南方財經全媒體記者 吳霜 上海報道
12月6日，上海市臨港新片區主辦的“2024年滴水湖新興金融大會”隆重舉行。當日下午，在南方財經全媒體集團、21世紀經濟報道承辦的“2024南財數字金融領航者論壇”上，中國銀行原行長李禮輝表示，數字金融的智能化已經起步，但就人工智能技術發展的可能性來說，目前還處在輔助和助理的早期階段。主要應用一是改進產品創新和客戶服務，二是改進運營管理和風險管控。
他將人工智能的前沿技術的創新歸納為四個方面。一是從結構化到非結構化。以前人工智能是應對結構化的文本，現在生成式的人工智能大模型可以學習和理解非結構化的數據，生成新的非結構化的內容，包括文本、音頻、視頻、圖像和代碼，能夠適應多種任務。
二是從單模態到多模態。以前是單一的文本模態，現在的GPT4o等大模型具備了文本、視覺、語音多模態組合的感知、學習和交互的能力，已經突破了文本交互的局限性，能夠感知、理解和模擬動態物理世界。
三是從助理到代理，從人工智能的助理到人工智能的代理。以前是人工智能輔助和助理，現在正在研發的具身智能體集成神經網絡和知識工程和控制端的技術，通過遴選行業的最佳標準、最佳流程的專業化數據優勢和算力優勢，培育在不同場景中的感知、學習、行動和決策的代理，甚至可以超越一般水平的生產力。
四是從推斷到推理。以前是人工智能的推斷和驗證，未來依托全面數據高維算力和超級算力的優勢，有可能形成比人類最高級智慧更廣闊的推理空間，更高深的科學猜想，成為科學發現與技術發明的新范式。
人工智能應用于數字金融創新需要實現三個可信任
李禮輝表示，人工智能的前沿技術應用于數字金融創新，需要實現三個可信任。一是有可能實現人機交互可信任的擬人化。比如應用多模態技術的智能機器人，有可能做到動態捕捉、及時感知、正確理解客戶的語言和表情，準確判斷客戶的風險偏好和業務訴求。采用具有人性溫度的表達方式，為客戶提供可信任的服務方案，解決機器服務冰冷的問題，甚至成為柜臺服務的數字人。
二是有可能實現非結構化數據處理可信任的精確性。現在的人工智能已經可以處理非結構化數據，但是到100%的可信任的精確性還是有一點點的距離。今后應用多模態的技術工具，有可能在健康醫療保險中對病歷和醫療影像進行專業水準的質檢和分類，核準健康評估，識別醫生的制劑，判別聲紋、鑒別虛假理賠，也可以在銀行的前臺和中后臺對各種票據、合同等非結構化數據進行真實性審核和自動化錄入，分辨克隆的票據或者虛假的合同，正確提取數據并及時記賬，提高服務品質和運營效率。
三是有可能實現金融智能體應用的可信賴的專業性。例如在市場分析、風險評估、投資顧問、財富管理、產品定制和內部審計等專業領域，培育自主感知、學習行動和決策能力的智能金融體。提供行業最佳流程、最佳標準和專業數據支持，明確智能體的行為邊界，明確管理者的決策責任，明確智能體與金融客戶的法理關系，就有可能在高度復雜的場景中達到可信任的專業水準。
行政分割、流通不暢問題待解
人工智能大模型取決于參數規模、數據集品質、有效算力三大要素，適用于“規模定律”。李禮輝認為，中美兩個國家都是數據大國，但數據資源的結構不同。美國依托科學技術長期發展累積的信息資源，在知識和學術領域具有數據優勢。中國依托人口規模和互聯網經濟超越式發展堆積的數據資源、信息資源，在市場交易和公民行為領域具有數據優勢。海量的市場交易和公民行為數據是我國數字經濟、數字金融發展的寶貴資源。
他表示，公用數據存在行政分割的問題，比如涉及居民和企業的財務數據和行為數據，分散在金融監管、工商管理、稅務、海關等不同的局域系統中，共享程度不高，影響數據價值的深度開發。
