文：楊倩雯、責編：林潔琛

來源：第一财經(jīng)

科技正在重塑金融，科技也在不斷颠覆自己。金融科技的未來是怎樣(yàng)的？這(zhè)些面(miàn)向(xiàng)未來的科技在金融業的落地應用有多廣？金融科技的進(jìn)一步發(fā)展還(hái)需要解決哪些問題？在近日召開(kāi)的由智能(néng)投研技術聯盟（ITL）主辦、第一财經(jīng)研究院等單位協辦的首屆“1024國(guó)際智能(néng)投研開(kāi)發(fā)者大會(huì)”上，來自金融科技領域的技術專家們回答了這(zhè)三大問題。

在他們看來，聯邦學(xué)習、知識圖譜、深度學(xué)習、區塊鏈等新興底層技術以及它們之間的組合，正讓一個更強大的金融業向(xiàng)我們徐徐走來。

金融科技的未來在哪裡(lǐ)？

AlphaGo擊敗人類頂尖的圍棋棋手，讓我們見識到了科技的力量，它正從外在的輔助變成(chéng)内在的原生動力，在金融行業内成(chéng)爲未來競争的核心砝碼。

盡管金融科技中的A（人工智能(néng)）、B（區塊鏈）、C（雲計算）、D（大數據）所代表的技術已然發(fā)展迅速，但在它們從量變到質變的過(guò)程中，金融科技仍然會(huì)面(miàn)臨“數據孤島”的困境。

“我們來到了大數據的時代，但其實我們周圍都(dōu)是小數據，每個人、每個公司手裡(lǐ)的樣(yàng)本量和數據維度都(dōu)非常有限，遠遠不足以支撐寬泛的人工智能(néng)。而要把這(zhè)些數據聯合起(qǐ)來應用則會(huì)遭遇隐私權的‘緊箍咒’。”微衆銀行首席人工智能(néng)官楊強在上述會(huì)議上表示。

如何能(néng)夠在符合各種(zhǒng)隐私法規的前提下解決“數據孤島”的問題？聯邦學(xué)習無疑在近幾年爲行業帶來了新的希望。

谷歌在2018年率先提出了基于個人終端設備的“橫向(xiàng)聯邦學(xué)習”算法框架，而微衆銀行随後(hòu)提出了基于“聯邦學(xué)習”的系統性通用解決方案。

據楊強介紹，聯邦學(xué)習提供了新的思路，讓模型在各地移動，以分布式的方式構建，參與各方可以在不披露底層數據和底層數據的加密（混淆）形态的前提下共建模型，而不需要數據在本地區域之外移動。

楊強做了個比喻，就像要給小羊吃各種(zhǒng)不同地方的草料，不需要移動羊群隻需要采集各地的草料，同時并不知道(dào)羊吃到肚子裡(lǐ)的草到底是什麼(me)樣(yàng)，也就實現了在隐私保護和數據安全的前提下，機器學(xué)習模型的不斷完善。

聯邦學(xué)習也可以和其他科技相結合以産生強大的作用。例如，聯邦學(xué)習和5G邊緣計算的相互促進(jìn)。楊強表示，一方面(miàn)，聯邦學(xué)習可使5G邊緣計算适用于對(duì)安全性要求更高的場景，保障安全的同時實現聯合模型。另一方面(miàn)，聯邦學(xué)習是邊緣計算的原生應用，5G邊緣計算可幫助聯邦模型建模、調用速度更快，也可促進(jìn)聯邦學(xué)習應用于更多場景。

“我們看到聯邦學(xué)習和5G邊緣計算加起(qǐ)來會(huì)形成(chéng)一個巨大的數據市場，能(néng)夠幫助我們做數據的估值和數據的交易，因爲5G和邊緣計算就相當于一個硬件的網絡體系，聯邦學(xué)習則相當于這(zhè)個體系的操作系統。”楊強說。

