文/洪偌馨、伊蕾

人工智能的绘画作品超过人类的创作是一种怎样的体验？

2022年9月，一幅名为《空间歌剧院》的AI画作在科罗拉多州博览会美术比赛中获得了第一名，顿时引爆了社交媒体。该画作由游戏设计师JasonAllen通过AI绘图工具Midjourney创作而成，此后又经Photoshop润色。

(相关资料图)

有人质疑用AI创作的作品来参加比赛对其他人并不公平，但这也恰恰证明了技术进步的日新月异——更具创造性的「生成式人工智能」正在吸引更多人的目光。

从AI画作夺冠到「AI gets creative」入选《Science》2022年的年度十大突破；再到DALL-E 2、ChatGPT和AlphaCode横空出世……生成式人工智能陆续证明其能够输出富有创意性的内容。

近年来，借助深度学习，研究人员在自然语言理解、数据挖掘、个性化推荐等领域取得了显著成果，而基于深度学习的大模型也成为实现人工智能的主流选择，整个行业也在翘首期盼新技术还能实现怎样的突破。

「大模型当前的发展阶段是博览一切，如果将它的能力放在金融行业中去处理原有的任务，性能和效果将有很大的提升。如果把金融大数据注进大模型，再做经济形势的预测，一定也比现有的分析方法有很大的提升」，清华大学人工智能研究院常务副院长孙茂松提到，「国际上如果因此出了一个诺贝尔奖（将人工智能用于金融研究或预测），我一点都不感到惊奇，甚至是感到期待的。」

最近，《麻省理工科技评论》中国正式发布了《2023金融科技趋势展望》报告（下简称《报告》，其中国研究团队联合北大光华度小满金融科技实验室，与金融行业的技术专家、科研学者以及从业企业等一道对行业的未来发展趋势进行了预判。

《报告》显示，生成式人工智能、因果推断、多模态情感计算、图计算、自动机器学习、科技伦理治理、链上分布式金融应用、隐私计算、虚拟数字技术以及云上能力升级可能成为2023年技术发展的重要趋势。

无论是在别开蹊径的前沿技术探索方面，还是深度实现价值释放的路径优化，又或者是创造更好环境的底层「基础设施」重塑都有所涉及。

「当前，金融行业数字化、智能化转型正在加速，数据和人工智能技术是关键驱动要素，人工智能技术在金融行业的应用必将革新金融行业的现有服务模式。」度小满CTO许冬亮在报告中强调。

长期来看，人工智能在金融行业带来的改变，不仅是降低成本提升效率，还将重塑金融行业价值链的每一环节。

1. 生产力提升「新工具」

在上一阶段的技术发展过程中，以人工智能为代表的新兴技术虽然已经得到了广泛应用，但仍有其局限性，它们更多被用于处理机械的数据任务而非创造性内容。但眼下，这些固有认知在被一一打破。

前述《报告》提出，生成式人工智能是新一代生产力工具。在金融领域中，生成文字、传播文案、语音、图像、视频等可以用在智能营销、广告等业务场景中，也有利于客户服务、用户交互、售后服务的效率提升。

不过，生成式人工智能目前依然处于实验阶段，远未达到替代人工的境界，也尚未出现商业化雏形。相比之下，「因果推断」与「多模态情感计算」的发展相较于前者则更进一步。

近两年，关于「因果推断」领域的研究和应用逐渐变得更加活跃，它们与机器学习的关系更为密切，尝试解决如何从非结构化的数据里面把背后真正存在的因果隐变量，以及他们的关系找出来。

卡内基梅隆大学哲学系和机器学习系副教授张坤在报告中提到，我们希望用因果的思维方式去看待机器学习，这样可以帮助我们从传统的只是基于预测的机器学习，走到更高维的层面，走到理解、可信任、可干预的人工智能发展层面来。

落脚到金融行业中，因果模型是智能营销的关键手段，能促成最大化全局营销效率。

以度小满的实践来看，其在近几年的业务发展中通过「因果推断」加大了客户对价格敏感度的研究，即如何让用户权益的使用和体验最大化，同时减少不必要的营销投入，这也使得度小满平台在整体运营效率实现提升的同时，推动对客利率持续下行。

与此同时，令一个快速兴起的交叉前沿学科——情感计算（Affective Computing）也在金融场景中大有可为。

随着金融行业加速从「以产品为中心」转向「以客户为中心」，情感计算有助于了解客户的实情感表达，可以收集客户情感信息、识别客户情感变化，并作出相应的决策指导。

比如，在催收场景下，以人工智能代替人工坐席已经成为大势所趋，但出于合规和业务效率要求，人工智能不仅需要通过识别客户情绪选择继续或者中断催收动作，还需要承担起辅助测谎功能——综合对用户语音的分析，通过多因子判断说话者说谎的概率，如果可以判断客户没有明显的说谎特征、逾期还款理由真实，金融机构则可以针对用户情况提供延期还款等「千人千面」、更有温度的服务。

