第七届上海新金融年会暨第四届金融科技外滩峰会
科技驱动全球金融变革
【速记稿】平行会场四“人工智能在金融领域的前景与挑战”
王海明：女士们、先生们，
我们这场主题是“人工智能在金融领域的前景与挑战”。
另外一个会场是讲区块链，有很多人很纠结，到底去哪场，我相信你们听完这场后，会为自己的选择正确而骄傲。我们的惯例一样，在座7位嘉宾都非常有“分量”，来自国内和国际非常有代表性的机构，也是技术和金融方面非常精通的精英。每位先用五分钟阐述观点，再讨论，接下来是交流环节。
这场的主题是前景与挑战，太大了，其实前景我们最关注的是风险，挑战，现在监管政策不是特别明确，所以也不能说监管就是挑战，而是从监管角度，希望它怎样做能对行业好一些，或者说监管能利用AI，或在这个领域怎样与时俱进。所以是两个角度，一个这个行业面临的风险、问题、困惑，另外从监管角度，有哪些建议？或者AI的角度，能给监管做些什么贡献？
首先我们有请来自中国保险资产管理业协会的高总。
高嵩：很荣幸参加这次会议，也非常感谢王秘书长，把我放在第一位。首先刚才王秘书长说到监管，我是来自保险资产管理业协会，不属于监管，属于代表行业，凝聚行业力量，但也是一个比较正规的机构。我本人在行业里负责IT，也是我们行业也有信息化专业委员会的主任委员，在委员会里，我们大部分时间还是在聊如何提高目前系统的建设，这么多的新技术，我们很多时候都讨论区块链、人工智能的技术如何应用到保险资管行业。
先向大家介绍一下保险资管行业。这和我们分会场讨论的P2P、征信相比，可能还是比较封闭，大家不太知道。我们管理了差不多20万亿左右的资产，基本以机构为主，没有to C。但大资管的背景下，资管公司现在也可以成立基金公司，公立基金公司，也有私募的，还有养老金产品，也是借力我们的投资能力、协同效果，把我们的产品服务从to B到to C。因此，我们在AI、新技术应用方面，有很多的思考和研究。
今天来参加这个会的专家都是AI大咖，我不是。我先讲讲从机构投资者角度出发，我个人的一些想法，AI可以在哪些环节上得到应用。
从机构投资者来说，我们跟私人客户差不多，首先要有KYC的过程，要了解委托人，他是保险机构，对负债有要求，对资金有要求，资金进来，我们要考虑资产配置，配置好以后，要对行业进行研究、行业的配置。然后就开始要有很多投研、投资，事后的风控、事中的风控、事后的运营，还要向监管报数据，监管可能会根据数据进行比例的判断、计算，识别风险。这些都是比较固化的。
当然，现在技术还没有那么发达，还没有找到很多实际的案例，
但我想特别是投研、做资产配置的时候，这些方面AI可以起到很多作用。
投资之前的行为，可以通过AI智能化，可以把很大量的以前人工做的工作通过计算机弱人工智能的方式，把它先解决，然后再通过大数据、深度分析、深度学习，对投资数据的分析做一些更好的投资建议，可以帮助投资经理决策的时候能有更充分的理由和依据。同时，在风险防范方面，通过舆情监控、非结构化的数据、市场上发生的现象和事件，通过AI技术，能把它识别出来，从真正意义上做到风险防范或风险管理。
从监管角度来说，现在监管数据也不是非常完整和及时。现在技术手段也不太一样了，不再需要一步步打造，而是可以用现在AI的技术很快提高上去。这在监管层面也会起到积极作用。
接下来我把话筒交给其他的几位同事，因为我不是做专业的AI的，从理解程度来说，也仅仅代表行业目前的认识。希望通过这次交流，能带回去一些好的想法和火花，可以给我们保险资管行业带来新动力，在这个基础上我们再继续努力，使用前沿的信息化手段。
王海明：感谢。您也是大咖，至少是跟大咖坐在一起的人，而且有个美丽的误会。接下来有请家林总。
张家林：为了方便讨论，概念更清晰，我把人工智能的范围稍微收窄一点，这样说起来可能比较清楚。
现在人工智能被很泛泛地说出了很“宽”的东西，
我把人工智能，还是定义为能自主感知环境、同时通过自己内嵌入的机器学习的机制，能进行认知的一些计算。最后把机器学习学习出来的认知，能很好地应用，做出决策，然后行动。完成这三个功能的机器，我们叫人工智能的艾真体。