上海證券交易所原總工程師白碩也提出了他眼中代表人工智能(néng)未來的一對(duì)“黑白雙煞”組合——即深度學(xué)習和知識圖譜的結合。他認爲，深度學(xué)習（一種(zhǒng)模拟深度神經(jīng)網絡實現機器學(xué)習的技術）是不可解釋的，需要建立在大量的訓練數據上；而知識圖譜（以結構化的形式描述客觀世界中的概念、實體及其關系，將(jiāng)互聯網信息表達爲更接近人類認知世界的形式）則相對(duì)是可解釋的，并建立在場景之中。其中深度學(xué)習有一定的局限性，包括可理解性問題、對(duì)于複雜結構的容納度上有一定局限性，需要和知識圖譜配合取長(cháng)補短。

“對(duì)于端簡單标簽，機器的深度學(xué)習非常适合，但是對(duì)于一個複雜結構，深度學(xué)習可能(néng)就不一定走得通，還(hái)是必須有知識圖譜以及領域專家參與。”白碩認爲。

科技在金融業如何落地？

金融業的未來競争一定程度上就是金融科技的競争，這(zhè)個觀點已成(chéng)爲業内的共識，各大金融機構都(dōu)在進(jìn)行自己的數字化轉型，全球各大金融機構信息科技投入也在逐年增加。

前瞻産業研究院數據顯示，2015年~2019年國(guó)際領先金融機構信息技術投入總體呈逐年增長(cháng)态勢，2019年部分國(guó)際領先金融機構信息技術投入金額爲260億美元，同比增長(cháng)6%。

來源：信通院、前瞻産業研究院整理

那麼(me)，聯邦學(xué)習、知識圖譜、區塊鏈等代表未來方向(xiàng)的科技目前在金融業的落地情況如何？

以聯邦學(xué)習爲例，雖然這(zhè)是一個2018年以後(hòu)才出現的名詞，但目前其在金融業的應用案例已如雨後(hòu)春筍，譬如，將(jiāng)聯邦學(xué)習用于反洗錢之上。

衆所周知，反洗錢是維護金融體系穩健運行、維護公平公正的市場經(jīng)濟秩序的客觀要求，對(duì)打擊腐敗等違法犯罪具有重要意義。楊強介紹稱，由于洗錢的低頻數據，單個銀行往往嚴重缺乏樣(yàng)本數據，爲了優化銀行的反洗錢模型，微衆銀行與合作銀行已開(kāi)始使用聯邦學(xué)習，在數據隐私保護的條件下建立聯合模型，識别性能(néng)較單個模型提升90%。

平安集團首席科學(xué)家肖京則舉例稱，平安在投資領域風險管理方面(miàn)應用了大量知識圖譜技術。知識圖譜可基于曆史事(shì)件智能(néng)歸因，推演新事(shì)件或采取行動。基于企業實體屬性等構建知識圖譜，可以發(fā)現潛在企業風險，從而實現債券違約風險預警、發(fā)現财務粉飾、輔助銀行進(jìn)行信貸管理等功能(néng)。以債券違約風險預警爲例，平安集團數據顯示，在2019年至今發(fā)生違約的264隻債券中，平安提前3個月以上成(chéng)功預警的達到251隻，成(chéng)功預警規模約2200億元。

企業圖譜應用示例

“一度二度關聯關系在金融機構的人力調查中還(hái)可以發(fā)現，但通過(guò)殼公司循環控制等更深入複雜的三度和四度關聯關系，依靠人力調查則無法完成(chéng)，還(hái)是必須要借助知識圖譜等技術。”數聯銘品董事(shì)長(cháng)兼總經(jīng)理曾途表示。

而知識圖譜如果與NLP（自然語言處理）相結合，在白碩看來，則又可以構成(chéng)在智能(néng)投研中基本面(miàn)分析的重要技術手段。他認爲，知識圖譜+NLP體現了中低頻領域中的投資決策核心邏輯，在基本面(miàn)投研領域初步解決了AI“不可爲”到“可爲”的躍遷，知識圖譜+NLP是人工智能(néng)切入投資決策的“正确姿勢”。

