AI入局金融，科技如何重塑行業(yè)？

“有一個問題?！绷_輯急忙說。……“你是真人還是機器，或者是一個程序？”

這個問題似乎并沒有讓咨詢員吃驚，她回答道：“我當然是真人，電腦怎么能夠處理這么復雜的業(yè)務(wù)？”

同廣告牌上的美人告別后，羅輯對史強說：“大史，有些事情真的不好理解，這是一個發(fā)明了永動機并且能夠合成糧食的時代，可是計算機技術(shù)好像并沒有進步多少，人工智能連處理個人金融業(yè)務(wù)的能力都沒有。”

——《三體 II·黑暗森林》

這可能是《三體》這部知名科幻作品中，最不科幻的地方了。智子封鎖下的人類計算機科學兩個世紀未有寸進，人工智能自然也毫無智能，放在今天來看卻別有一番風味。與小說相反，最近 AIGC（人工智能生產(chǎn)內(nèi)容）爆火，是繼 PGC（專業(yè)生產(chǎn)內(nèi)容）和 UGC（用戶生產(chǎn)內(nèi)容）之后，一種利用AI自動生成內(nèi)容的新型生產(chǎn)方式。從文字到圖像，從 DALL-E 2 到 Stable Diffusion 乃至引起極大轟動的 ChatGPT，AI 生成超逼真內(nèi)容的能力使其背后的“生成式人工智能”（Generative AI）迅速走紅，不僅奠定了人工智能作為一種新的內(nèi)容生產(chǎn)主體的基礎(chǔ)，更將它徹底地推到了大眾的視野中。

圖：《三體》動畫版 丨 來源：藝畫開天

一 生成式人工智能：個人金融業(yè)務(wù)經(jīng)理

有了創(chuàng)作能力的加持，AI 似乎越來越聰明，也越來越接近真人了。那么回到“個人金融業(yè)務(wù)”上，人工智能也可以勝任嗎？答案是肯定的。

即使是現(xiàn)在，金融服務(wù)中的智能客服對我們絕大多數(shù)人來說也并不陌生，可以在高效解決問題的同時節(jié)省大量的人力。而在可預見的將來，《三體》中的咨詢員很可能會被生成式人工智能代替，成為其在金融業(yè)務(wù)落地層面最直接的應用。雖然目前這一領(lǐng)域的技術(shù)仍處于實驗階段，但整個社會對其應用層面的熱情探索，勢必加速其技術(shù)的發(fā)展和衍生問題的解決，可以想見，未來 AI 不僅可以通過生成文字和語音來提供客戶服務(wù)和交互，更能夠生成圖像乃至視頻，在智能營銷乃至廣告投放等金融業(yè)務(wù)場景下發(fā)揮更大的作用。

圖：AI 內(nèi)容生產(chǎn) 丨 來源：Eric Griffith, Midjourney

二 圖計算：突破迷霧的結(jié)構(gòu)化智能

當然，僅僅是以假亂真的智能服務(wù)遠遠沒有發(fā)揮出人工智能在金融領(lǐng)域的潛力。從自然語言處理到深度學習，從強化學習到生成式對抗網(wǎng)絡(luò)，AI指數(shù)級發(fā)展的背后不僅僅是算法、算力的進步，更有海量數(shù)據(jù)的支撐。數(shù)字時代，數(shù)據(jù)為王，對數(shù)據(jù)的處理方式有著決定性的影響，而圖計算即是一種先進、高維的數(shù)據(jù)治理方式，一方面更符合人的基本思維方式，另一方面可以通過自動化分析發(fā)現(xiàn)一些難以用既有規(guī)則和經(jīng)驗發(fā)現(xiàn)的信息。

金融業(yè)務(wù)所產(chǎn)生的海量數(shù)據(jù)形成了一張錯綜復雜、牽一發(fā)而動全身的網(wǎng)絡(luò)，而對其中復雜關(guān)系的分析在業(yè)務(wù)中至關(guān)重要，這一點使得圖數(shù)據(jù)相比于單純的數(shù)據(jù)存儲來說，天然更貼近金融業(yè)務(wù)的應用層，可以深度釋放關(guān)聯(lián)數(shù)據(jù)的價值。在實戰(zhàn)中，圖計算技術(shù)最清晰的應用可能是智能信審、資金流向查詢和金融數(shù)據(jù)可視化等，不僅方便了個人金融業(yè)務(wù)，更能極大地幫助金融機構(gòu)進行趨勢判斷、投資決策和風險規(guī)避等等。

