垂直領域、科學發現和技術商業化方面快速發展。
2．以數據為核心。生成式人工智能和金融業融合是圍繞數據這一核心來展開的，目前金融機構大多采用事后決策、間接決策，在大模型場景下，金融機構有可能進行實時決策，讓業務人員直接面對消費者多樣化的需求，構建更加人性化、用戶體驗更好的金融產品，及時調整交易過程。
3．以算力為支撐。沒有算力人工智能便無法實現復雜的計算和迭代，提供高性能、低成本、綠色的計算能力是人工智能和金融深度融合的支撐，算力和相關的配套設施決定了人工智能所能達到的金融匹配最大高度。
4．以算法為驅動。算法是金融科技解決問題的具體方法，生成式人工智能與金融深度融合的核心驅動力未來將主要依靠算法層面的突破與創新。
5．以規則為保障。生成式AI在訓練過程需要大量數據集，對數據收集、使用、披露亟待建立合規要求，需要開發負責任的人工智能模型，行業既需要增強隱私計算等技術的應用，又應建立相關規則，確保生成式AI合規發展。
（二）深度融合的場景
實踐中，人工智能在金融業務的應用場景覆蓋的廣度不斷向外拓展，商業銀行在智能營銷、智能識別、智能投顧、智能風控、智能客服方面的應用不斷豐富。ChatGPT在股票市場、風險管理、金融知識普及、金融學術研究等方面體現出價值，已落地若干應用。
生成式人工智能與金融業融合剛剛起步，未來值得關注的方向有：
第一，金融機構規模化應用生成式人工智能應該明確三種定位：創造者，推動核心商業模式轉型，重塑核心業務和/或面向客戶的方式，例如抵押評估、直接客戶互動；塑造者，聚焦幕后整合，改變業務模式的應用程序，例如虛擬專家，前線培訓；使用者，有針對性地提高生產力，利用SaaS 解決方案，提高現有任務的效率或準確性，例如編碼協助、文案寫作、客戶協助。
第二，金融AI應用打通服務價值鏈，服務平臺化。金融AI的應用將不再局限于單一的應用場景，而是打通整體服務價值鏈，平臺型產品助力傳統金融機構。
第三，人機交互新突破提升用戶體驗，建設以自動化服務為代表的“智能客服”體系以及以“開放銀行”為代表的場景金融服務體系。比如，商業銀行運用生成式人工智能，實現線上線下多情景多層次的渠道網格覆蓋，提升個性化服務能力和數據整合處理能力，推進渠道建設，培育新的金融生態。
（三）生成式人工智能不可能完全顛覆金融傳統范式
金融行業具有資源密集、人力資本密集以及強規則、強監管等特性。生成式人工智能可以提升金融服務的效率，但是，金融行業有一定的準入門檻，需要滿足合規、牌照和資本的要求，這些特性決定生成式人工智能不可能完全顛覆金融行業傳統的范式，只能是對金融行業進行多領域的賦能。
四、問題與建議
目前，生成式人工智能在金融領域的應用還處于初期階段，面對的困難和挑戰依舊不少。比如，金融領域大模型面臨著關鍵性任務和動態適應性、個性化要求和隱私保護、群體智能與安全可信和基礎設施的能力四大難題待解決。為此，應針對性地提升人工智能技術與金融業間的互適性。
第一，加大算法研發投入，強化專業模型和智能模型研發，提升金融大模型的適用能力。從金融垂類大模型的構建，到具體金融場景的大模型應用，如信息管理、智能推薦、細分領域問答等，逐步形成系統化的“算法研發—細分領域—場景應用”的發展鏈，充分發揮技術的互補性、智能性、融合性、創造性，挖掘生產式人工智能在金融行業的深層價值。
第二，注重數據儲備和安全問題，提高金融機構運用人工智能生成式服務的質量。一方面，推進數據匯聚共享和融合應用，構建科學數據知識資源底座等語料庫和基礎數據集，支持開展行業和領域人工智能大模型的訓練；另一方面，應關注人工智能服務語料來源安全，加強數據安全災備體系的建設，推動災備防控規范的形成，盡快組織修訂、完善數據災備相關技術標準、規范體系。
第三，堅持以人為主，謹防過度依賴人工智能。聚焦科技金融、綠色金融、普惠金融、養老金融、數字金融等業態，運用生成式人工智能促進商業模式創新，著重推進金融服務管理由經驗決策向基于數據驅動的決策轉變。金融機構發展生成式人工智能的正確態度是，利用人工智能的優點，理性認識人工智能的局限，將人工智能視作人類能力的補充，幫助金融機構以全新的方式理解消費者行為。過度依賴人工智能，可能導致人類思維和實踐能力、決策能力弱化。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
