论文部分内容阅读
摘要：随着深度学习算法取得显著成果，人工智能走出了瓶颈期，开始在各行各业被广泛运用。时下随着相关芯片成本的降低，新算法的不断提出，人工智能的发展正处在迅速上升期，尤其是需要处理海量数据的金融行业，人工智能更是大显身手。本文首先对人工智能进行了概述，随后对其在金融行业的应用和潜在问题进行简要介绍。
关键词：人工智能;机器学习;金融行业;应用
一、人工智能简介
人工智能，英文缩写为AI，是计算机科学的一个分支。人工智能的设计目标是“智能”，即仿照人类的智能，设计出与其类似的智能机器人。人工智能的模拟过程类似人的思考过程，是传统技术无法完成的。目前的主要研究方向有机器人、语言识别、图像识别、自然语言处理和专家系统等，每个分支的应用都非常广泛。
人工智能适用于那些数据庞大、仅凭人力难以处理的领域。计算机对数据的处理速度远远快于人类的处理速度，使用人工智能可以大大提高效率。与此同时，人工智能具有部分自我学习能力，与传统编程处理模式相比，能够充分利用海量数据不断优化自身算法，具有明显优势。
二、人工智能在金融行业的应用
人工智能在金融行业的运用涉及到方方面面，下文将以银行业的三个方向为例进行具体介绍。
（一）基于人工智能的金融安全工具
由于银行业务涉及客户资金，因此保证资金安全的相关手段是银行日常运营的重中之重，由于技术条件所限，传统的密码、U盾、短信验证等金融安全工具有着易破解、成本高、使用不便等缺点，随着人工智能技术的突飞猛进，基于神经元网络等算法的生物识别技术渐渐走向了实用化，高准确度的声纹识别、人脸识别甚至虹膜识别都出现在了各种支付验证场景中，极大增强了账户的安全水平，在保障客户资金免受非法侵占的同时，也提高了客户的使用体验。除支付验证之外，部分柜面交易过程中也增加了客户本人与身份证照片的人工智能匹配，有效避免了由于柜员核对疏忽导致不法分子冒用他人身份证。
（二）识别可疑交易与反欺诈
诈骗犯罪由于其成本低、隐蔽性高、涉案金额大，已经成为严重的社会危害。我国政府积极投入大量人力成本打击相关犯罪，但收效并不显著。在案件侦破中，追踪诈骗犯罪的资金去向是一项有效手段，但由于银行每天要处理数以亿记的交易信息，仅凭人力很难从海量数据中发现异常交易，对犯罪行为的敏感度较低。为解决该问题，引入人工智能算法将带来极大改善，通过模拟人工检查异常资金流动的思维模式，配合大量历史数据对机器学习算法进行训练，可以快速在海量交易流水数据中定位异常交易，实现全部账户的异常资金流动实时监控，对问题交易及时给出警告，方便工作人员和警方查询和判断，有效提高打击犯罪的效率。在可以预见的将来，人工智能将成为银行反欺诈的主要技术手段。
（三）后台科技运维的发展方向
银行业务关系着国计民生，其正常开展和稳定运营是保证人民群众正常生活和社会安定团结的重要因素，因此上级监管部门对银行的业务连续性提出了极高的要求，尤其对后台科技系统的连续稳定运行有着严格的标准。在这样的形势下，后台科技运维先发现故障再解决问题的传统技术模式难以有效满足监管需求，如何能够在纷繁复杂，成千上万监控指标中发现异常的蛛丝马迹，从而实现提前预防，保证系统健康稳定运行，成为了运维工作的发展方向，而人工智能相关异常检测算法在类似场景中起到了必不可少的作用，通过对海量监控数据的清洗处理，形成相应的特征，在通过对历史数据的学习中，可以实现对故障产生前兆的预先发现，大大减少了故障的持续时间和影响程度。
三、当前人工智能在金融行业应用的不足
虽然人工智能技术趋于成熟，也已经给人们带来了很大的便利，但在金融行业中，人工智能的应用也带来了新问题，主要表现在以下三个方面。
（一）金融交易体系风险增加
人工智能从本质而言仍然是计算机程序，存在着计算机程序不可避免的缺陷与漏洞，而且由于人工智能的特点，数据流量大、性能负载高，对设备和服务器配置的要求也随之提高。在全球金融业范围内，每时每刻都有数以亿计的资金交易，如果过度依赖人工智能，一旦出现软件缺陷造成的错误或者硬件性能问题，将会造成难以挽回的巨额损失。除此之外，由于系统复杂性的提高，漏洞出现在所难免，一旦遭到黑客攻击，其损失更是无法估量的。由此可见，在大规模推广金融行业人工智能应用之前，需要对现有的软硬件体系进行优化，对技术安全性和健壮性进行升级，降低相应的风险。
