ADRIAN表示，人工智能为金融业带来了积极变化——基于算法的金融交易提高了市场效率，降低了各部门的融资成本；利用人工智能改善信贷分配，提高金融普惠性。理论上，未来随着通用人工智能的出现，金融业还有可能实现机器自主决策。

但从金融稳定的角度来看，人工智能增加了公司层面风险管理的难度，也会扩大（对金融机构的）攻击规模，提高攻击效率，网络风险已经成为潜在的宏观关键风险。同时，生成式人工智能虽然可能擅长理解横截面风险，但是否能捕捉到一般均衡效应，而这又会如何影响金融周期，目前还并不清楚。

从宏观稳定的角度来看，FURMAN认为，短期内人工智能的应用不会带来产出的增加，只会增加劳动力投入，所以整体生产率是下降的。这也意味着短期内管理通胀的难度并没有减小，反而有可能增加，需要更高的利率来稳定宏观经济。但长期来看，人工智能的发展使生产力有很大增长空间，这将转化为收入的增加和利率的提高。

对于人们普遍关注的劳动力替代问题，两位学者总体上较为乐观。因为历史经验表明随着技术进步，会涌现新的工作种类，人们整体收入水平会提高并由此带来更多服务业岗位。此外，技术只能取代部分工作，而非全部。但FURMAN也强调不平等加剧的风险，比如人们为了与机器人竞争而降低工资。他认为必须采取大范围措施应对这一挑战，重点之一在于投入更多教育资源。

两位学者也探讨了人工智能的监管难题。ADRIAN认为，当前金融监管者面临的巨大挑战是，为了解这些风险所需要的数据不一定还是过去所需的那些，而从哪里收集数据以及收集什么样的数据，可能都与以往有所不同。因此，提高透明度可能是首要任务。同时，监管者需要尝试利用人工智能为监管可见性和判断系统稳定性来提供信息。

FURMAN认为，让人工智能发展等待监管的步伐并非明智之举。放慢人工智能部署速度同样会带来很多风险。考虑人工智能监管问题时，第一要在利益与风险之间做好平衡。第二，要注意人工智能偏见问题，不要把它看作是万能的；第三，监管不应该成为保护现有企业的护城河。最后他提出，很多解决人工智能问题的方案都与监管人工智能无关，而是关于劳动力市场、税收制度等方面的独立方案。

2024年9月6日，Jason FURMAN和Tobias ADRIAN在第六届外滩金融峰会上对话，沈艳主持。

Tobias ADRIAN：非常感谢，很高兴来到这个重要的论坛。

我有两点看法。第一，当你与人工智能合作时，你会怎么做？我不清楚在座各位，但当我学习如何与电脑互动时，我学的是MS-DOS和C++，这相当相当困难，就像学习一门语言一样。而我女儿现在学的是符号编码，不需要再学编程语言了，但我们仍应了解其是如何运作的。

现在的人工智能都是基于大语言模型，通过与机器对话进行交互，所以你还是得弄明白它是如何运作的，但不是通过学习语言或学习符号，而是通过与机器对话。我认为这是人工智能与以往计算机程序非常不同的一点。

第二，生成式人工智能和大语言模型，都是基于使用数十亿个甚至数千亿个参数的校准模型，它极其复杂，超越了任何现有的基于10-15年前技术的东西。因此，就计算机与现实的交互方式而言，人工智能确实改变了游戏规则，模型所处理的复杂性数量级完全不同，所以它是革命性的。

Jason FURMAN：嗯，有一个很老的笑话，是计算机科学家拉里·特斯勒说的：没实现的功能才叫做“人工智能”，其他的都叫“工程技术”。比如，人们会说只有人类会下棋，但如果人工智能会下国际象棋呢？人工智能下国际象棋已经在多年前实现了，且实现得非常好，（所以在这方面）现在我们几乎不再把它当做人工智能了。

语音识别也是一样，我们不会说“本语音识别技术由人工智能驱动”，那些都只是工程技术而已了，都是已经实现的事情，只有实现不了的事情才叫“人工智能”。

现在，情况有所改变，部分是出于市场营销的考虑。如果你把公司的产品冠以“人工智能”，你的股票价格就会更高，客户会更多地购买你的产品。

这些都说明，人工智能的确切含义还有点含糊不清。我们现在常用的类型，也就是人们常说的生成式人工智能，基本上就是研究人类已经做过的事情，并将其重组混搭，以某种方式回答新问题，或者回答以前被问了几百遍的问题。

