Page 29 - 金融科技视界2023-6期-如期而至 精彩继续！

Technical Tracking
技术追踪

的数据治理普遍处于起步阶段，数据低质量、数据孤岛、数据散 殊性，也存在各类复杂风险。因此，

乱等普遍存在，难以为人工智能提供充足的数据要素支撑。 基于风险可控和金融消费者保护的
二是场景的标准化。虽然人工智能的金融应用体现个性化、 逻辑，任何金融活动都需要有清晰
“千人千面”等特点，但长远来看在金融与技术的融合过程中，真 的责任分担机制。当引入人工智能之
正具有生命力的是标准化、通用型的金融科技创新场景，而非基 后， 原有的金融机构业务流程中的
于传统外包模式的差别化合作，这也是现有人工智能金融应用的 权责相称，可能会出现一些新的模糊

制约之一。 性，亟待从制度规则、业务实践、技
三是技术与方案的高成本门槛。人工智能在金融活动中的 术与业务、模型与人的关系等方面进
技术应用与解决方案设置，通常具有较高的部署成本，难以适应 一步探索。

广大中小金融机构的需要。据国盛证券的研究估算，GPT-3训练 七是合规性与伦理性。伴随着金
一次的成本约为140万美元，对于一些更大的 LLM（大型语言模 融科技的快速发展，各国的监管都
型），训练成本介于200万美元至1200万美元之间。 在与时俱进，面对动态演变的监管原
四是透明度与不可解释性。所谓可解释性，就是在一项行动 则与模式，人工智能的金融应用存
认识或决策过程中，需要从中获取充足的、可理解的信息，从而帮 在更突出的合规压力。同时，算法歧

助做决策。而在机器学习领域，在输入数据和输出答案之间通常 视、大数据杀熟、信息泄露等金融科
有被称为“黑箱”的不可观察空间。只有发展可解释、可信任的人 技伦理挑战，也给人工智能应用带来
工智能金融应用，才能实现用户信任、模型可审计性并降低风险。 “阴影”，仍需深入探索如何用“负

五是组织内部协调。就金融机构应用人工智能等前沿技术 责任”的科技创新打造“有温度”的
来说，通常难以形成有效的“激励相容”机制， 而促使内部利益 金融服务。
主体达成共识，以最大效率地体现技术创新价值。对此，如何在 总之，人工智能驱动金融业数
技术方案自身优化迭代的同时，努力通过规则设计来优化组织协 字化变革的图景已经展开，但这并非
调模式，也是人工智能绕不开的挑战。 一帆风顺，仍面临众多重大挑战，亟

六是责任分担。金融机构的产品设计与业务运行具有一定特 待自我优化与持续“闯关”。

2023.6 金融科技视界 27