人工智能在金融中的應用探究

摘 要：自從阿爾法狗一戰成名之后，其背后的人工智能技術引發了人們的熱議。人工智能技術在一系列領域都表現了巨大的應用潛力。本文主要探究了人工智能在金融中的應用，包括應用驅動力、應用案例和應用思考。本文認為人工智能在金融中有著廣闊的應用前景，但也面臨著安全問題、決策盲區和責任問題。

關鍵詞：人工智能；金融；技術應用

一、介紹

自從名為“阿爾法狗”的人工智能圍棋戰勝韓國頂尖棋手李世石一戰成名之后，人工智能成為人們熱議的話題。人工智能的概念最早可以追溯到1956年的達特茅斯會議，當時的與會者提出“學習和智能的每一個方面都能被精確地描述，使得人們可以制造一臺機器來模擬它”，為這個致力于通過機器來模擬人類智能的新領域定下了名字——人工智能（Artificial Intelligence）。人工智能在1956年到1974年之間和1980年到1987年之間經歷了兩次大的發展熱潮，然而由于當時計算機技術的水平限制和人們過高的期望，真正的人工智能并沒有能夠實現，人們只能把對人工智能的期望寄托在一系列科幻電影中。

2000年以來，數據量的上漲、運算力的提升和深度學習算法的出現極大地促進了人工智能行業的發展，一系列新的人工智能程序震驚了世界。除了前面提到的阿爾法狗圍棋程序，谷歌公司開發的計算機視覺算法可以在不用人教的情況下，自主地區分貓和狗這兩種動物，IBM Watson的醫療程序可以自動識別出醫學影像中的腫瘤位置，輔助醫生進行醫療診斷，連我們每天都在用的支付寶也支持了人臉識別的功能，刷臉即可支付，既方便又安全。

金融作為一個關乎國計民生的重要領域，有著豐富的應用場景，能夠讓人工智能技術大展身手。最近幾年來，人工智能與金融應用結合得越來越緊密，并且在智慧銀行、保險、征信、投顧等一系列金融服務中嶄露頭角。在本文中，我會圍繞人工智能技術在金融中的應用，首先討論人工智能在金融中的應用驅動力，然后舉例說明人工智能在金融中的應用，最后給出我關于人工智能在金融中的應用思考。

二、人工智能在金融中的應用驅動力

人工智能能夠在金融領域有所作為，一方面得益于人工智能本身的技術進步，另一方面得益于金融領域提供的數據和豐富的應用場景。在這一章，我們將這些驅動力總結為技術、數據和場景三個方面。

（一）技術

隨著卷積神經網絡、深度學習、并行計算等基礎技術的發展和突破，人工智能在各個方面都取得了巨大的進展，其中與金融最為相關的包括機器學習、語音識別、自然語言處理和計算機視覺等。

1.機器學習：機器學習就是讓機器模擬人類的行為，根據給定的輸入做出判斷或者預測。機器學習可以在海量的金融大數據中學習各種規律和方法，然后應用到金融業務的各個階段，從而有效地優化流程、提升效率。

2.語音識別：語音識別將人類的語音信號轉換成計算機能夠理解的指令。在金融服務中，經常會出現與語音相關的業務，例如電話客服、各類智能終端的語音導航、業務咨詢等。

3.自然語言處理：自然語言處理主要用于文本中的有效信息提取，可以顯著提升金融行業獲取、清洗、加工和分析數據的效率。在金融中，自然語言處理技術可以用于提取新聞公告、年報、研究報告中的關鍵指標，進行分析總結，從而減少不必要的人力勞動。

4.計算機視覺：計算機視覺技術是從圖片或視頻中，識別出重要的目標，例如人臉識別和物體識別等。在金融中，應用人臉識別技術，可以實現客戶的身份認證、遠程開戶、無卡取款、刷臉支付、金庫管理和網絡借貸等。

（二）數據

金融豐富的應用產生了大量的數據。電子交易平臺、零售信貸評分系統等金融基礎設施日益完善，結構化的高質量市場數據日益增加，市場的電腦化使人工智能算法與金融市場實現了直接交互。網絡搜索趨勢、收視率模式和社交媒體等數據集，以及金融市場數據日益增長，促使金融領域可供挖掘的數據來源日益增長

同時，數據的存儲變得越來越便宜。2009-2017年，全球以數字形態存在的數據量從2澤字節（ZB）增至26澤字節，增長了12倍；而每太字節（TB）的存儲成本從9美分降至0.5美分，下降了94%。