从很多层面上讲，这似乎是在模仿人类的行为。正如古老的图灵测试一样，你可以与ChatGPT、Claude等对话，它们非常像人类，但还是无法成为所谓的通用人工智能。通用人工智能可以说在很多方面基本就是人类，包括创造力方面。

Jason FURMAN：好的，大致来说，有两种方式。

一种是AI把人类已经在做的事情重复去做，但可能做得更快、更好，而且成本更低。所以，一些营销和设计工作不再需要人去画图了，人工智能现在就能做到。但另一方面，人工智能也在做我们无法想象甚至超出我们想象的新事情。它们并不是要取代人类，而是与人类互补和合作。

目前看来，这个领域还有很多新东西。我的意思是，微软将其人工智能系列产品称为Copilot（副驾驶）是有原因的。因为它需要与人类协同工作，就像拼写检查一样，在你写作时纠正拼写错误。

我们会看到这两种类型的人工智能：取代人类，但也会增强人类的工作能力。（现在我们面临）一个很大的问题是，这种情况还有多久会到来，以及会发生多少这些不同类型的情况。

Tobias ADRIAN：让我分三步来介绍金融业（的情况）。

首先，我们已经看到了一场交易革命，这不是基于生成式人工智能，而是基于机器学习。在过去十年或更久的时间里，金融交易确实发生了根本性的变化，特别是在流动性最强的市场中。交易现在非常依赖算法，可以说，这提高了市场效率，并使家庭部门、企业部门和政府部门降低融资成本。

我要举的第二个例子是信用评分，我想您已经在这方面做了一些研究，当然，还有其他学术研究也在关注人工智能如何改善信贷分配，并通过提高金融包容性在不同主体之间更好地分配信贷，最终使广大民众受益。

第三是真正的前沿领域，也就是Jason所说的人工智能的下一步发展，在金融领域实现通用智能，让金融市场或金融机构的决策完全自动化。目前，人们对是否能实现这一目标持高度怀疑态度，我们还没有发现有任何市场参与者愿意让机器在没有人工干预的情况下运行。但从理论上讲，存在这样一种可能性，即有可能出现完全自主的机器代理，但前提是出现真正的通用型人工智能。

至于能否实现，我们不得而知，但从概念上来说，这是可能的。

Tobias ADRIAN：好，让我先从公司层面说起，再到整个经济层面，然后再到金融周期。

在公司层面，金融机构的风险经理实际上要花费大量时间来弄清楚人们的行为和活动。比如，一个负责监督期权交易账簿的风险经理就必须了解人们的行为和活动。理论上这应该很简单，但实际上很难，因为这涉及非常复杂、多维度的交易头寸，一旦允许交易人员使用人工智能，风险经理就更难理解存在什么样的风险。因此，一方面每家金融公司都在招聘大量的人工智能专家，但另一方面也要管理风险承受这一额外的维度，我认为这是需要考虑的首要问题。

其次，人工智能可以用来做有益的事，也可以用来做有害的事。网络风险已经成为潜在的宏观关键风险。要知道，今天的金融机构不断受到攻击，人工智能可以扩大攻击规模，提高攻击效率。这就像是一场拉锯战，人工智能被用来提高效率，也被用来攻击机构，然后又被用来抵御攻击。从网络韧性的角度来看，我们的稳定性最终会呈现什么样的结果，这是第二点需要考虑的问题。

第三点是总体稳定性和总体波动性。人工智能，如生成式人工智能或大语言模型，可能很擅长理解横断面风险，利用过去的数据告诉我如何在整个经济中分配信贷或流动性，但它是否能很好地理解我们使用这些工具所产生的一般均衡效应？这对金融周期整体会产生什么影响？

这里我们可以类比次贷危机爆发前的情况。当时，金融创新和信用风险建模正在投入使用，就信贷分配而言，这在横截面上可能是有效的，但在某些情况下，却产生了巨大的不稳定性。因此，就像一般均衡效应一样，这一切是如何叠加起来的，而模型是否捕捉到了这一点，目前还很不清楚。

