在十三届全国人大一次会议日前举行的记者会上，科技部部长万钢表示，促进科技与金融的有效结合，为创业者成长提供全流程多样化的金融服务。另外，他介绍，马上就要发布人工智能项目指南和细则，来突破基础前沿理论关键部分的技术。
人工智能可减少寻找优质客户工作量
现代金融科技（Fintech）涵盖许多领域和层面，利用人工智能、大数据及云计算等技术，为人们在金融领域提供更多更新的可能性，尤其在银行信贷、投资理财和交易领域等。那么，在当前人们对P2P网贷、智能投顾等热烈拥抱的背景下，金融科技还有什么新的发展模式呢？
以传统概念下的商业银行领域为例，银行原有的主要业务模式为信贷管理。银行从储户处获得资金，通过合理架构，为需要资金的客户提供贷款或进行投资。这是最简单的传统银行业务。在这个流程中，金融科技可发挥重要作用。
在商业银行信贷流程的前半部，即获得储户与资金的过程中，银行需要获得好的资金，好的资金来自好的储户。这类储户具备稳定的现金流、优良的信用记录等特征。在确定优质储户标准的环节，大数据可发挥优势。通过现有的大数据库，以储户特征及其资金特征等为标识，银行可有目的地获取同自身期望相匹配的储户信息。通过这种途径获取的信息不仅规模大，筛选出的质量也高。
当获得这些数据时，银行就可启动争取储户环节。客户经理可以开始有目的和战略性地采取措施争取这些储户。在这个环节中，不但大数据可发挥作用，人工智能的力量也可参与其中。这不但可减少人为寻找优质客户的工作量，还能有的放矢地提高效率。
分层投资收益方案助力风险与投资收益分析
对于商业银行信贷流程的后半部，笔者也有些想法。例如，当前在金融市场上出现了借助金融科技的网络众筹平台，有房地产投资、私募、项目投资等。网络众筹提供的平台，帮助需求资金方与提供资金方越过沟通信息的障碍，使双方获得更多交易对家及相关信息。
这个模式可扩展到银行等金融机构类似的业务上，只要信息能相互匹配与映射、有交易特征，可不拘泥于以上几种投资资产模式。这种沟通模式在一定程度上推动了一种变革，即：早先由金融机构垄断的一些金融行为与业务，现在可通过网络平台更便捷地实现。这在一定范围内对银行等金融机构是个挑战与威胁，促使金融机构为适应科技进步做出一定程度的转型。
在此类模式中，金融机构应发挥在金融领域的理解力，重点培植那些专有的、不可被复制的知识技术。例如，对信贷产品的信用评估，这就是机器所不能完全替代的任务，相应人员再培训与再教育也应运而生。
但是，此类模式也有如下问题。首先，例如，网络众筹平台提供的房地产投资与项目投资等资料要保证其可靠性，这个工作由谁来完成？如果是银行，那么银行就要合理合法地收取从中产生的劳动的回报。
其次，传统银行为投资行为提供咨询，例如风险与投资收益等分析。在网络众筹平台上，风险与投资收益分析的任务由谁来完成？是银行、投资人还是专业第三方机构？笔者认为，在这里可以做分层投资收益方案，依据每个投资者业务能力与投资偏好不同，相应提供不同的收益层次，将这些投资分析工作应获得的回报架构于整个模型中。传统上，这项投资顾问的角色由银行专业人员承担。现在，这个角色被分层了：如果投资者具备足够的投资分析能力，为他们设定的投资收益就可以高些；如果投资者需专业第三方机构帮助评判，那么就应为投资者提供相对低些的投资收益（一部分收益转让给专业第三方机构）；如果投资者仍相信银行，那么该案例就类似于传统的由银行组建的投资类别。这个方案适用于所有投资产品，可涵盖各种投资交易平台。
人工智能尚无法胜任复杂风险结果理解与阐述
金融体系离不开风险管理与监管，笔者认为，由于当前的风险管理方法是依赖于各种技术指标进行判断的，这些指标的计算是能通过机器来完成的，因而风险指标结果产生过程，是部分可通过人工智能解决的。对风险指标结果，简单任务可通过人工智能诠释；对复杂风险结果的理解与阐述，必须由人脑来完成：因为这需涉及多个维度与层面，需人脑综合判断。目前为止，人工智能尚无法胜任这个任务。
还是以商业银行借贷流程为例，银行发放贷款时需对借款人进行信用评估。信用评估工作只能在一定程度上由人工智能完成，例如那些标准化信用指标等。由于在信贷领域、尤其是私人信贷领域，人们评估借款人信用评级时依赖的指标在很大部分是那些人为的、非物质化的评判标准，而且不同评估产品供应商提供不同的评级打分级别，所以信用指标计算、尤其是对产生结果的阐述，很难完全由机器完成。目前，机器的理解力尚无法替代有经验、有理解力的专业人员的评判。因为对这些人为因素的综合理解，决定了借款人信用评级。人脑经验维度，是机器目前为止达不到的。对新产生的风险特征，机器没有创新能力去理解，只有人脑通过思考才能完成这个任务，机器的记忆与逻辑没有创新能力。
人工智能评判信用风险能力的不足主要体现在私人信用评级上。对于那些非标准化的领域，比如说采用非标准化指标评判企业信用评级等，人工智能的不足仍在。对那些已被标准化的交易，例如债券信用风险，由于市场数据充分，外加研发模型立足于量化，对这些信用风险指标计算，是可以信任人工智能的。但是，对其结果的诠释与阐述，还不能完全依赖机器。
对交易环节市场风险，如同标准化产品的处理方式一样：由于大部分产品在市场上被交易，拥有完善充分的数据做支持，量化后的模型也有说服力，所以在这些领域，笔者认为风险计算是可通过机器完成的，因为人们可明确定义指标、特征，并且市场也存在相应数据映射到这些特征与指标上，所以这些工作可以被标准化。
在风险指标诠释方面，对那些变化相对较少或较小的产品，人们可部分采用人工智能。当市场发生大的波动时，人工智能面临很大挑战。在这种情况下，人工智能从以往经验数据中获得不到相关经验，虽然人工智能有逻辑思维，但是不具备创新型逻辑思维。对新发生的大事件，人工智能无法映射到其程序上，所以人工智能的作用是极其有限的。(同济大学副教授)
（责任编辑：臧梦雅）