三 因果推斷：從打破黑箱到機械降神

“我模擬了每一種可能性，要阻止末日的到來，我看到了一條路徑，僅此一條。”——《西部世界》

科幻燒腦美劇《西部世界》中，機器人伯納德在人工智能的“升華之境”中對現(xiàn)實世界做了 14,000,605 次不同的模擬，得出了唯一一個結(jié)局不致滅亡的策略，并按照它一步步走了下去。于是，整個第五季中伯納德的行為軌跡就像先知，他似乎總是知道接下來會發(fā)生什么，應該做什么，其未卜先知的能力宛如神跡，不僅讓作為觀眾的我們一臉懵逼、“不明覺厲”，甚至他的同伴斯塔布斯，也同樣全程直呼“看不懂”。

圖：“升華之境” 丨 來源：《西部世界》

其實，哪怕伯納德愿意，恐怕他也無法解釋自己的行為，這就要說到現(xiàn)實中人工智能的黑箱效應了。與伯納德的做法一樣，人工智能深度神經(jīng)網(wǎng)絡(luò)最基本的運作方式就是窮舉出所有的可能性，并從中找出一個解。當前，最好的機器學習算法和模型非常擅長尋找模式和相關(guān)性，但其運算模式?jīng)Q定了它們往往只會得出一個結(jié)果，卻無法解釋結(jié)果的來由，更不能在海量數(shù)據(jù)中為我們指出，是哪一個因素導致了哪一個結(jié)果。這一點在某些領(lǐng)域或許沒那么重要，但在金融行業(yè)這樣極其重要的復雜系統(tǒng)中，卻大大地限制了人工智能幫助我們進行數(shù)據(jù)分析乃至決策形成的能力，其不可解釋性更加劇了人們對其規(guī)?；瘧玫囊蓱]，信任的建立困難重重。

不過，作為人工智能和機器學習的下一個前沿領(lǐng)域，因果表征學習（Causal Representation Learning）或許將改變游戲規(guī)則。統(tǒng)計學對因果關(guān)系的研究分為兩類，分別是因果推斷和概率因果論。人們對因果關(guān)系的理解普遍建立在后者之上，而由于無法很好地分辨內(nèi)生性問題，機器也是一樣，很容易出現(xiàn)將相關(guān)性當作因果性的錯誤。而因果推斷的本質(zhì)則是從產(chǎn)生的數(shù)據(jù)中回推背后的真相，需要從非結(jié)構(gòu)化的數(shù)據(jù)里分離出真正存在的因果隱變量，這一點與傳統(tǒng)的機器學習有著很大的區(qū)別。

圖：AI“黑箱” 丨來源：Alice Yang

雖然在技術(shù)上仍存在許多困難，不過因果表征學習的研究和應用正在變得更加活躍，研究人員都在致力于讓機器能夠真正理解實際問題的基本性質(zhì)。具體到復雜的金融系統(tǒng)，因果表征學習需要大量的、結(jié)合實際的理論研究支持和技術(shù)努力，才能得出一種可靠的數(shù)據(jù)表述方法，做到所謂的可解釋 AI，最終建立人類與機器之間的信任。在這種更高維、更值得信任且具備自主性能的基礎(chǔ)上，人工智能將可以在金融業(yè)務(wù)中實現(xiàn)智能、定制化的營銷、投資組合建議甚至市場調(diào)控等，真正成為金融數(shù)據(jù)海洋中的智慧大腦。

四 One More Thing

AI 賦能萬物，金融自然也不例外。作為一家金融服務(wù)公司，度小滿延續(xù)了其自身的百度技術(shù)基因，充分發(fā)揮 AI 方面的優(yōu)勢，致力于用科技為更多人提供值得信賴的金融服務(wù)。近日，度小滿聯(lián)手《麻省理工科技評論》中國，聯(lián)合發(fā)布了《2023 年金融科技趨勢展望》。1 月 11 日 14:00-16:00，我們將于《2023 年金融科技趨勢展望》線上直播活動中對報告進行深度解讀，除了生成式人工智能、圖計算和因果推斷之外，還將探討多模態(tài)情感計算、科技倫理治理、鏈上分布式金融應用、隱私保護計算、虛擬數(shù)字技術(shù)、自動機器學習以及云上能力升級等與金融行業(yè)息息相關(guān)的技術(shù)。屆時，我們將邀請業(yè)內(nèi)產(chǎn)業(yè)端、科研端等關(guān)鍵意見領(lǐng)袖共同參與，探討金融科技發(fā)展現(xiàn)狀及未來趨勢展望。