金融科技的發(fā)展還(hái)需要解決什麼(me)問題？

未來已來，但未來可不僅僅有科技就行。

在由第一财經(jīng)研究院院長(cháng)楊燕青主持的圓桌論壇上，技術“大牛”們就金融科技未來的挑戰分享了自己的觀點。他們普遍認爲，金融科技是整個社會(huì)範疇的議題，要使金融科技健康快速發(fā)展，可解釋性、相配套的規則及标準等都(dōu)還(hái)是橫亘在這(zhè)個領域面(miàn)前需要解決的問題，而這(zhè)些問題涉及到監管、法律、經(jīng)濟學(xué)、社會(huì)倫理等方方面(miàn)面(miàn)。

首先，科技的可解釋性對(duì)于監管和設定法規來說至關重要，因此可解釋性人工智能(néng)成(chéng)了近年來被(bèi)熱議的話題。

楊強表示：“所謂可解釋人工智能(néng)是指，需要讓不同背景的人明白科技背後(hòu)的邏輯。但用動辄幾千萬的參數建立的模型，往往是一個所謂的黑箱，沒(méi)有辦法解釋運作原理，這(zhè)就會(huì)面(miàn)臨幾個困境，第一個困境是監管方不知道(dào)模型的運作機理，無法進(jìn)行監管工作；還(hái)有一個是系統開(kāi)發(fā)的工程師不知道(dào)原理，就沒(méi)有辦法來修正錯誤；另外金融業務的消費者也無法得到好(hǎo)的解釋。”

針對(duì)楊燕青關于“金融科技將(jiāng)如何走通可解釋性這(zhè)條路”的提問，楊強傾向(xiàng)于認爲，深度學(xué)習未來可能(néng)會(huì)越來越“黑箱”，需要另外設立科學(xué)家解釋的機制；白碩則認爲不能(néng)單純被(bèi)動等待可解釋的人工智能(néng)出現，現在就應該充分運用知識圖譜這(zhè)樣(yàng)具有“白箱”性質的技術工具來相互結合。

天雲數據CEO雷濤則認爲，需要在工程上進(jìn)行組合，用深度學(xué)習來做數據抽取，并將(jiāng)之放在一個可認識的框架内，并且用上一代人工智能(néng)這(zhè)種(zhǒng)專家強解釋的方法來支撐這(zhè)個主要框架。

楊強表示，盡管目前可解釋性人工智能(néng)正處在研究階段，還(hái)沒(méi)有形成(chéng)系統的體系，但行業已開(kāi)始有所動作。據了解，微衆銀行向(xiàng)電氣和電子工程師協會(huì)（IEEE）提交的“可解釋AI（XAI）”标準已獲立項通過(guò)，微衆銀行牽頭組織國(guó)内21家機構和企業，已于7月24日召開(kāi)第一次标準工作組會(huì)議，這(zhè)也是首部面(miàn)向(xiàng)業界的機器學(xué)習可解釋标準。

可解釋性的背後(hòu)，是金融科技發(fā)展到目前階段需要匹配的标準和監管環境的急切需求，而标準和規範也是可解釋的前提。那麼(me)，标準和監管對(duì)目前的金融科技企業來說意義是什麼(me)？人工智能(néng)的标準又究竟應該如何建立？

對(duì)于楊燕青的上述提問，曾途回應稱：“金融科技有框架和規範是很有必要的。人工智能(néng)、機器學(xué)習支持業務，這(zhè)本身是一個技術協同協調的過(guò)程，背後(hòu)需要标準業務人員以及對(duì)于輸入參數和輸出結果的合規。在合規的框架内，才能(néng)構建出整體框圖，然後(hòu)才能(néng)進(jìn)行解釋。”

楊強則稱，目前人工智能(néng)行業痛點在于數據不夠，因此需要合作，在合作時需要第三方機構來判斷合作是否合乎标準。他建議在建立了相關标準之後(hòu)，還(hái)需要在銀保監會(huì)等相關行業監管部門之下，再建立審計和監管标準執行的機構。

“金融是利用信息不對(duì)稱性來賺錢，而人工智能(néng)是把金融變得信息對(duì)稱。誰掌握了這(zhè)種(zhǒng)強大的武器，在未來就會(huì)有最大的受益。”曾途表示，在這(zhè)個過(guò)程中，對(duì)這(zhè)種(zhǒng)“武器”的使用機制的監督和規範相當重要，但目前還(hái)存在缺失，需要加緊研究。