Jason FURMAN：从总体层面看，我们不妨先聚焦未来两年半的情况。在这个时间范围内，会有大量的需求，而供应却不多。

需求来自数据中心的建设，为数据中心提供电力等等。而供应不足的原因是，企业雇佣了大量人员来做Tobias刚才所说的一切，但他们还并不清楚究竟应该怎样去做，虽然他们最终会弄清楚的。

但在短期内，这意味着产出不会增加，只会增加劳动力投入。所以从整体经济层面上说，生产率是下降的，这是一条J形曲线。这还意味着，在短期内管理通胀的难度并没有减小，反而有可能增加，这就需要更高的利率来稳定宏观经济。

展望未来，我不确定具体是多久之后，两年半、五年或是十年，生产力还有很大的增长空间。这对中国经济、美国经济以及世界任何经济体来说都是最重要的。从广义上讲，这将转化为收入的增加和利率的提高。大多数人的最大疑问是人工智能将如何影响失业，我不知道你们是想让我现在还是以后回答这个问题。

Jason FURMAN：如果我们在200年前开这个讨论会，我就不能从马萨诸塞州的剑桥市来参加你们的会议了。那时候的我们难以想象今后大多数人不会从事农业生产，事实上如今只有极少数人正在从事农业生产。但是，第一我们仍然有足够的食物，第二我们仍然有工作。那么到底发生了什么呢？

首先，我们有了新的工作种类，就是ADRIAN说过的那些。在200年前，我们根本无法想象金融业的这些工作。

其次，随着人们越来越富有，人们会购买更多服务，因此，如今有更多的人在酒店和餐馆工作。虽然200年前的人并非完全不能理解这些工作，但大概不会想到，现在的人们富裕到可以经常下馆子、四处旅行。

第三，许多技术取代的是部分工作，而不是全部工作。比如当我们有更多的电子表格时，会计师数量并没有减少，会计师数量更多了，他们做的事情也更多了。但是，这最后也可能成为不利的一面，那就是不平等加剧，比如人们为了与机器人竞争而降低工资。因此总体而言，我持乐观态度。但第一，不平等会带来负面影响；第二，不平等发生的速度非常重要。

最后我要说的是，我们并没有被动地坐视转型发生——当农业消失时，我们普及了高中教育；随着制造业的衰落，我们大幅扩张了大学的规模。所以，我们必须采取这种大范围的措施，应对这一挑战，而不是假设好事总会自动发生。因为好事不会完全自动地发生，我认为这是答案的重要部分。

实际上，转型的一部分重点在于教育。我认为一个人所受的教育越多，就越能抵御这些冲击，尽管随着人工智能不断的更新迭代，这方面也开始出现了一些问题。

Tobias ADRIAN：我完全同意他的说法。

今天的经济发明和创造是我们过去无法想象的，智能手机彻底改变了我们的生活，改变了全球所有人的生活。要知道，在智能手机刚出现时，人们认为它只是可有可无的东西，只有当它出现后，人们才会明白如何使用它。

因此，我们今天很难理解未来的人类会如何使用新技术，以及新技术如何为金融业和经济创造就业机会。“技术取代工人”已经是几百年来人们争议的话题了，这些争论可以追溯到19世纪和18世纪人们讨论技术进步是否会让人类变得无关紧要，但是这种情况从未发生过。因为新的用工方式正在不断被发明出来，金融业尤其如此。虽然可能会出现人力替代，但同时也会产生巨大的包容性。

AI技术的应用有利于金融服务在全球范围内的普及。新技术和人工智能原则上可以为过去没有加入全球金融体系的国家提供机会，由此发挥巨大的平衡器作用。比如，拥有一部智能手机能够与大语言模型互动，可以让不在纽约或上海的人参与到金融行业中来。

最后，我也同意，人类使用这项技术的方式可能会极大地提高产出，例如在科学研究方面，技术无疑让科学家们能够更快地发表新论文、取得新成果。因此，科研成果和模式的数量正在稳步增长，金融创新当然也是如此。那在多大程度上技术可以转化为生产力呢？我们将想方设法利用这些技术实现新的产出。

Tobias ADRIAN：在八月初，我们看到了巨大的市场波动。在日本，日经指数在一天之内下跌了12%；在美国，VIX指数从20%多飙升至60%以上，这种波动水平通常在严重的金融危机时才会出现。有市场评论员指出，这和关联交易的潜在作用有关，在这种情况下，算法可能会使用类似关联策略来触发交易，系统性风险在某种程度上可能会因此增加，因为各种信号之间的相关性放大了下行趋势。