如果这么定义，人工智能我们跑开学术定义，在具体应用的时候，就当成具备了感知、认知和用知。人工智能艾真体到底是干嘛的？比较起来，它能自主地做出决策。这样一个定义，我们考虑它在金融上的应用，它具备了一些自我学习和决策的能力。在很多以前我们熟悉的由人工作的岗位，或是一群人做的工作，都可以拿人工智能这个艾真体来做。这就是人工智能在金融领域或其他领域应用的一个基本的理论基础。
具体讲，金融领域很宽，我结合自己资产管理方面的领域应用人工智能的实践经验和感觉来说说。
人工智能提高短时间的决策，目前看还是比人要强。但中长期的预测，机器目前不具备特别强的能力。
这段时间大家老谈智能投资、智能投顾、智能投研，其实最简单的，应该是智能投资，其次是智能投顾，最难的是智能投研。智能投研，不是把所有市场上的投研报告拿过来，用语义分析、算法实现，形成一些观点，而是通过抓住信息，形成中长期的一些概念，比如让机器学出“雄安”这样一个概念，太难了，包括“一带一路”的概念，这也是不可能的。这是一个挑战特别大的系统。相反，智能投资，因为有些资产配置的理论作为支持，在决策时能给机器一些基本的规则，机器能发挥很好的应用的地方，因为数据比较多，速度快，能拼出人心理上的一些弱点。这样我们期望它能产生比人更稳定的、确定性更高的决策，而不是说能超出比我们所有人强的决策，这是做不到的。
还有，大家一直强调人工智能和机器学习，机器学习其实只是人工智能系统的一个分系统。将来的具体工作岗位，到底是完全的交给一个可信任的机器，完全自主去做工作，还是让它干一部分，最后由人判断？这样两个工作场景，差别在哪？就跟AlphaGo一样，现在完全是人类相信它能下棋，全部交给它，中间不做任何的人工干预和打扰。假想如果AlphaGo下棋时走到第50手，下一步帮它干预了，那AlphaGo自己可能就会非常恼火或晕，因为后面的逻辑，跟它不一样。所以未来人工智能在金融领域的应用，要特别小心地区分，有些岗位可以采取AlphaGo这样的形式去用，完全信任，你去做，你做的事情我也信任，在一定的限度范围内可以。还有一些工作岗位，肯定要人+机器学习这样一个工具，辅助人类做出更好的决策。
把这两种工作岗位分开，接下来第三个问题，就迎刃而解了，就是监管的问题。
金融监管现在确定的原则，比如穿透式监管，大家很清楚了。未来利用这个原则监管AI在金融领域的运用，就很简单，最终穿透的，就是行为。
因为监管部门最关注的就是微观行为的监管，就是行为产生的根源是什么，到底是张三还是李四这个人做出的，还是人工智能艾真体，完全是机器产生的。这样监管规则、方法，就会不一样。由此，将来AI在金融领域的应用，金融机构肯定要小心地区分，哪些完全交给机器，完全自主运行，哪些由人+机器，作为工具辅助运用。分开以后，监管方面在采用穿透原则时，就可以很清晰地知道，哪些最终要穿透到人。穿透到人，现在的体系非常完善。监管行为完全是由机器产生的，比如一个放贷行为，完全机器产生，一个投资指令，是机器产生的，那怎么监管这些行为？
针对这样的监管，我们现在没有太多的已经成熟的方案，包括这几天密集讨论RegTech，怎么做这件事情，现在得出一个基本的想法，就是还是要把它跟人区分，打标签。假设金融机构用AI和不用AI，一定要用把AI部分做的工作和行为打一个标签，这样有助于监管部门识别出来，哪些是纯机器，哪些是人做的。这样一划分，我们感觉将来前景还是可期待的。
针对具体的应用场景，举个例子，比如智能投顾。因为智能投顾还是很希望让它做全自动的全自主的运行，我们要相信它能在一定时间内做好投资，在那段时间，你授权给它做投资的期间内，给它一定的授权，比如给一定的金额，给一定的约束条件，把风险控制在一定的边界范围内。这个时候，智能投顾会不断自主发出一些需要被监管的信息、数据，呈送给监管部门，这样就可以依据行为进行监管，可以有效解决现在的一些问题。
