论文部分内容阅读
摘 要：自从阿尔法狗一战成名之后，其背后的人工智能技术引发了人们的热议。人工智能技术在一系列领域都表现了巨大的应用潜力。本文主要探究了人工智能在金融中的应用，包括应用驱动力、应用案例和应用思考。本文认为人工智能在金融中有着广阔的应用前景，但也面临着安全问题、决策盲区和责任问题。
关键词：人工智能；金融；技术应用
一、介绍
自从名为“阿尔法狗”的人工智能围棋战胜韩国顶尖棋手李世石一战成名之后，人工智能成为人们热议的话题。人工智能的概念最早可以追溯到1956年的达特茅斯会议，当时的与会者提出“学习和智能的每一个方面都能被精确地描述，使得人们可以制造一台机器来模拟它”，为这个致力于通过机器来模拟人类智能的新领域定下了名字——人工智能（Artificial Intelligence）。人工智能在1956年到1974年之间和1980年到1987年之间经历了两次大的发展热潮，然而由于当时计算机技术的水平限制和人们过高的期望，真正的人工智能并没有能够实现，人们只能把对人工智能的期望寄托在一系列科幻电影中。
2000年以来，数据量的上涨、运算力的提升和深度学习算法的出现极大地促进了人工智能行业的发展，一系列新的人工智能程序震惊了世界。除了前面提到的阿尔法狗围棋程序，谷歌公司开发的计算机视觉算法可以在不用人教的情况下，自主地区分猫和狗这两种动物，IBM Watson的医疗程序可以自动识别出医学影像中的肿瘤位置，辅助医生进行医疗诊断，连我们每天都在用的支付宝也支持了人脸识别的功能，刷脸即可支付，既方便又安全。
金融作为一个关乎国计民生的重要领域，有着丰富的应用场景，能够让人工智能技术大展身手。最近几年来，人工智能与金融应用结合得越来越紧密，并且在智慧银行、保险、征信、投顾等一系列金融服务中崭露头角。在本文中，我会围绕人工智能技术在金融中的应用，首先讨论人工智能在金融中的应用驱动力，然后举例说明人工智能在金融中的应用，最后给出我关于人工智能在金融中的应用思考。
二、人工智能在金融中的应用驱动力
人工智能能够在金融领域有所作为，一方面得益于人工智能本身的技术进步，另一方面得益于金融领域提供的数据和丰富的应用场景。在这一章，我们将这些驱动力总结为技术、数据和场景三个方面。
（一）技术
随着卷积神经网络、深度学习、并行计算等基础技术的发展和突破，人工智能在各个方面都取得了巨大的进展，其中与金融最为相关的包括机器学习、语音识别、自然语言处理和计算机视觉等。
1.机器学习：机器学习就是让机器模拟人类的行为，根据给定的输入做出判断或者预测。机器学习可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。
2.语音识别：语音识别将人类的语音信号转换成计算机能够理解的指令。在金融服务中，经常会出现与语音相关的业务，例如电话客服、各类智能终端的语音导航、业务咨询等。
3.自然语言处理：自然语言处理主要用于文本中的有效信息提取，可以显著提升金融行业获取、清洗、加工和分析数据的效率。在金融中，自然语言处理技术可以用于提取新闻公告、年报、研究报告中的关键指标，进行分析总结，从而减少不必要的人力劳动。
4.计算机视觉：计算机视觉技术是从图片或视频中，识别出重要的目标，例如人脸识别和物体识别等。在金融中，应用人脸识别技术，可以实现客户的身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等。
（二）数据
金融丰富的应用产生了大量的数据。电子交易平台、零售信贷评分系统等金融基础设施日益完善，结构化的高质量市场数据日益增加，市场的电脑化使人工智能算法与金融市场实现了直接交互。网络搜索趋势、收视率模式和社交媒体等数据集，以及金融市场数据日益增长，促使金融领域可供挖掘的数据来源日益增长
同时，数据的存储变得越来越便宜。2009-2017年，全球以数字形态存在的数据量从2泽字节（ZB）增至26泽字节，增长了12倍；而每太字节（TB）的存储成本从9美分降至0.5美分，下降了94%。