早在2010年，我们就在股市中看到了这种情况，也就是所谓的“闪崩”。后来在2014年的国债市场上也出现了这种情况。当时，市场机制经历了微观结构层面的调整，包括实施了停止交易规则、改变交易场所组织方式等，切实降低了（市场崩盘的）风险。

当然，这些调整也可能会带来更广泛的宏观影响，比如原则上来说，可能加剧系统性风险。因此，这确实是监管机构正在研究的一个领域。现在一个巨大的挑战是，政策制定者为了解这些风险所需要的数据，不一定是之前评估风险所需要的数据。那么从哪些实体来收集数据，以及收集什么样的数据，可能与之前会有所不同。因此，提高透明度可能是首要任务。

最后，我还是想回到之前提到的问题。从微观上来讲，人工智能可以提高效率，但从宏观角度来看，可能会增加风险，这些模型可能没有考虑到一般均衡效应。因此，政策制定者，如系统性风险监管者，也在尝试如何利用人工智能为监管的可见性和对系统稳定性的判断提供信息，特别是从总量和系统性风险的角度来看。

Jason FURMAN：我在这里提出五项原则，我们在考虑监管问题时，应该以这些原则为指导。首先是利益与风险的平衡。听起来好像很明显，谁会反对这一点呢？但其实很多有关人工智能监管的讨论都反对这一点，他们认为，在我们确定没有风险之前，先不要进行部署，直到消除所有的风险。

但是，放慢人工智能的部署速度同样会带来很多风险。比如，这会使得我们无法解决车祸、气候变化、数字教育等许多问题。因此，我们在每次进行监管时都要问自己，不仅要问人工智能做坏事的风险有多大，还要问，如果由于监管过严而得不到你想要的人工智能所带来的好处，风险又是多大。所以我们要在这些方面取得平衡。

第二，要将人工智能与人类或其他替代者进行比较，不要将它们与万能的上帝比较。如果你的自动驾驶汽车撞车了，这并不能成为禁止自动驾驶汽车的理由。要问的是，与人类撞车的次数相比，自动驾驶汽车撞车的次数有多少。我们看到有很多关于人工智能偏见的研究。要知道，当你做出监管选择时，人类也会受到监督。在都受到监管约束的情况下，人工智能是会比人类做得更好？还是比人类做得更差？

第三，尽可能使用特定领域的监管。或许我们需要一个超级监管者，但我认为可能我们并不需要。所以ADRIAN在谈论金融市场的相关策略时提到，人工智能超级监管者不了解金融市场，也不了解金融稳定性，他们做不到这一点。

你希望你的金融监管机构关注这个问题，但监管机构需要更多人工智能的专业知识。同样，美国的食品药品管理局也需要更多的人工智能知识，监管汽车安全的高速公路管理局同样也需要。所以要让现有的所有监管人员更多地了解人工智能。

第四，监管不应该成为保护现有企业的护城河。许多大公司都对监管表示欢迎，我认为部分是出于公益精神，这应该受到欢迎和赞扬；但也有一部分是因为它们知道只有自己有能力遵守监管的要求，而规模较小的同行不具备合规的能力，这种“支持”就值得质疑了。

最后，并不是所有人工智能带来的问题都能通过改变人工智能来解决。我们需要实施全民基本收入（UBI）吗？我认为还不需要。但如果我们有更大幅度的生产率增长和工作岗位更替，那就需要了。顺便说一句，届时我们也有能力负担得起全民基本收入的财政支出。因此，很多解决人工智能问题的方案都与监管人工智能无关，而是关于劳动力市场、税收制度等方面的独立方案。

沈艳：很好。作为结束语，您给出了五个原则：风险与收益之间的平衡，与人类对比而不是与上帝对比，不需要超级监管者，尤其是最后一条，我非常喜欢，人工智能带来的问题可能需要借助人工智能之外的力量来理解和解决。

时间过得太快，FURMAN博士，这次会议虽然时间很短，却引起了很多人的关注，很遗憾我们没有请您来到现场，但还是非常感谢您有见地的评论。总的来说，在这半个小时里，我可以看出你们双方对人工智能持有的乐观态度。我认为，我们不仅是在谈论金融和经济，还在谈论我们自己的未来和我们孩子的未来——更好的教育，更丰富的知识。谢谢大家。