（二）金融行业监管难度增大
传统的金融行业中，出现问题的根源通常是由于犯罪分子有意为之或是人员的操作失误。目前人工智能在金融行业的应用带来了很多便利，但人工智能并没有达到人类级别的思维水平，加之机器学习的过程基本是无法追踪的，如果机器人在学习过程和决策过程中出现问题，就难以评判责任所在。目前法律上还未出台针对人工智能的相关规定，这对日后的监管提出了极大的挑战，需要在法律层面上加以规范。
（三）从业人员技术水平要求提高
在传统金融行业中，从业人员只需掌握金融学知识，就能够胜任行业工作。但是随着人工智能相关应用的推广，相关算法使用和配置需要一定水平的专业知识，从而要求从业人员掌握相应的计算机知识，在一定程度上提高了人才培养的成本，可能在一段时间内会出现人员缺失。另一方面，由于人工智能对机械重复性强的工作有较强替代性，金融行业岗位也随之减少，一部分人将面临失业问题。这必将给整个金融业内部的人员配置和社会的就业情况带来冲击，造成人员供需失衡。鉴于人工智能在金融行业的推廣已经是可以预见的趋势，更应当积极平衡新技术对人员需求较高与传统从业人员素质较低的矛盾，提前采取培训等措施，避免对金融业的积极转型和稳定运行造成影响。
四、结语
综上所述，人工智能在金融行业的应用前景无限，但是风险与机遇并存，作为金融科技工作者，只有迎难而上，正视问题，勇于迎接新技术带来的挑战，才能为我国新形势下的金融业发展贡献更大的力量。
参考文献
1]聂长森，洪武，韩志雄，杨紫.人工智能在金融业智能客服领域的应用分析[J].金融科技时代，2018（12）：16-21.
[2]刘松.浅谈人工智能发展及其在金融领域的应用及对策[J].金融科技时代，2018（09）：20-22.
[3]孙璐.人工智能在金融行业的应用及风险分析[J].中国商论，2018（24）：4-5.
[4]陈镇洪，廖昌华，陈翰波.人工智能在金融行业各环节的应用实践[J].金融科技时代，2018（08）：17-23.
（作者单位：中国民生银行总行信息科技部）
关键词：人工智能;机器学习;金融行业;应用
一、人工智能简介
人工智能，英文缩写为AI，是计算机科学的一个分支。人工智能的设计目标是“智能”，即仿照人类的智能，设计出与其类似的智能机器人。人工智能的模拟过程类似人的思考过程，是传统技术无法完成的。目前的主要研究方向有机器人、语言识别、图像识别、自然语言处理和专家系统等，每个分支的应用都非常广泛。
人工智能适用于那些数据庞大、仅凭人力难以处理的领域。计算机对数据的处理速度远远快于人类的处理速度，使用人工智能可以大大提高效率。与此同时，人工智能具有部分自我学习能力，与传统编程处理模式相比，能够充分利用海量数据不断优化自身算法，具有明显优势。
二、人工智能在金融行业的应用
人工智能在金融行业的运用涉及到方方面面，下文将以银行业的三个方向为例进行具体介绍。
（一）基于人工智能的金融安全工具
由于银行业务涉及客户资金，因此保证资金安全的相关手段是银行日常运营的重中之重，由于技术条件所限，传统的密码、U盾、短信验证等金融安全工具有着易破解、成本高、使用不便等缺点，随着人工智能技术的突飞猛进，基于神经元网络等算法的生物识别技术渐渐走向了实用化，高准确度的声纹识别、人脸识别甚至虹膜识别都出现在了各种支付验证场景中，极大增强了账户的安全水平，在保障客户资金免受非法侵占的同时，也提高了客户的使用体验。除支付验证之外，部分柜面交易过程中也增加了客户本人与身份证照片的人工智能匹配，有效避免了由于柜员核对疏忽导致不法分子冒用他人身份证。
（二）识别可疑交易与反欺诈