（三）场景
金融应用的场景丰富：一方面，金融中有很多面向专业机构和高净值客服的服务，例如投研报告的撰写、银行贷款等；另一方面，金融中也有很多面向个人用户的服务，例如个人金融服务、小额贷款等。不同场景对于人工智能技术的要求也是不一样的，从而对人工智能技术提出了更多样化的要求，促进了人工智能技术在不同场景下的发展。
三、人工智能在金融中的应用案例
上一章中我提到了金融应用的场景十分丰富。在这一章，我以智慧银行和智能保险为例，探讨目前人工智能技术在金融中的具体应用。
（一）智慧银行
在智能化趋势下，银行利用人工智能、大数据等新兴技术，再造和升级银行服务方式与业务模式，打造智慧银行。人工智能的应用可以渗透到银行业的方方面面，从前台的智能客服、智能自助终端、智能身份鉴别、刷脸支付，到后台的精准营销、智能风控和辅助决策，都有人工智能技术的身影。
（二）智能保险
保险行业是比较传统的行业，但是在互联网的冲击下也面临着重大的发展挑战，一系列互联网保险产品的推出与传统的保险产品之间形成了竞争关系。在这样的背景下，智能保险应运而生。智能保险是利用大数据、人工智能、区块链等技术实现保险从售前到承保、理赔和售后的全流程优化。从售前的精准用户画像、承保过程中的风险评估、核保流程的自动化，到售后的识别高退保风险保单，人工智能技术都大有可为。
四、人工智能在金融中的应用思考
尽管目前人工智能在金融中取得了一些成功，并展现了巨大的应用前景，我忍不住思考目前人工智能在金融中進行商业化的过程中是否有什么问题或者挑战？在我看来，至少有以下三个问题需要得到解决： 1.安全问题：金融中涉及到大量用户的敏感数据，如何保证银行系统的信息安全和用户的数据安全在未来会是永恒的话题。在很多电影中，黑客正是通过攻击银行的信息系统，或者冒用客户的身份，从而攫取大量财富。这样的情节是否会在现实中出现，以及我们要如何应对黑客的攻击都是值得我们进一步思考的。
人工智能程序本身的失控也是一个潜在的威胁。一旦我们将信息系统都托付于人工智能程序，是否还有能力将控制权夺回人类手中。因此我们在大力发展人工智能技术的同时，也要做好防范人工智能程序的准备。
2.决策盲区：尽管目前人工智能技术可以处理很多事情，它们本质上还是基于过去的数据，模拟人类的决策过程。一旦出现之前没有出现过的突发情况，现在的人工智能程序很容易陷入茫然不知所措的状况。人工智能技术有待进一步发展，才能懂得如何处理这些新的情况。
3.责任问题：当我们把很多的金融业务托付给计算机和人工智能程序，并不意味着人类操作员在这个过程中就可以置身事外，不负责任。一旦出现了问题，金融机构能否定位到事故的责任，例如是程序的开发人员的程序编写问题或者是金融机构的员工的操作不当，也是未来人工智能在金融中面临的挑战。
五、结束语
围绕人工智能在金融中的应用，本文讨论了人工智能在金融中的应用驱动力，包括技术、数据和场景；以智慧银行和智慧保险为例，说明了人工智能技术在金融中的具体应用；最后探讨了人工智能在金融中面临的挑战，包括安全问题、决策盲区和责任问题。经过讨论，我认为人工智能在金融领域可以大展身手，但是也需要更好地解决那些我提出的问题，才能实现更好的发展。
参考文献：
[1]汤晓鸥，陈玉琨.人工智能基础（高中版）[J].基础教育课程，2018，（11）.
[2]李季青.浅谈人工智能在金融领域中的应用[J].中国民商，2018，（02）.
[3]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技時代，2016，（09）：47-49.
[4]杨涛.对人工智能在金融领域应用的思考[J].国际金融，2016，（12）：24-27.
[5]中国人民银行武汉分行办公室课题组，韩飚，胡德.人工智能在金融领域的应用及应对[J].武汉金融，2016，（07）：46-47.