2. 价值释放「新动力」

除了对于未知的探索之外，在一些我们已知、已用的领域，技术的不断精进同样能够带来新的发展空间。典型如《报告》中提到的图计算、虚拟数字技术、自动机器学习等。

先来看图计算，截止到目前，图计算技术最清晰的应用效果是智能信审、资金流向查询和金融数据可视化。

利用图计算技术，可以在金融场景中实现实时地找到最完整的路径。在数字支付、数字服务、数字金融等核心金融业务中，可以显著提升风险行为的实时识别和调查分析效率。

仍然以度小满为例，在拓展小微金融服务的过程中，平台通过将图计算技术应用于智能信审，可以实现更精准的企业风险评估、企业关联分析和企业信息查询，更高效地描绘出精准、全面的用户画像，并提供与之相匹配的策略支持。

值得注意的是，随着应用的普及，图计算技术的研究与探索正在向更高维度迁徙。

从技术演进的角度来看，提升分布式图算法效率、推动跨数据源的融合与打通、设计新兴图计算模型和高能效图计算体系结构系统、以及相关基准的标准化制定都是可能带来惊喜的方向。

除了图计算之外，自动机器学习也是对业务优化有显著提升的一个赛道。

在金融领域，自动机器学习（AutoML） 技术极大简化了从数据到模型的过程，提高了模型产出的效率和质量，同时也降低了机器学习的门槛，让没有该领域专业知识的人员也可以使用机器学习来完成相关工作。

此外，在2022年，诸多金融机构近一年纷纷推出数字品牌代言人，引领场景营销新方式。

未来，金融机构将进一步利用物联网、移动通信技术突破物理网点限制，建立人与人、人与物、物与物之间智慧互联的服务渠道，打造「无边界」的全渠道金融服务能力。

3. 基础设施带来「新可能」

如果我们以更宏观的视角来审视整个行业，监管与市场环境变化带来的底层「基础设施」升级也仍在持续，且逐渐进入深水区。

近两年中国对于AI伦理、安全、法律法规方面高度重视，将科技伦理治理提到新高度。

典型如2022年10月9日，中国人民银行正式发布《金融领域科技伦理指引》，明确了科技伦理即开展科学研究、技术开发等科技活动需要遵循的价值理念和行为规范；并提出在金融领域开展科技活动需要遵循的守正创新、数据安全、包容普惠等七个方面的价值理念和行为规范。

随着监管红线越发清晰、金融机构成为科技伦理建设的第一责任人，在合规框架内，技术创新也更加有据可依，并为业务发展提供了更稳固的支撑。

许冬亮提到，在数据治理方面，围绕《网络安全法》、《数据安全法》和《个人信息保护法》，度小满把整个数据安全与管理、隐私保护贯穿于数据的采集、存储、流通、应用以及销毁全环节，制定数据的全生命周期的管理，并且设置了严格的数据红线。

而在技术治理方面，度小满从三个维度开展工作打破算法模型黑箱。其中包括：通过技术革新，比如因果推断的方式打破深度学习算法可解释性差的瓶颈；通过构建模型全生命周期管理机制，将模型立项到下线全流程纳入规范管理；通过专家经验防范系统性的风险，例如用成熟的框架限定新技术应用边界。

数据治理和伦理规范也直接推动了隐私计算进入快速发展阶段——它能够在确保数据安全和用户隐私不泄露的前提下，对数据进行分析计算，保障数据在流通融合过程中的「可用不可见」，促进数据的流通开放和价值共享。

更进一步来看，业务发展的需求和市场竞争加剧也在驱动金融业加速「基础设施」升级。

比如，在云上能力升级方面，可以预见的是，未来几年，云计算能力在金融机构内部的底层基础设施地位不动摇，也是其数字化转型的基础保障能力之一。

而在链上分布式金融应用方面，虽然完全基于链上编程的金融业务尚未真正成熟，但这并不影响市场参与者们在技术方向与业务应用价值上的探索：完全基于去中心以及可编程技术构建的链上分布式金融应用，将步履蹒跚、但也会越来越进步与成熟。

从这个角度来看，技术进步带给这个市场的惊喜并未减少，甚至出现遍地开花的趋势。而随着监管与市场环境持续向好，技术企业持续加大投入，2023年，中国市场这片「沃土」也正在孕育更多可能性。

关键词：