【編者按】
人工智慧進入金融業， 使得金融技術發生重大變革， 未來人工智慧在金融業有什麼樣的作為？在炒股方面， 機器人是否可以完全取代人類？2017年12月23日， 在中國人工智慧學會主辦的第七屆吳文俊人工智慧科學技術獎頒獎典禮暨2017中國人工智慧產業年會上， 教育部中國精算研究院大資料研究中心主任張甯關於此話題做了主旨演講， 講稿由主辦方提供， 本文未經本人審訂。
今天我跟大家分享的是金融中的人工智慧， 主要是我們這些年做的研究工作。 既包括人工智慧方面的， 也包括金融方面的工作。
金融從業者對人工智慧充滿了危機感。 經濟學家寫了一篇論文是這樣說的：人工智慧將以智慧的方式取代人類的工作。 這個智慧的方式是什麼？就是替代邊際收益最大， 簡單來說就是哪些行業的人力成本高， 就先取代哪個行業。 反過來說就是收益最大， 哪個行業人力成本比較高？統計資料可以看出， 歷年來金融行業人力成本都是遙遙領先的。 所以從這個角度來說金融從業人士認為人工智慧帶來了很大的危機。
人工智慧的專家又如何看人工智慧在金融方面的應用？他們非常樂觀， 金融是跟資料打交道， 所以金融業有人工智慧最重要的資產， 就是資料， 而且金融資料規範化很好。 比如說由於處理資料金融業有非常雄厚的IT基礎設施。
但是從金融企業經營角度來說， 金融企業內部運作一個人工智慧項目， 會帶來很多的合規風險， 尤其在中國合規風險成本是非常大的。 這是金融業跟人工智慧結合的一個障礙。
從金融的角度來看， 人工智慧像一個刺蝟。 在金融很多業務的末端特別是2C業務會大量使用人工智慧的技術， 來提升效率， 但是金融的核心部分不讓碰。 人類不怕確定性的東西， 人類最怕死亡， 因為不知道什麼時候會去世。 金融風險管理的核心， 它不會讓人工智慧來進入。 另外就是定價和配置， 人工智慧還是沒有進去。
為了解決這些問題， 我們對人工智慧和金融業融合提出了三步走：第一個是科技賦能，
什麼是場景應用？簡單說就是其他行業裡已經成熟的人工智慧技術， 可以直接拿到金融業來應用， 來提升效率。 我們已經看到了有很多落地的專案在實施。 第二點是科技增能模型的應用， 這方面金融企業真實感受到人工智慧的魅力， 主動地把它跟金融的週邊業務結合起來， 甚至取代工作人員。
第三步才是我們期望看到的， 在金融的核心領域看到人工智慧， 我們預計這個過程在2030年左右可能才會達到， 我希望沒有低估它的速度。
什麼是科技賦能？我們看到的人臉識別，
我們又看到比如說GPA的計算， 用於金融的定價等等， 但是核心的部分仍然沒有人工智慧化， 在這裡面我們也做了一點工作， 把已經成熟的自然語言處理的一些方法用在金融裡面， 來自動生成行業報告， 來理解很多有經驗的投資人分析的報告等等。
這就是科技賦能簡單的例子， 還有很多。
在金融裡面我們發現， 金融偏好是金融核心理論支撐最重要的支點。 所以我們需要知道一個人或者一個企業它的風險偏好是什麼？風險偏好對人來說跟你健康的狀況， 衰老的風險， 跟你的年齡都有關係。 所以我們要做這樣的工作。
此外， 個人可能會買一些人身險， 或者是一些健康險。 通常的情況下我們回答一些問題， 上傳一些體檢報告， 但那個成本會很大， 如果用手機的形式實現簡單的健康狀態的評價， 效率會大大提升。 我們想把前面做的工作拓展到最核心的部分，就是風險偏好的識別。
另外，就是我們正在做的金融欺詐混合識別，因為人在欺詐的時候體征會反映出有趣的資訊，包括你的表情，還有其他的一些都可以用在上面。這個階段在金融上已經使用了人工智慧技術，但是金融最核心的部分，風險管理、定價和評估仍然沒有進去。
什麼阻礙了金融擁抱人工智慧，最核心的障礙是這些：第一個黑箱與可解釋性，從來沒有一個行業像金融這樣需要人工智慧的可解釋性。這一點恰恰又和深度網路現在面臨的一些困境有關，我們說深度網路是一個黑箱，而金融擁抱它又需要你解釋這個黑箱。
第二個障礙是不確定條件下人工智慧的能力，或者它的功力是什麼。實際上這個就相當於人工智慧對風險的把控能力，因為不確定性我們說就是風險。那人工智慧對風險的理解是什麼？我們想知道這樣的結果，這也是一個障礙。
