人工智能及其在金融領(lǐng)域的應用

人工智能及其在金融領(lǐng)域的應用當前，我國經(jīng)濟進展處于舊動能轉(zhuǎn)換關(guān)鍵期，人工智能對于我國搶占科技制高點，推動供給側(cè)構(gòu)造性改革，實現(xiàn)社會生產(chǎn)力躍升，提高綜合國力和國際競爭力具有重要意義。2022年7月，國務院公布了《一代人工智能通過建立金融大數(shù)據(jù)系統(tǒng)，提升金融多媒體數(shù)據(jù)處理與理解力量；創(chuàng)智能金融產(chǎn)品和效勞，進展金融業(yè)態(tài)；鼓舞金融行業(yè)應用智能客服、智能監(jiān)控等技術(shù)和裝備，建立金融風險智能預警與防控系統(tǒng)。人工智能將對我國金融業(yè)的轉(zhuǎn)型升級、提升競爭力產(chǎn)生深遠影響。下載論文網(wǎng)定義人工智能〔ArtificialIntelligence，簡稱AI〕是爭論使用計算機模擬、延長和擴展人的智能的理論、方法和技術(shù)的興科學。作為計算機科學的重要分支，人工智能進展的主要目標是使計算機能夠勝任通常需要人類智能才能完成的簡單工作。主要技術(shù)及應用人工智能在技術(shù)層面主要包括算法和利用算法開發(fā)的相關(guān)應用。神經(jīng)網(wǎng)絡(luò)、遺傳算法和隱馬爾柯夫鏈是目前使用較為廣泛的算法，建立在上述算法之上的人工智能核心應用深度學習是人工智能技術(shù)的重要領(lǐng)域，旨在建立可以模擬人腦進展分析學習的神經(jīng)網(wǎng)絡(luò)，仿照人腦的機制來解釋數(shù)據(jù)。自然語言處理是指讓計算機能夠聽懂、理解人類的語言，主要包括語音識別和語義識別。語音識別是讓機器能夠“聽懂、會說”實內(nèi)涵。計算機視覺識別技術(shù)是人工智能核心技術(shù)之一，主要有生物特征識別、物體與場景識別。生物特征識別主要包括人臉識別、指紋識別、虹膜識別等，已廣泛應用于金融、安防等領(lǐng)域；物體與場景識別是爭論人類如何感知和加工簡單的真實環(huán)境信息，主要應用于軍事上的武器投射、醫(yī)療上的影像掃描關(guān)心診斷及工業(yè)上的無人駕駛等領(lǐng)域。進展歷程依據(jù)人工智能的進展程度，大致可分為三個階段：第一階段：計算智能。機器具備像人類一樣的記憶力量和計算力量，能夠存儲和處理海量數(shù)據(jù)，幫助人類完成大量的存儲和簡單的計算，這一步是感知和認知的根底。幫助人類完成“看”和“聽”的簡潔工作。目前人工智能進展正處在感知智能階段，語音識別、理解和圖像識別正在快速發(fā)展。第三階段：認知智能。機器具備像人類一樣的學習和思考力量，能夠單獨做出決策和實行行動，能夠局部或全部替代人類的工作。認知智能是目前機器與人差距最大的領(lǐng)域，也是目前各大科技巨頭都在迫切查找突破的領(lǐng)域。人工智能的產(chǎn)業(yè)鏈人工智能的產(chǎn)業(yè)鏈包括根底支撐層、技術(shù)應用層和方案集成層。根底支撐層是支撐人工智能運行的根底設(shè)施，包括CPUGPU及實現(xiàn)人工智能算法等軟件。技術(shù)應用層是在根底支撐層供給的軟硬件根底之上，有針對性開發(fā)的技術(shù)應用，包括語音識別、自然語言處理、圖像識別、推測規(guī)劃和智能掌握等。形成更大領(lǐng)域的綜合系統(tǒng)解決方案，比方才智城市、才智金融、才智醫(yī)療等。完整集成的智能效勞是人工智能將來的進展方向。人工智能產(chǎn)業(yè)進展狀況全球人工智能產(chǎn)業(yè)進展狀況2022年全球人工智能市場規(guī)模將到達17%。202220225年間，52542022年的倍；全球人工智能融資規(guī)模約達224億美元，僅2022年的融資規(guī)模就達到億美元。從全球范圍來看，人工智能領(lǐng)先的國家主要有美國、中國及其他興旺國家。截至2022年6月，全球人工智能企業(yè)2542107842%；中國59223%872家企業(yè)分布在瑞典、加坡、日本、英國、澳大利亞、以色列、印度等國家。美AI產(chǎn)業(yè)布局方面全面領(lǐng)先其他國家，在根底層、技術(shù)層和應用層，尤其是在算法、芯片和數(shù)據(jù)等產(chǎn)業(yè)核心領(lǐng)域，積存了強大的技術(shù)創(chuàng)優(yōu)勢。