專題：2024第九屆新金融論壇

　　2024第九屆新金融論壇于2024年12月26日在北京舉行，主題為全球秩序重構與中國金融力量崛起。?國家統計局統計科學研究所黨委委員、首席統計師，第十三屆全國青聯委員何強出席并演講。

　　何強在演講中表示，對于金融行業發展而言，像人工智能這類技術是一柄雙刃劍，既是解藥也是毒藥。

　　對此，何強表示，要高度重視人工智能的反身性和反噬性。在他看來，數據和技術之間的界限越來越模糊。所以說，我們通常不認為像chatGPT等之類的人工智能是科學上的奇跡，而是工程學上的奇跡，事實上這些模型在科學意義上的貢獻非常少。

　　何強認為，要盡快建立針對“AI+金融”模式下結果解讀的行業標準。他指出，要審慎解讀“AI+金融”模式下的結果。盡管我們可以說有99%的概率保證智能金融分析的結果是可靠的，但是金融危機往往就發生在剩余的1%。人工智能本身并不具有沒有分散或者消除金融風險的能力，它只是可以輔助提升金融機構識別預警和控制風險的能力。

　　最后，他指出，要對“AI+金融”監管政策效果需要及時監測和評估。“要充分認識到“AI+金融”監測評價指標的局限性，在使用監測結果時要保持足夠的謹慎和警覺。”他說。

　　以下為演講實錄：

　　對于金融行業發展而言，技術中性就意味著，像人工智能這類技術是一柄雙刃劍，既是解藥也是毒藥。最近國內外對“AI+金融”的討論可謂鋪天蓋地，我今天主要講三點我認為我們應該需要著重關注的地方。

　　一、要高度重視人工智能的反身性和反噬性

　　目前，以chatGPT、大模型等為代表的人工智能，內在的技術邏輯是“暴力出奇跡”，程序員在為模型賦予足夠的參數之后，通過輸入大量的數據強行讓人工智能學會工作。如果效果不好，他們解決問題的途徑往往是去獲取更多的數據來訓練。人工智能的廣泛應用同時產生了更多新的數據，這些數據再參與下一輪的訓練。這種情況下，我們很難區分到底是數據成全了技術，還是技術成全了數據，數據和技術之間的界限越來越模糊。所以說，我們通常不認為像chatGPT等之類的人工智能是科學上的奇跡，而是工程學上的奇跡，事實上這些模型在科學意義上的貢獻非常少。

　　人工智能作為一種技術，我們在發明它的一刻起，其實就已經成了這種技術的奴隸。表面上看，是我們利用人工智能改善金融服務實體經濟的效率，其實人工智能恰好利用我們這種需求，生產或模擬出大量數據，實現自身的飛速發展，加速達到像美國未來學家雷蒙德?庫茲韋爾說的“技術奇點”，屆時將徹底超越所有人類智慧和電腦的計算能力，推動人類社會的爆炸式發展。而且，目前還出現了一個新的讓人擔憂的情況，就是以往的人工智能主要基于已有的打標簽的數據進行擬合和訓練，這種思路最大的特點是可控，因為最高的擬合度也就是100%，而現在人工智能開始通過自我模擬、自我反省的數據進行訓練，沒人知道這種自我訓練的極限是什么，我們人類目前對這個領域是失控的。這就是人工智能的反身性和反噬性，希望引起大家警覺。

　　二、盡快建立針對“AI+金融”模式下結果解讀的行業標準

　　我們要審慎解讀“AI+金融”模式下的結果。盡管我們可以說有99%的概率保證智能金融分析的結果是可靠的，但是金融危機往往就發生在剩余的1%。人工智能本身并不具有沒有分散或者消除金融風險的能力，它只是可以輔助提升金融機構識別預警和控制風險的能力。“AI+金融”模式下的結果，往往受到以下不利因素影響：

　　首先，人工智能主要依托的邏輯是指標之間的相關關系，而不是因果關系，這很可能會導致分析的結果與金融場景需求大相徑庭。

　　其次，人工智能訓練的樣本往往不是全樣本，也通常不是隨機樣本，而是有偏樣本。互聯網再大，也不可能兼容并包一切數據。而且，真正有價值的高質量金融數據很多不會免費出現在網絡上。更何況，根據著名研究機構Epoch-AI預測，按照當前的數據消耗速度，AI大模型最快將于2026年耗盡高質量數據，2028年耗盡互聯網所有文本數據，屆時面臨的數據短缺更為嚴重。

　　再次，人工智能通常總是利用歷史數據來預測，如果歷史數據有算法偏見、歧視，甚至數據本身有錯誤，那么必然會導致“垃圾進、垃圾出”的現象，致使投資決策、監管政策實效。

　　最后，由于國家對“AI+金融”模式中的隱私保護力度要求較大，導致人工智能實際使用的數據量不足夠大、有偏，甚至不完全隨機，使得技術應用結果的局限性較大，甚至不再具有決策參考價值。

　　以上不利因素，使得如何開展“AI+金融”模式的結果科學解讀工作變得非常重要，尤其是向普通公眾的解讀工作。目前，這個領域在國內并沒有引起重視，行業規范欠缺。我呼吁盡快成立相關行業規范委員會，加強行業標準制訂，增強社會公眾的認同感，從而引領金融行業整體更快變革。

　　三、對“AI+金融”監管政策效果需要及時監測和評估

　　現在各大媒體在談到如何發展“AI+金融”時，總會提出一系列政策建議。國家監管機構也出臺了關于金融業信息技術發展規劃、金融科技發展規劃等很多針對性的政策。但是，我發現很少有機構去在事后去科學監測和評估一下這些政策。我覺得，我們不能只管出政策，不管其實施效果。剛才我已經說過，現在連人工智能技術本身都開始學會反省了，咱們很多同志還只習慣于單向思維。我甚至建議可以將對“AI+金融”監管政策監測和評估結果納入地方政府和行業主管的政績考核。

　　比如說，我們要監測評估某區域“AI+金融”政策的整體效果時，可以通過結合問卷調查法和客觀指標合成法進行評估。在問卷調查領域，可以設計個人消費者問卷、金融從業者問卷、企業管理者問卷和金融機構問卷，考察“AI+金融”政策對相關產業的融合支撐力度、消費者保護度、金融產品美譽度、人才支撐度等。客觀指標可以采用區域內部金融業智能專利數、智能金融算力水平、智能終端活躍度、智能產品多樣性等指標。我們長期從事政府統計工作的經驗表明，長期穩定開展監測和評估，非常有助于科學甄別政策制訂中存在的系統性問題。

　　當然，在考核“AI+金融”監管政策效果的時候，除了防止“一管就死”阻礙技術進步的情況，還需要注意突破坎貝爾法則的限制。坎貝爾法則（Campbell‘s Law）是社會科學研究中的一個重要原則，其核心思想是：隨著一項指標被用于決策，監督和控制的力度不斷增加，該指標就會失去其原有的有效性。換句話說，一旦一個指標被用于監管目的，它就可能失去了測度這個監管目的的價值。所以，我們要充分認識到“AI+金融”監測評價指標的局限性，在使用監測結果時要保持足夠的謹慎和警覺。

　　好的，我今天就說這么多，謝謝大家！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。