诈骗犯罪由于其成本低、隐蔽性高、涉案金额大，已经成为严重的社会危害。我国政府积极投入大量人力成本打击相关犯罪，但收效并不显著。在案件侦破中，追踪诈骗犯罪的资金去向是一项有效手段，但由于银行每天要处理数以亿记的交易信息，仅凭人力很难从海量数据中发现异常交易，对犯罪行为的敏感度较低。为解决该问题，引入人工智能算法将带来极大改善，通过模拟人工检查异常资金流动的思维模式，配合大量历史数据对机器学习算法进行训练，可以快速在海量交易流水数据中定位异常交易，实现全部账户的异常资金流动实时监控，对问题交易及时给出警告，方便工作人员和警方查询和判断，有效提高打击犯罪的效率。在可以预见的将来，人工智能将成为银行反欺诈的主要技术手段。
（三）后台科技运维的发展方向
银行业务关系着国计民生，其正常开展和稳定运营是保证人民群众正常生活和社会安定团结的重要因素，因此上级监管部门对银行的业务连续性提出了极高的要求，尤其对后台科技系统的连续稳定运行有着严格的标准。在这样的形势下，后台科技运维先发现故障再解决问题的传统技术模式难以有效满足监管需求，如何能够在纷繁复杂，成千上万监控指标中发现异常的蛛丝马迹，从而实现提前预防，保证系统健康稳定运行，成为了运维工作的发展方向，而人工智能相关异常检测算法在类似场景中起到了必不可少的作用，通过对海量监控数据的清洗处理，形成相应的特征，在通过对历史数据的学习中，可以实现对故障产生前兆的预先发现，大大减少了故障的持续时间和影响程度。
三、当前人工智能在金融行业应用的不足
虽然人工智能技术趋于成熟，也已经给人们带来了很大的便利，但在金融行业中，人工智能的应用也带来了新问题，主要表现在以下三个方面。
（一）金融交易体系风险增加
人工智能从本质而言仍然是计算机程序，存在着计算机程序不可避免的缺陷与漏洞，而且由于人工智能的特点，数据流量大、性能负载高，对设备和服务器配置的要求也随之提高。在全球金融业范围内，每时每刻都有数以亿计的资金交易，如果过度依赖人工智能，一旦出现软件缺陷造成的错误或者硬件性能问题，将会造成难以挽回的巨额损失。除此之外，由于系统复杂性的提高，漏洞出现在所难免，一旦遭到黑客攻击，其损失更是无法估量的。由此可见，在大规模推广金融行业人工智能应用之前，需要对现有的软硬件体系进行优化，对技术安全性和健壮性进行升级，降低相应的风险。
（二）金融行业监管难度增大
传统的金融行业中，出现问题的根源通常是由于犯罪分子有意为之或是人员的操作失误。目前人工智能在金融行业的应用带来了很多便利，但人工智能并没有达到人类级别的思维水平，加之机器学习的过程基本是无法追踪的，如果机器人在学习过程和决策过程中出现问题，就难以评判责任所在。目前法律上还未出台针对人工智能的相关规定，这对日后的监管提出了极大的挑战，需要在法律层面上加以规范。
（三）从业人员技术水平要求提高
在传统金融行业中，从业人员只需掌握金融学知识，就能够胜任行业工作。但是随着人工智能相关应用的推广，相关算法使用和配置需要一定水平的专业知识，从而要求从业人员掌握相应的计算机知识，在一定程度上提高了人才培养的成本，可能在一段时间内会出现人员缺失。另一方面，由于人工智能对机械重复性强的工作有较强替代性，金融行业岗位也随之减少，一部分人将面临失业问题。这必将给整个金融业内部的人员配置和社会的就业情况带来冲击，造成人员供需失衡。鉴于人工智能在金融行业的推廣已经是可以预见的趋势，更应当积极平衡新技术对人员需求较高与传统从业人员素质较低的矛盾，提前采取培训等措施，避免对金融业的积极转型和稳定运行造成影响。
四、结语
综上所述，人工智能在金融行业的应用前景无限，但是风险与机遇并存，作为金融科技工作者，只有迎难而上，正视问题，勇于迎接新技术带来的挑战，才能为我国新形势下的金融业发展贡献更大的力量。
参考文献
1]聂长森，洪武，韩志雄，杨紫.人工智能在金融业智能客服领域的应用分析[J].金融科技时代，2018（12）：16-21.
[2]刘松.浅谈人工智能发展及其在金融领域的应用及对策[J].金融科技时代，2018（09）：20-22.
[3]孙璐.人工智能在金融行业的应用及风险分析[J].中国商论，2018（24）：4-5.
[4]陈镇洪，廖昌华，陈翰波.人工智能在金融行业各环节的应用实践[J].金融科技时代，2018（08）：17-23.
（作者单位：中国民生银行总行信息科技部）