第三個障礙，金融的通用學習或者是預測學習。我們也看到了金融的業務非常繁雜，如果不能解決通用的金融人工智慧，核心人工智慧化還需要很長的路要走。
為什麼金融一定需要可解釋性？簡單說一個例子，顧客會問這樣的問題，我是36歲，為什麼買這個產品比25歲的人要貴？如果沒有給出太好的解釋，那麼顧客可能掉頭就走。從另外一個角度來說，董事會也需要知道某一個業務，某一個產品具體風險點在哪裡？或者影響風險特徵在哪裡？相當於你要告訴他整個的計算過程，但這是不可能的事情。
顧客會從自身收益的角度來關心背後的解釋，董事會和管理層從管理風險層面需要解釋。金融跟其他行業不一樣，它是聯繫很多實體經濟命脈的產業。我們經歷了2008年的金融危機，這場危機到今天還沒有走出來。所以世界各個國家，國際組織都在加強金融監管，無論是《巴塞爾協議Ⅲ》，還是金融穩定委員會，都提出了強監管。金融每一個產品相關的參數或者業務都應該是透明的，只有這些參數透明，監管部門才能限定範圍，最終認定有可能減少風險發生的概率。
如果每個業務都是一個黑箱的結果，組合起來之後極端風險可能性非常大，甚至產生系統性金融風險，這是任何一個國家都沒有辦法接受的。所以這是金融擁抱人工智慧最核心的障礙。我也希望人工智慧的大咖們可以對此關注，金融也是想擁抱人工智慧，但是有這樣的障礙擺在這裡，它沒有辦法跨越。
還有一個障礙就是我們每個人都在關心如果用人工智慧炒股可不可行？在312個交易日裡面，人工智慧進行了200多次交易，我們通過分析它的交易發現了一些有趣的規律。
首先看看三個選手的比拼，第一個人類選手，這是我們的10位校友，他們每一個人都有5年以上的投資經驗，第二個以前已經在使用的量化投資程式，基於規則庫，比如說5日的平均線、10日的平均線超過了怎麼怎麼樣，這樣一些規則庫。第三個基於強化學習的人工智慧投資的一個程式。
經過了312個交易日之後它的結果是怎麼樣？我們分析完了之後，心理有一個過山車的變化，最開始是開心，然後是失望，後來是深思。
第一，有沒有賺錢，人工智慧在這段時間整體獲得的收益是16.3%。是不是認為人工智慧真的可以取代人進行炒股呢？並不是這樣。
我們知道如果用人或者人工智慧投資，除了收益以外我們還關心另外一個問題，就是風險的控制能力。
我們還要評價風險的控制能力。我們有一些方法來評價一下，我們可以看到規則或者量化程式是100的話，人類選手是85分，但是人工智慧只拿到了51分，這看起來像沒有經驗的人直接沖到金融市場投資一樣。
為什麼人工智慧的風險控制能力很差？我們不用風險模型測算，給大家看兩個例子。第一個，規避極端風險，發生超出企業承受能力的風險，我們看一下10個人類選手的投資裡面一共出現了6次，這個是可以接受的。基於規則或者量化投資程式，這個可以理解我們實現的規則已經設定好了，但是人工智慧的選手卻有3次。
這對很多金融企業來說是沒有辦法接受的事情。同時，人工智慧有最差的戰績，我們想看到這麼多筆交易裡面，每一位元選手投資最差的情況是什麼？我們看到人類選手最差的是-13.7%，某種程度也可以接受，我們每個人都炒過股，這個損失我們也是可以接受的。而基於規則的成績是-7.2%，出乎意料人工智慧是-18.1%。某種程度上，我們覺得這就超出了企業的承受能力。
看到這裡我們對人工智慧是不是會很失望？前面只是覺得運氣好，現在它可能沒有辦法來炒股，換句話說，人工智慧也沒有辦法進入到金融核心。我們還進行了很多細緻的分析，在明年的3月份我們會給出一個報告。
我們有一些方法來度量、預測你的投資能力，主要側重在哪些週期，是短期、中期還是長期，但分析這個結果很令我們驚訝，我們發現人類的選手經過5年的培訓，他們都是實打實地在金融市場裡磨煉出來的優秀經理，他們側重的是短期和中期，規則選手不用說他是短期，但是人工智慧它的優勢就體現在中期和長期上面，非常出乎我們的意料。