最后，人工智能在金融领域的应用潜力，非常大。最大的挑战，无论是金融科技公司，还是金融机构，还是要跟监管部门有频繁沟通，采取协作、协同的方式，针对你用人工智能的应用场景，来做出满足合规、监管要求的一套规则，然后把这个东西尽可能地用一些技术手段来实现。
这就是我的一些想法。谢谢。
王海明：感谢，穿透式监管，很重要。下面有请来自蚂蚁金服的盛子夏盛总。
盛子夏：我接着张总讲的，就是关于人工智能这个概念，我补充一下关于人工智能的现状。
从人工智能现在的技术角度来讲，它对很多图像识别、语音识别、加强学习、深度学习，这些技术发展现在使得它在一个单维度上解决一个分类的动作，已经做得非常好了，好到可以超过人类的水平。现在分辨一张图片，说它到底是一只猫还是狗，还是听一句话，不管带不带口音，其实它对单维度的分辨力，已经达到了非常高的一个水准。
但是人工智能应用在金融的很多领域，我们拿贷款这个角度来讲，分辨一个客户是否会违约，或是否会欺诈，或是否响应贷款，这些维度，说白了都是一个分类器。
如果做这样一个分类，人工智能的算法相比现有的很多传统算法，也能获得很大的提高，能做到。但真正的信贷，它的决策并不是那么简单的一个单维的决策。不是说你知道一个客户好和不好，是否会欺诈，就解决了。
满足客户需要，是一个更复杂的维度。客户是否需要贷款，贷款额度多少，定价怎样是合理范围？更复杂的是，当把贷款发给个体客户时，会形成一个大的资产池，这个资产池是不是符合公司贷款的需求？额度太大还是太小？这个过程，是目前人工智能从单维度来讲非常难以实现的。
再看智能投资领域，我非常赞同刚才张总讲的，如果你只是单纯地设计一个策略，你有明确的目标，就是为了追求最大的回报，同时给定一些参数条件，比如最大回撤不能超过10%，所选股票不能超过30%，把这些条件都限定的前提下，要做出一个相对比较好的策略，还是有可能的。但如果要做到对任何一个消费者或投资者，能洞察他的风险偏好是什么，承受能力是什么样，还能匹配他最适合的理财产品，还要懂客户在什么时间点有多少钱要理财，现在要结婚了，为将来小孩存一笔钱用于教育，如果把这些做一个综合投资的建议，这是人工智能现在非常难做到的。
对人工智能目前的机遇和挑战，跟现状，其实是高度相关的。当你把技术用在相对比较明确的场景下，可以做得很好，但用在一个综合场景，非常困难。
这就是接下来人工智能在下一个版本，2.0的时代，各个商业公司也好、各个科技公司也好，将要攻克的一个难关，不再只是单纯解决一个单维度的问题，希望能解决更多维度的问题，而且能整合更广阔的全社会的信息。
在投资领域更是这样。对好资产的评估，需要收集的信息非常丰富多样，不光要了解股票背后的企业怎样，法人控制人怎样，更要了解产品、上下游怎样，生产的某些产品，或许有的跟法律法规有关系，或制造食品，因为国家的政策变化，食品会受到一定限制。所有信息的综合，都是将来人工智能领域非常具有价值的。因为这些信息收集，不是靠人工能解决的。
再讲监管的问题。有一点，就是大家应该把技术和技术体现的商业这两者分开。
举个例子讲，现在大家一提到P2P，就觉得好像就是贷款，但其实P2P只是贷款的一种资金解决渠道的方式。把这两个等价在一起，是有问题的。为什么等价在一起，可能会有一些其他的原因，因为P2P为了满足很多投资者要求高回报的要求，使得它必须在贷款端也必须收非常高的利息，最终其实形成一个恶性循环。另外一个例子，区块链和比特币，这两个我个人觉得也并不是一回事，区块链本身是一种技术，但是一种表现形式，就是以比特币为代表的数字货币。但区块链在蚂蚁广泛应用在公益的很多场景下，比如捐款这些场景，都可以使用区块链技术。所以技术和商业场景，是两回事。
尤其监管层面，当监管一个新事物时，把两者分开去考虑。一方面，鼓励科技创新，一方面，监管要看创新背后使用商业场景上是否有形成恶性循环的可能性。
还是回到刚才说的智能投顾。如果大家未来都用机器的方式去炒股或做完全基于算法的炒股，包括之前发生的各种闪崩，美国在经济危机的时候道琼斯一下子暴跌10000点，可能就是由一个算法引发的一系列的链式反应。这是值得监管和大家考虑的，它本身并不是一个技术的罪，而是大家应用算法的时候，都100%依赖于算法，没有做任何算法可能带来的链式反应的灾难做一个合理评估。这两件事，是可以分开的。是值得监管考虑的。