作者简介：
李庄，重庆市第十一中学校。
关键词：人工智能；金融；技术应用
一、介绍
自从名为“阿尔法狗”的人工智能围棋战胜韩国顶尖棋手李世石一战成名之后，人工智能成为人们热议的话题。人工智能的概念最早可以追溯到1956年的达特茅斯会议，当时的与会者提出“学习和智能的每一个方面都能被精确地描述，使得人们可以制造一台机器来模拟它”，为这个致力于通过机器来模拟人类智能的新领域定下了名字——人工智能（Artificial Intelligence）。人工智能在1956年到1974年之间和1980年到1987年之间经历了两次大的发展热潮，然而由于当时计算机技术的水平限制和人们过高的期望，真正的人工智能并没有能够实现，人们只能把对人工智能的期望寄托在一系列科幻电影中。
2000年以来，数据量的上涨、运算力的提升和深度学习算法的出现极大地促进了人工智能行业的发展，一系列新的人工智能程序震惊了世界。除了前面提到的阿尔法狗围棋程序，谷歌公司开发的计算机视觉算法可以在不用人教的情况下，自主地区分猫和狗这两种动物，IBM Watson的医疗程序可以自动识别出医学影像中的肿瘤位置，辅助医生进行医疗诊断，连我们每天都在用的支付宝也支持了人脸识别的功能，刷脸即可支付，既方便又安全。
金融作为一个关乎国计民生的重要领域，有着丰富的应用场景，能够让人工智能技术大展身手。最近几年来，人工智能与金融应用结合得越来越紧密，并且在智慧银行、保险、征信、投顾等一系列金融服务中崭露头角。在本文中，我会围绕人工智能技术在金融中的应用，首先讨论人工智能在金融中的应用驱动力，然后举例说明人工智能在金融中的应用，最后给出我关于人工智能在金融中的应用思考。
二、人工智能在金融中的应用驱动力
人工智能能够在金融领域有所作为，一方面得益于人工智能本身的技术进步，另一方面得益于金融领域提供的数据和丰富的应用场景。在这一章，我们将这些驱动力总结为技术、数据和场景三个方面。
（一）技术
随着卷积神经网络、深度学习、并行计算等基础技术的发展和突破，人工智能在各个方面都取得了巨大的进展，其中与金融最为相关的包括机器学习、语音识别、自然语言处理和计算机视觉等。
1.机器学习：机器学习就是让机器模拟人类的行为，根据给定的输入做出判断或者预测。机器学习可以在海量的金融大数据中学习各种规律和方法，然后应用到金融业务的各个阶段，从而有效地优化流程、提升效率。
2.语音识别：语音识别将人类的语音信号转换成计算机能够理解的指令。在金融服务中，经常会出现与语音相关的业务，例如电话客服、各类智能终端的语音导航、业务咨询等。
3.自然语言处理：自然语言处理主要用于文本中的有效信息提取，可以显著提升金融行业获取、清洗、加工和分析数据的效率。在金融中，自然语言处理技术可以用于提取新闻公告、年报、研究报告中的关键指标，进行分析总结，从而减少不必要的人力劳动。
4.计算机视觉：计算机视觉技术是从图片或视频中，识别出重要的目标，例如人脸识别和物体识别等。在金融中，应用人脸识别技术，可以实现客户的身份认证、远程开户、无卡取款、刷脸支付、金库管理和网络借贷等。
（二）数据
金融丰富的应用产生了大量的数据。电子交易平台、零售信贷评分系统等金融基础设施日益完善，结构化的高质量市场数据日益增加，市场的电脑化使人工智能算法与金融市场实现了直接交互。网络搜索趋势、收视率模式和社交媒体等数据集，以及金融市场数据日益增长，促使金融领域可供挖掘的数据来源日益增长
同时，数据的存储变得越来越便宜。2009-2017年，全球以数字形态存在的数据量从2泽字节（ZB）增至26泽字节，增长了12倍；而每太字节（TB）的存储成本从9美分降至0.5美分，下降了94%。
（三）场景