國外科技巨頭公司包括谷歌、微軟、英特爾、FACEBOOKIBM科技公司主要聚焦于人工智能根底層，重點爭論人工智能的核心算法，并在應用層全面推動人工智能商業(yè)化。IBM、谷歌在人工智能核心算法、智能搜尋、無人駕駛、醫(yī)療診斷等領(lǐng)域領(lǐng)先布局且行業(yè)領(lǐng)先；FACEBOOK、微軟、蘋果側(cè)重于社交應用，重點布局語音識別、圖像識別、智能機器人等領(lǐng)域；英偉達、英特爾謀求業(yè)務轉(zhuǎn)型，重點研發(fā)適合深度學習的AI芯片。我國人工智能產(chǎn)業(yè)進展狀況據(jù)《參考消息報》報道，2022年中國人工智能市場規(guī)?？?392022381復合增長率達%2022年人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，帶動相關(guān)產(chǎn)1萬億元；20254000億元，相關(guān)產(chǎn)業(yè)規(guī)模超過5萬億元；2030年核心?a業(yè)規(guī)模超過1萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。目前，我國起步較早、技術(shù)較為成熟的人工智能技術(shù)公司主要以百度、阿里巴巴和騰訊三家互聯(lián)網(wǎng)企業(yè)為代表〔以BAT不僅開展人工智能技術(shù)的根底性爭論工作，而且本身具備強大的智能金融應用場景，因此處于人工智能金融生態(tài)效勞的頂端。阿里巴巴旗下的螞蟻金服在人工智能金融領(lǐng)域的應用最為深化。螞蟻金服已將人工智能運用于互聯(lián)網(wǎng)小貸保險征信、智能投顧客戶效勞等多個領(lǐng)域依據(jù)螞蟻金服公布的數(shù)據(jù)，網(wǎng)商銀行在“花唄”與“微貸”業(yè)務上，使用機器學習把虛假交易率降低了近10倍；基于深度學習的OCR系統(tǒng)使支付寶證件校核時間從1天縮短到1秒，同時提升了30%的通過率。此外，螞蟻金服聯(lián)合華為、三星等共同發(fā)起了互聯(lián)網(wǎng)金融身份認證聯(lián)盟〔IFA，現(xiàn)已成為國內(nèi)市場上支持設(shè)備與用戶最多的互聯(lián)網(wǎng)金融身份認證行業(yè)標準。 除BAT等金融智能生態(tài)企業(yè)外，一些傳統(tǒng)金融機構(gòu)、金融科技公司在人工智能領(lǐng)域加大投入，在人工智能的垂直細分領(lǐng)域得到了快速進展。同花順、網(wǎng)信集團、恒生電子、東方財寶、東吳在線等金融科技公司開發(fā)的產(chǎn)品已應用于證券行業(yè)的智能投顧、量化交易等金融細分領(lǐng)域；第四范式、佳都科技、銀之杰、科大訊飛的產(chǎn)品主要應用于風險治理、信用評估、遠程開戶、票據(jù)影像識別等方面。人工智能在金融領(lǐng)域的應用狀況目前，人工智能技術(shù)在金融領(lǐng)域應用的范圍主要集中在身份識別、量化交易、投資參謀、客服效勞、風險治理等方面?？蛻羯矸葑R別客戶身份識別主要是通過人臉識別、虹膜識別、指紋識別等生物識別技術(shù)快速提取客戶特征進展高效身份驗證的人工智能應用。技術(shù)的進步使生物識別技術(shù)可廣泛應用于銀行柜臺聯(lián)網(wǎng)核查、VTM機自助開卡、遠程開戶、支付結(jié)算、反欺詐治理等業(yè)務領(lǐng)域中，可提高銀行柜臺人員約30%的工作效率，縮短客戶約40%的平均等待時間?；ヂ?lián)網(wǎng)銀行已將人臉識別技術(shù)視為通過互聯(lián)網(wǎng)拓展客戶的打算性手段；傳統(tǒng)金融機構(gòu)也開頭重視人臉識別技術(shù)的應用。智能量化交易量化交易是指通過對財務數(shù)據(jù)、交易數(shù)據(jù)和市場數(shù)據(jù)進展傳統(tǒng)的量化交易方法嚴格遵循根本假設(shè)條件，模型是靜態(tài)的，不適應瞬息萬變的市場。人工智能量化交易能夠使用機器學習技術(shù)進展回測，自動優(yōu)化模型，自動調(diào)整投資策略，在躲避市場波動下的非理性選擇、防范非系統(tǒng)性風險和獵取確定性收益方面更具比較優(yōu)勢，因此在證券投資領(lǐng)域得到快速進展。