如果規則的選手大局觀是60分的話，經過300多個交易日形成交易記錄分析來看，人工智慧的大局觀我們能給100分。我們前面對人工智慧選手的評價，都是基於我們人類的經驗。都是金融的專家給出人工智慧的評價，我們把人類的經驗用在人工智慧評價上，但金融是幹什麼的？實際上度量風險和收益平衡的。
如果我們深問一句，如果風險跟收益的平衡點換一個位置呢？換一個位置也許超過人類的認知，也許人工智慧又能處理得更好。通常來說我們對風險控制是有側重的，當我們提到危機這兩個字的時候，我們強調的是風險，但危險中孕育機會。我們以前側重的是風險，但如果我們有辦法或者人工智慧能夠發現在危險中找到投資機會的路徑呢？這是我們要思考的。
在這個過程中，特別想跟大家分享的就是，我們注意到一些基礎數學理論的發展有可能會使這個過程加快，甚至是推動人工智慧跟金融核心技術融合。這些基礎理論一個是資訊幾何，結合了微分幾何的方法來進行研究。
符號計算、幾何代數，這樣一些基礎理論的發展有可能會推動金融來擁抱人工智慧。
我們還想回答很多金融業人士關心的問題，他們的職業危機到底會不會發生，金融業會不會產生大量的技術性失業，根據我們對金融業的瞭解和人工智慧的發展，我們覺得這個過程有可能發生，但是沒有他們想像的那麼悲觀。可能在2035年左右金融業有35%的人可能會被人工智慧取代。這個數量其實並不多。
通常說阻止這個過程最好的方式是人類在工作的鏈條裡面找到更高端的位置。但如果這個鏈條最高端的位置也已經被人工智慧所替代，那麼人類的位置應該在哪裡？是不是就像經濟學家提到的，給所有人提供一些無條件的基本收入，以維持穩定的生活，維持社會穩定，這樣的事情會發生嗎？我想這是我們也是大家在茶餘飯後可以思考的。
我們想把前面做的工作拓展到最核心的部分，就是風險偏好的識別。另外，就是我們正在做的金融欺詐混合識別，因為人在欺詐的時候體征會反映出有趣的資訊，包括你的表情，還有其他的一些都可以用在上面。這個階段在金融上已經使用了人工智慧技術，但是金融最核心的部分，風險管理、定價和評估仍然沒有進去。
什麼阻礙了金融擁抱人工智慧，最核心的障礙是這些：第一個黑箱與可解釋性，從來沒有一個行業像金融這樣需要人工智慧的可解釋性。這一點恰恰又和深度網路現在面臨的一些困境有關，我們說深度網路是一個黑箱，而金融擁抱它又需要你解釋這個黑箱。
第二個障礙是不確定條件下人工智慧的能力，或者它的功力是什麼。實際上這個就相當於人工智慧對風險的把控能力，因為不確定性我們說就是風險。那人工智慧對風險的理解是什麼？我們想知道這樣的結果，這也是一個障礙。
第三個障礙，金融的通用學習或者是預測學習。我們也看到了金融的業務非常繁雜，如果不能解決通用的金融人工智慧，核心人工智慧化還需要很長的路要走。
為什麼金融一定需要可解釋性？簡單說一個例子，顧客會問這樣的問題，我是36歲，為什麼買這個產品比25歲的人要貴？如果沒有給出太好的解釋，那麼顧客可能掉頭就走。從另外一個角度來說，董事會也需要知道某一個業務，某一個產品具體風險點在哪裡？或者影響風險特徵在哪裡？相當於你要告訴他整個的計算過程，但這是不可能的事情。
顧客會從自身收益的角度來關心背後的解釋，董事會和管理層從管理風險層面需要解釋。金融跟其他行業不一樣，它是聯繫很多實體經濟命脈的產業。我們經歷了2008年的金融危機，這場危機到今天還沒有走出來。所以世界各個國家，國際組織都在加強金融監管，無論是《巴塞爾協議Ⅲ》，還是金融穩定委員會，都提出了強監管。金融每一個產品相關的參數或者業務都應該是透明的，只有這些參數透明，監管部門才能限定範圍，最終認定有可能減少風險發生的概率。
如果每個業務都是一個黑箱的結果，組合起來之後極端風險可能性非常大，甚至產生系統性金融風險，這是任何一個國家都沒有辦法接受的。所以這是金融擁抱人工智慧最核心的障礙。我也希望人工智慧的大咖們可以對此關注，金融也是想擁抱人工智慧，但是有這樣的障礙擺在這裡，它沒有辦法跨越。
還有一個障礙就是我們每個人都在關心如果用人工智慧炒股可不可行？在312個交易日裡面，人工智慧進行了200多次交易，我們通過分析它的交易發現了一些有趣的規律。