王海明：讲得非常精彩，给我们分享了人工智能当下的监管启示。我跟蚂蚁金服的首席科学家有过一个小范围的讨论，人工智能毕竟不是人的智能，但未来有一天，可能人会超越人工智能。未来如果达到一种极致的状态，是什么状态？当时描述了一种情景，可能那个人对着镜子看自己，意识到自己是机器，不是人。另外一边是人。那就麻烦了，这是相对冷冰冰的一个未来。
下面一位有请戴文渊。
戴文渊：我跟大家相比，更偏纯人工智能背景出身，后来做过很多行业，最近几年在金融行业做得多一些。我想从AI的角度来看这个问题，可能会给大家一个不一样的视角。人工智能这个事情，大家会很容易理解为人的智能，会做一些类比，但其实会有不一样的地方。更容易理解的，还是生物智能。其实生物智能更多来自脑容量的增加，人类发展的过程中也是，随着从原始人到早期、晚期的人到现代人，脑容量也在不断增加。所以我们会发现，脑容量大的生物，会更聪明。当然，脑容量不是一个计算机能理解的东西，计算机如果要理解什么是智能，必须计算机模型化。这个事情得益于两个科学家，一个姓V，一个姓C，他们提出一个VC维理论。用统计学构筑了人工智能的一个数学的基础，这之后，我们就可以把智能这个东西放到电脑里，然后产生了人工智能。VC为代表的，好理解一点，就是脑容量。计算机也是在做一个大脑或更大脑容量的东西，最后应用的时候怎么应用？可以做一个类比，物理学里有一个很著名的理论，牛顿三大定律。牛顿干的事情，就是总结各种物理现象，总结出三条规律。我们想象一下，我们金融领域也有大量的业务专家在总结各个方面的规律，比如反欺诈、催收，这个事情让计算机怎么做？计算机如果做牛顿三大定律，也会收集各种物理现象，这就是我们的数据，如果数据量大，就会成为大数据。计算机的工作原理，可能和人不太一样，未见得能总结出三条规律，可能总结出三千万条规律。
我们可能把物理现象分成很多区间，高速的，低速的，在高速区间里，可能就不是现在的牛顿三大定律。从某种角度也能解决牛顿定律在高速情况下的一些不成立的地方。这就是AI为什么能比人做得好的地方。
这个事情应用到商业领域，特别是金融领域，怎么应用？ 实际应用到金融领域，也是一样，计算机和人过去在干一样的事情。过去我们反欺诈的专家在看反欺诈的数据，总结规律，写出各种欺诈定律，比如一个信用卡，在北京刷了一笔交易，两个小时内在深圳刷了一笔交易，就认为是一个欺诈，因为不可能飞那么快。计算机也在干同样的事情，但区别就在于，过去人写出的规律的数量，因为受限于人的精力，通常也就几百上个，特别多的可能上万个。计算机能很轻松地写到上千万，甚至更多。我举个例子，我们帮助国内的一个投顾股份制银行做信用卡实时交易欺诈，过去业务专家写出了一千多条规则，我们基于计算机读数据写规则，可以写25亿条规则，能把整个反欺诈的识别率提升数倍。这就是计算机为什么能超越人的地方，因为人是会累的，计算机不会累，人也知道写出几十亿条规则能更好，但计算机真的能做到，人做不到。同样的，在营销场景下我们也能做到写出数十亿条规则，显著的比人做得好。这就是为什么现在AI在业务领域能超越人的地方。
当把Fintech技术做到很高维度的时候，监管的压力会很大。我们经常遇到一个问题，就是问，你们这个模型能不能解释？其实我们甚至可以做到数十亿规则，每条规则都可以解释，人都看得懂，但也不能要求监管部门把25条规则都看个遍。所以，监管机构是不是也需要用计算机来监管这些规则？是不是需要做出一个更高维度的机器学习，然后监管低维度的一个机器学习？这可能正是我们现在面临的一个问题。在更多的领域，营销的领域，我们都可以通过用AI的方式写出比过去业务专家写出更多的规则来获得更大的提升。Fintech技术的提升，肯定会给现在的监管带来更大的挑战。
最后，监管其实也需要把技术提升到至少同一个高度，甚至更高的高度，才能支持现在的Fintech技术的发展。谢谢。