智能投顧智能投顧又稱機器人投顧〔Robo-Advisor依據(jù)投資者的風險偏好、財務狀況與理財目標，運用智能算法及投資組合理論，為用戶供給智能化的投資治理效勞。智能投顧主要效勞于長尾客戶，它的應用價值在于可代替或部分替代昂貴的財務參謀人工效勞，將投資參謀效勞標準化、批量化，降低效勞本錢，降低財寶治理的費率和投資門檻，實現(xiàn)普惠金融。智能客服智能客服主要是以語音識別、自然語言理解、學問圖譜為技術(shù)根底，通過、網(wǎng)上、APP、短信、微信等渠道與客戶進展語音或文本上的互動溝通，理解客戶需求，語音回復客戶提出的業(yè)務詢問，并能依據(jù)客戶語音導航至指定業(yè)務模塊。智能客服為寬闊長尾客戶供給了更為便捷和共性化的效勞，在降低人工效勞壓力和運營本錢的同時進一步增加了用戶體驗。征信反欺詐學問圖譜、深度學習等技術(shù)應用于征信反欺詐領(lǐng)域，其模式是將不同來源的構(gòu)造化和非構(gòu)造化大數(shù)據(jù)整合在一起，分析諸如企業(yè)上下游、合作對手、競爭對手、母子公司、投資等關(guān)系數(shù)據(jù)，使用學問圖譜等技術(shù)可大規(guī)模監(jiān)測其中存在的不全都性，覺察可能存在的欺詐疑點。信貸決策“大?稻?+人工智能技術(shù)”建立的信用評估模型，關(guān)聯(lián)學問圖譜可以建立精準的用戶畫像，支持信貸審批人員在履約力量和履約意愿等方面對用戶進展綜合評定，提高風險管控力量。主要問題智能金融的應用領(lǐng)域有限。目前人工智能已在身份識別、智能客服、量化分析等金融領(lǐng)域取得了肯定進展，但除人臉識別技術(shù)成熟度較高，具備大范圍推廣使用條件之外，其他應用還比較單一、行業(yè)大規(guī)模應用尚需時日。德勤公布的《銀行業(yè)的AI數(shù)字化銀行報告》顯示，只有15%的金融AIAI的部署遠遠落后于其他行業(yè)。計算機處理力量缺乏。金融行業(yè)是智力密集型行業(yè)，人工智能在金融行業(yè)的模型算法格外簡單，數(shù)據(jù)訓練工作量很大。主流的深度神經(jīng)網(wǎng)絡(luò)算法要求計算機具備先進的半導體、微處理器和高性能計算技術(shù)，能夠并發(fā)處理超大規(guī)模數(shù)據(jù)，目前的計算機處理力量雖有長足進步，但應付簡單人工GPU依靠進口，不僅本錢高，還面臨著興旺國家的貿(mào)易壁壘。金融數(shù)據(jù)共享性缺乏。機器學習是人工智能的核心技金融行業(yè)的數(shù)據(jù)積存量較大，但除公開的金融市場交易數(shù)據(jù)外，各家金融機構(gòu)出于金融數(shù)據(jù)安全考慮，很難主動向金融科技公司開放其內(nèi)部海量數(shù)據(jù)，在肯定程度上制約了人工智能在金融領(lǐng)域的創(chuàng)應用。政策建議加強智能金融產(chǎn)業(yè)創(chuàng)體系建設(shè)，加快推動應用創(chuàng)。將來可考慮設(shè)立一些國家級智能金融創(chuàng)中心和重點試驗室，加強智能金融標準化工作，爭論專利合作授權(quán)機制和風險防控機制；推動智能感知、模式識別、智能分析、智能控制等智能技術(shù)在智能金融領(lǐng)域的深入應用；促進傳統(tǒng)金融機構(gòu)加大對智能金融的投入，提升人工智能技術(shù)創(chuàng)和應用水平。加快智能金融關(guān)鍵技術(shù)研發(fā)，夯實根底產(chǎn)業(yè)力量。加快研發(fā)深度學習、增加學習、遷移學習等根底算法；加強計算機視聽覺、生物特征識別、自然語言理解、機器翻譯、智能決策掌握等共性技術(shù)的研發(fā)；加快進展面對智能金融的計算芯片、智能傳感器、操作系統(tǒng)、存儲系統(tǒng)、中間件、重點設(shè)網(wǎng)絡(luò)安全等關(guān)鍵網(wǎng)絡(luò)支撐技術(shù)。加快智能金融大數(shù)據(jù)根底設(shè)施建設(shè)?？煽紤]由監(jiān)管部門牽頭，協(xié)調(diào)各方利益，逐步推動建立智能金融大數(shù)據(jù)系統(tǒng)，為將來人工智能在金融領(lǐng)域的應用推廣夯實數(shù)據(jù)根底。加強智能金融領(lǐng)域的法規(guī)政策爭論。與其他技術(shù)一樣，人工智能技術(shù)也是一把“雙