此外，非公共數據存在流通不暢的問題，比如全國移動支付的用戶超過9億，數字化支付已經成為最主要的數據入口。但是，數據大戶與金融機構之間的數據關聯、數據共享尚未達成成熟的模式，數據的價值也未能充分發掘。
中央的“數據二十條”制定了數據產權制度、數據要素流通和交易制度、數據要素收益分配制度、數據要素治理制度的基本規范。李禮輝表示，2023年8月，財政部制定了《關于數據資源入表的會計準則》， 有四大重點。
重點之一是公共數據的開放共享，著力解決公共數據開放不足，行政分割的問題。國家建立集中統一的公共數據庫和互聯互通的公共數據應用系統，打破數據孤島。公共數據按照原始數據不出域，數據可用不可見的要求，以模型核驗等產品和服務的形式向社會提供，加大供給使用范圍。
重點之二是個人數據和企業數據的共同使用。著力解決個人數據和企業數據保護不力、流通不暢的問題，完善個人信息保護機制，規范采集使用個人信息的行為。同時，創新技術手段，推動個人信息匿名化處理，保障使用個人信息實施的信息安全和個人隱私。還要推進非公共數據按市場化的方式共同使用、共享收益的新的模式。支持金融機構與互聯網平臺企業、交通運輸企業、物流企業、數據分析加工企業、征信機構、行政部門、公共服務機構等數據大戶，建立市場化的數據分享機制，為產業金融、普惠金融提供數據支持。
重點之三是建立數據資產市場，著力解決數據產權落地、數據資源配置優化的問題。
重點之四是彌補數字鴻溝，著力解決數字經濟時代小微企業和弱勢群體數字服務獲得難、信息落差大的問題。
以金融安全為前提進行創新
“數字金融的創新并非給傳統體制、傳統流程加上數字化的外套，而是從根本上改革體制、重構流程、再造底層系統”，李禮輝分享了其對數字創新的理解。
他認為，數字金融創新其面對的特殊挑戰主要是模型歧視、算法趨同、隱私保護等。
模型歧視指模型輸出的結果出現對某些群體的集體性偏見、差評和政治限制。算法趨同指在不同機構的量化交易之類的智能金融程序中，由于算法邏輯趨同，出現相同的市場趨勢的預測，執行相同的市場交易策略，導致單邊化市場交易，可能引發暴漲暴跌的市場危機。
李禮輝強調，數字金融創新必須以金融安全為前提，必須實現符合倫理標準的金融平等，保障符合安全標準的金融效率，營造符合經濟規律的創新模式。
具體來說，一是行業級的垂直模型與企業級垂直模型融合發展，用海量數據預訓練行業級垂直模型，并持續調優，再根據不同需求調試差異化的應用，定制企業級的垂直模型，可以降低模型開發的邊際成本，擴展垂直模型的應用范圍。金融業涵蓋金融、保險、證券投資、財富管理等領域。同一領域的金融服務和管理需求大同小異，采用行業級和企業級垂直模型融合發展的技術路線，同時選擇適當的商業模式，有利于實現高效率、低投入、個性化的金融創新需求。
二是建設安全高效的數字金融創新制度。過于嚴苛的監管可能抑制創新和產業發展，可以考慮的原則是高、中、初、小。高是占領技術高地；中是全球領先的中國方案；初是我們有能力把風險消滅在萌芽狀態；小是實現風險概率和風險成本的最小化。
他認為，加快數字金融的監管創新。一是完善法律法規，明確數字金融各參與方的責任邊界，包括數字金融的基本原則，監管機構的職責和權限，金融機構的智能金融業務規范等等。
二是完善一體化參考式的金融監管系統，集成數字技術，共享多方監管數據，執行一致化的合規標準，覆蓋所有的金融機構穿透不同領域的金融市場和金融業務，實現金融監管全流程的智能化，降低監管成本，也降低被監管成本。 三是完善數字金融技術審核認證制度，賦予合格企業數字信任標志，完善人工智能大模型測試的平臺、工具、標準和方法。