（三）場景

金融應用的場景豐富：一方面，金融中有很多面向專業機構和高凈值客服的服務，例如投研報告的撰寫、銀行貸款等；另一方面，金融中也有很多面向個人用戶的服務，例如個人金融服務、小額貸款等。不同場景對于人工智能技術的要求也是不一樣的，從而對人工智能技術提出了更多樣化的要求，促進了人工智能技術在不同場景下的發展。

三、人工智能在金融中的應用案例

上一章中我提到了金融應用的場景十分豐富。在這一章，我以智慧銀行和智能保險為例，探討目前人工智能技術在金融中的具體應用。

（一）智慧銀行

在智能化趨勢下，銀行利用人工智能、大數據等新興技術，再造和升級銀行服務方式與業務模式，打造智慧銀行。人工智能的應用可以滲透到銀行業的方方面面，從前臺的智能客服、智能自助終端、智能身份鑒別、刷臉支付，到后臺的精準營銷、智能風控和輔助決策，都有人工智能技術的身影。

（二）智能保險

保險行業是比較傳統的行業，但是在互聯網的沖擊下也面臨著重大的發展挑戰，一系列互聯網保險產品的推出與傳統的保險產品之間形成了競爭關系。在這樣的背景下，智能保險應運而生。智能保險是利用大數據、人工智能、區塊鏈等技術實現保險從售前到承保、理賠和售后的全流程優化。從售前的精準用戶畫像、承保過程中的風險評估、核保流程的自動化，到售后的識別高退保風險保單，人工智能技術都大有可為。

四、人工智能在金融中的應用思考

盡管目前人工智能在金融中取得了一些成功，并展現了巨大的應用前景，我忍不住思考目前人工智能在金融中進行商業化的過程中是否有什么問題或者挑戰？在我看來，至少有以下三個問題需要得到解決：

1.安全問題：金融中涉及到大量用戶的敏感數據，如何保證銀行系統的信息安全和用戶的數據安全在未來會是永恒的話題。在很多電影中，黑客正是通過攻擊銀行的信息系統，或者冒用客戶的身份，從而攫取大量財富。這樣的情節是否會在現實中出現，以及我們要如何應對黑客的攻擊都是值得我們進一步思考的。

人工智能程序本身的失控也是一個潛在的威脅。一旦我們將信息系統都托付于人工智能程序，是否還有能力將控制權奪回人類手中。因此我們在大力發展人工智能技術的同時，也要做好防范人工智能程序的準備。

2.決策盲區：盡管目前人工智能技術可以處理很多事情，它們本質上還是基于過去的數據，模擬人類的決策過程。一旦出現之前沒有出現過的突發情況，現在的人工智能程序很容易陷入茫然不知所措的狀況。人工智能技術有待進一步發展，才能懂得如何處理這些新的情況。

3.責任問題：當我們把很多的金融業務托付給計算機和人工智能程序，并不意味著人類操作員在這個過程中就可以置身事外，不負責任。一旦出現了問題，金融機構能否定位到事故的責任，例如是程序的開發人員的程序編寫問題或者是金融機構的員工的操作不當，也是未來人工智能在金融中面臨的挑戰。

五、結束語

圍繞人工智能在金融中的應用，本文討論了人工智能在金融中的應用驅動力，包括技術、數據和場景；以智慧銀行和智慧保險為例，說明了人工智能技術在金融中的具體應用；最后探討了人工智能在金融中面臨的挑戰，包括安全問題、決策盲區和責任問題。經過討論，我認為人工智能在金融領域可以大展身手，但是也需要更好地解決那些我提出的問題，才能實現更好的發展。

參考文獻：

[1]湯曉鷗，陳玉琨.人工智能基礎（高中版）[J].基礎教育課程，2018，（11）.

[2]李季青.淺談人工智能在金融領域中的應用[J].中國民商，2018，（02）.

[3]程東亮.人工智能在金融領域應用現狀及安全風險探析[J].金融科技時代，2016，（09）：47-49.

[4]楊濤.對人工智能在金融領域應用的思考[J].國際金融，2016，（12）：24-27.

[5]中國人民銀行武漢分行辦公室課題組，韓飚，胡德.人工智能在金融領域的應用及應對[J].武漢金融，2016，（07）：46-47.

作者簡介：

李莊，重慶市第十一中學校。