首先看看三個選手的比拼，第一個人類選手，這是我們的10位校友，他們每一個人都有5年以上的投資經驗，第二個以前已經在使用的量化投資程式，基於規則庫，比如說5日的平均線、10日的平均線超過了怎麼怎麼樣，這樣一些規則庫。第三個基於強化學習的人工智慧投資的一個程式。
經過了312個交易日之後它的結果是怎麼樣？我們分析完了之後，心理有一個過山車的變化，最開始是開心，然後是失望，後來是深思。
第一，有沒有賺錢，人工智慧在這段時間整體獲得的收益是16.3%。是不是認為人工智慧真的可以取代人進行炒股呢？並不是這樣。
我們知道如果用人或者人工智慧投資，除了收益以外我們還關心另外一個問題，就是風險的控制能力。
我們還要評價風險的控制能力。我們有一些方法來評價一下，我們可以看到規則或者量化程式是100的話，人類選手是85分，但是人工智慧只拿到了51分，這看起來像沒有經驗的人直接沖到金融市場投資一樣。
為什麼人工智慧的風險控制能力很差？我們不用風險模型測算，給大家看兩個例子。第一個，規避極端風險，發生超出企業承受能力的風險，我們看一下10個人類選手的投資裡面一共出現了6次，這個是可以接受的。基於規則或者量化投資程式，這個可以理解我們實現的規則已經設定好了，但是人工智慧的選手卻有3次。
這對很多金融企業來說是沒有辦法接受的事情。同時，人工智慧有最差的戰績，我們想看到這麼多筆交易裡面，每一位元選手投資最差的情況是什麼？我們看到人類選手最差的是-13.7%，某種程度也可以接受，我們每個人都炒過股，這個損失我們也是可以接受的。而基於規則的成績是-7.2%，出乎意料人工智慧是-18.1%。某種程度上，我們覺得這就超出了企業的承受能力。
看到這裡我們對人工智慧是不是會很失望？前面只是覺得運氣好，現在它可能沒有辦法來炒股，換句話說，人工智慧也沒有辦法進入到金融核心。我們還進行了很多細緻的分析，在明年的3月份我們會給出一個報告。
我們有一些方法來度量、預測你的投資能力，主要側重在哪些週期，是短期、中期還是長期，但分析這個結果很令我們驚訝，我們發現人類的選手經過5年的培訓，他們都是實打實地在金融市場裡磨煉出來的優秀經理，他們側重的是短期和中期，規則選手不用說他是短期，但是人工智慧它的優勢就體現在中期和長期上面，非常出乎我們的意料。
如果規則的選手大局觀是60分的話，經過300多個交易日形成交易記錄分析來看，人工智慧的大局觀我們能給100分。我們前面對人工智慧選手的評價，都是基於我們人類的經驗。都是金融的專家給出人工智慧的評價，我們把人類的經驗用在人工智慧評價上，但金融是幹什麼的？實際上度量風險和收益平衡的。
如果我們深問一句，如果風險跟收益的平衡點換一個位置呢？換一個位置也許超過人類的認知，也許人工智慧又能處理得更好。通常來說我們對風險控制是有側重的，當我們提到危機這兩個字的時候，我們強調的是風險，但危險中孕育機會。我們以前側重的是風險，但如果我們有辦法或者人工智慧能夠發現在危險中找到投資機會的路徑呢？這是我們要思考的。
在這個過程中，特別想跟大家分享的就是，我們注意到一些基礎數學理論的發展有可能會使這個過程加快，甚至是推動人工智慧跟金融核心技術融合。這些基礎理論一個是資訊幾何，結合了微分幾何的方法來進行研究。
符號計算、幾何代數，這樣一些基礎理論的發展有可能會推動金融來擁抱人工智慧。
我們還想回答很多金融業人士關心的問題，他們的職業危機到底會不會發生，金融業會不會產生大量的技術性失業，根據我們對金融業的瞭解和人工智慧的發展，我們覺得這個過程有可能發生，但是沒有他們想像的那麼悲觀。可能在2035年左右金融業有35%的人可能會被人工智慧取代。這個數量其實並不多。
通常說阻止這個過程最好的方式是人類在工作的鏈條裡面找到更高端的位置。但如果這個鏈條最高端的位置也已經被人工智慧所替代，那麼人類的位置應該在哪裡？是不是就像經濟學家提到的，給所有人提供一些無條件的基本收入，以維持穩定的生活，維持社會穩定，這樣的事情會發生嗎？我想這是我們也是大家在茶餘飯後可以思考的。