王海明：感谢，给我们提供了非常漂亮的一个PPT和非常有诗意的题目，也很有启发。接下来有请传统银行做智能投资方面有代表性的邓总。
邓炯鹏：尊敬的各位嘉宾，很荣幸今天作为一个国内商业银行的代表在这里发言，在人工智能这么一个高大上的前沿领域发言。上世纪末比尔.盖茨说过，21世纪银行将会是灭绝的恐龙。过去很长一段时间互联网+金融的竞争模式兴起，商业银行在资本市场、二级市场的走势并不是太好。但今年以来，情况起了一些变化。做个人投资的都知道，去年以来，是价值投资的一个时代。今年在申万28个一级行业里，银行过去都不太被看好，但今年截止到上周五，银行板块的涨幅接近6%，申万28个行业里排第七，前1/4的分类。众多上市银行里，招行截止到上周五，年内涨幅36.66%，除了一家新上市的银行之外，这个涨幅是最大的。
在今年讲价值投资的一个市场里，市场给出了一个判断，就是技术进步的今天，商业银行好像跟别人不一样，这个不一样，不是因为我们涨得多。我们看估值，可以看得更清楚。如果用市净率的估值指标看，招行到这周五是1.45倍的市净率，一块钱的净资产，别人卖8毛到1块，他可以卖1.45块，这是资本市场对我们投出了信任的一票。
总结来说，我们是有创新基因的一个银行。去年我们推出了国内银行首个智能投顾产品，就是摩羯智投。国内目前有3亿老百姓持有基金，绝大部分是通过余额宝持有货币基金的形式买，绩效非常好，从基金诞生以来，权益类基金年化是16%的收益，但是挣钱的客户并不多。我们做这么一个摩羯智投智能投顾的产品，因为我们做了十几年的财富管理，我个人看过了很多市场上的痛点，基金品种很多，包括对投资理财不熟悉而导致的恶果，所以我们经过一年多的研发，去年底利用人工智能算法，还有别的一些模型，得出了这么一个智能投顾产品。目前这个产品运作非常不错，规模也是国内第一位，客户数量非常庞大。
以上是我们的实践和取得的一些成绩。人工智能到了今天，已经是第三波浪潮，过去还是一个前沿的研究，是偏学术方面的，而今天，随着大数据的出现，大规模计算能力的出现，带来了过去的深度学习的很多技能，开始可以运用在一起，真正成就了人工智能。从去年AlphaGo战胜李世石以后，人工智能一夜之间被广大老百姓所知悉，这说明了这第三次浪潮，跟前两次不一样，因为从各行各业都发现了，现在人工智能所带来的落地性，非常好。
人工智能会不会给我们带来一些取代人的挑战？
从我们时间来说，目前还是处于一个弱人工智能的时代，要达到人的思考程度，首先要很长时间。
能做到多少程度，这是另外一个问题。目前，从我们应用人工智能的角度来看，人+机器这是目前我们很多年内运用它的一个主要方式。刚才戴总也说了，计算机不知疲倦，比人的长项多很多，比如记忆能力，计算能力，都比我们强。
最后讲讲我们看到的很好的应用场景。一个是对客户的精准营销，来源就是多维度的大数据，为客户进行精准画像，然后进行营销。第二就是给客户进行智能投顾的组合配置。第三是在不远的未来，根据语音识别、语言理解、知识检索等人工智能技术的发展，相信人机对话实现智能客客服，不远的未来会到来。
目前人工智能还处在早期，应用场景非常广大。也有一些挑战。在很多公司、银行领域，操作性的岗位会越来越少，对人员的再培训，这是面临的一个实实在在的压力。从公司层面，相信未来是一个快鱼吃慢鱼的时代。好多公司会在这波浪潮里被颠覆掉。最后就是监管的压力，人工智能更多的是基于对过去发生过的东西做的判断和学习，在社会科学、金融领域，它的能力是有限的，AI进入社会科学领域，是多了一种博弈的力量，而这个博弈的力量跟人类的博弈，可能又会产生新的变量，带来一些跟以前完全不一样的因子。这可能就会导致人工智能在某些大的拐点上，可能会失效。所以在社会科学里，人工智能作为一个辅助工具，人在相当程度上要对它的最终输出结果要进行一定的监测。
谢谢。
王海明：你刚刚讲的前五分钟，一直让我误会为你是招商银行品牌部的，而不是做人工智能的。可能你太爱招商银行了，所以做了很多广告。我们今天这个会场，还是希望能进行头脑风暴，对人工智能当下或面临的问题、监管的挑战、给监管的建议展开探讨，大家互相有一些收获。