金融应用的场景丰富：一方面，金融中有很多面向专业机构和高净值客服的服务，例如投研报告的撰写、银行贷款等；另一方面，金融中也有很多面向个人用户的服务，例如个人金融服务、小额贷款等。不同场景对于人工智能技术的要求也是不一样的，从而对人工智能技术提出了更多样化的要求，促进了人工智能技术在不同场景下的发展。
三、人工智能在金融中的应用案例
上一章中我提到了金融应用的场景十分丰富。在这一章，我以智慧银行和智能保险为例，探讨目前人工智能技术在金融中的具体应用。
（一）智慧银行
在智能化趋势下，银行利用人工智能、大数据等新兴技术，再造和升级银行服务方式与业务模式，打造智慧银行。人工智能的应用可以渗透到银行业的方方面面，从前台的智能客服、智能自助终端、智能身份鉴别、刷脸支付，到后台的精准营销、智能风控和辅助决策，都有人工智能技术的身影。
（二）智能保险
保险行业是比较传统的行业，但是在互联网的冲击下也面临着重大的发展挑战，一系列互联网保险产品的推出与传统的保险产品之间形成了竞争关系。在这样的背景下，智能保险应运而生。智能保险是利用大数据、人工智能、区块链等技术实现保险从售前到承保、理赔和售后的全流程优化。从售前的精准用户画像、承保过程中的风险评估、核保流程的自动化，到售后的识别高退保风险保单，人工智能技术都大有可为。
四、人工智能在金融中的应用思考
尽管目前人工智能在金融中取得了一些成功，并展现了巨大的应用前景，我忍不住思考目前人工智能在金融中進行商业化的过程中是否有什么问题或者挑战？在我看来，至少有以下三个问题需要得到解决： 1.安全问题：金融中涉及到大量用户的敏感数据，如何保证银行系统的信息安全和用户的数据安全在未来会是永恒的话题。在很多电影中，黑客正是通过攻击银行的信息系统，或者冒用客户的身份，从而攫取大量财富。这样的情节是否会在现实中出现，以及我们要如何应对黑客的攻击都是值得我们进一步思考的。
人工智能程序本身的失控也是一个潜在的威胁。一旦我们将信息系统都托付于人工智能程序，是否还有能力将控制权夺回人类手中。因此我们在大力发展人工智能技术的同时，也要做好防范人工智能程序的准备。
2.决策盲区：尽管目前人工智能技术可以处理很多事情，它们本质上还是基于过去的数据，模拟人类的决策过程。一旦出现之前没有出现过的突发情况，现在的人工智能程序很容易陷入茫然不知所措的状况。人工智能技术有待进一步发展，才能懂得如何处理这些新的情况。
3.责任问题：当我们把很多的金融业务托付给计算机和人工智能程序，并不意味着人类操作员在这个过程中就可以置身事外，不负责任。一旦出现了问题，金融机构能否定位到事故的责任，例如是程序的开发人员的程序编写问题或者是金融机构的员工的操作不当，也是未来人工智能在金融中面临的挑战。
五、结束语
围绕人工智能在金融中的应用，本文讨论了人工智能在金融中的应用驱动力，包括技术、数据和场景；以智慧银行和智慧保险为例，说明了人工智能技术在金融中的具体应用；最后探讨了人工智能在金融中面临的挑战，包括安全问题、决策盲区和责任问题。经过讨论，我认为人工智能在金融领域可以大展身手，但是也需要更好地解决那些我提出的问题，才能实现更好的发展。
参考文献：
[1]汤晓鸥，陈玉琨.人工智能基础（高中版）[J].基础教育课程，2018，（11）.
[2]李季青.浅谈人工智能在金融领域中的应用[J].中国民商，2018，（02）.
[3]程东亮.人工智能在金融领域应用现状及安全风险探析[J].金融科技時代，2016，（09）：47-49.
[4]杨涛.对人工智能在金融领域应用的思考[J].国际金融，2016，（12）：24-27.
[5]中国人民银行武汉分行办公室课题组，韩飚，胡德.人工智能在金融领域的应用及应对[J].武汉金融，2016，（07）：46-47.
作者简介：
李庄，重庆市第十一中学校。