再接下来是国际嘉宾，有请Ayasdi联合创始人Gurjeet Singh。
Gurjeet Singh：谢谢。感谢大家的邀请。我也听到刚才其他人提到了一些主题，刚才我们讨论了不同的AI类型，总结来说，当你在媒体上看到AI的时候，媒体讲了很多重点，比如认知问题，图像理解，文字理解，等等。这些问题在过去的五年里，已经做出了很大的进步，已经有了很大改变。
对于AI，特别是很多企业或金融行业，他们的困扰就是更高维度的问题，你要能有效地使用数据。但有两个具体的应用，比如在人不擅长的领域，我从监管角度来举例。我们现在一直在谈金融科技在监管方面的应用，主要是在数学模型方面，需要监管模型的应用。
其中一个例子，之前可能数据量不够，要监管，肯定是想要一个比较简单的模型，但现在数据量多了，之前的模型还是比较简单，监管要重新建造模型的话，要花很多时间，可能需要5000个人工时。在一些大的银行，没有通过压力测试，比如花旗银行，三次都没有通过，不是因为没有软件或人力，而是因为没有数据。因为有很多不同的变量，数据建造者以及业务部门和监管方，全都要介入。所以最基本的一个问题，就是要有一个经济性的假设，AI在这方面的应用，就是业务部门的人会看到海量数据，然后要有一定的风险模型加以应用，会有一定的自动化的数据报送给监管。新加坡的一个监管者说，如果人们不再是一味送报表，而是这些数据能直接跟我们对话，那就好了。
所以我们要是有同样的数据，就能比较清晰地表明数据的意思，没有AI，就没有办法用太简单的模型解读数据。
第二个例子，是有关反洗钱的。所有监管方都对这部分感兴趣，希望能最大化削减洗钱的风险。银行还是很有压力的，就是雇佣几千人通过手工工作，来监督这些交易。这些数据98%可能都没有受到监控，很有可能这98%都有风险。那这些复杂、海量的数据，就可以有效地利用AI大幅度减少人工的负担，在达到人之前，就可以进行AI的分析。这样就可以大大减少合规的负担。
为什么这么重要，为什么要关心AI，在银行、金融机构用AI？
世界上前五大公司，他们基本都是技术性公司，银行想要保持竞争力，就必须要有这样一个意识，就是我们都是以科技为中心的公司。
比如谷歌，现在就是一个AI公司，没有哪个公司说我可以不投资于AI，因为你的竞争者或以后的竞争者，很有可能会反败为胜。所以我们都要好好考虑，如何最好地应用AI。因为以后这些大公司都会成为一个特别重视技术的企业。
说到AI的解决方案，现在AI的门槛好像特别低。比如硅谷，包括中国的人，很多VC风投资本都想投资于AI。哪怕是建立一个exel表格，都想说我们这是做AI。什么是AI？我觉得有五个重要的特征：
第一，AI的解决方案，要有能力发现信息和规律，而不是导致问题。
有不受监管或半监管的机器学习的能力。所有的问题，都要看你是否有这样一个能力来学习这些数据。实际上很多数据都是没有标签的。
第二，就是保护的能力，
这非常重要，尤其对金融行业来说，尤为重要。
第三，最为重要的一个能力，就是验证。
我认为十年以后，大多数的工作就会自动化，但重要的是，在未来，AI的系统能和人之间建立一个信任的系统。所以，人需要验证，发现异常，这都非常重要。之前我们嘉宾讨论的时候，说到有教授型的模式，所以我们需要这样一个验证。验证的能力非常重要。
第四，就是行为力。
任何一个智能的系统，如果不能加以行动，那就没有意义了。所以AI系统一定要插入一个实景中。比如进行预测，做完预测，不做任何行动，有什么意义？所以要加以生产、加以行动。
第五，就是学习能力。
随着数据的发展，一定要学习。比如我们会有一些市场的结构，会不断变化，比如银行，每年它的监管机制都会进行一些检测，可能每个月做有点太频繁了，但有些市场每个月都做审查，反而还不够。所以我们可以通过AI来进行甄别，任何一个AI系统，可以让你不用再做exel表格，或者让人工做一些更重要、更有意义的事情。
刚才有人说，担心机器代替人。作为研究这个领域的人，我觉得太遥远了，所以大家不用担心。
王海明：讲得非常好，AI还是有门槛的，不是所有人都能做的。
下一位是来自星展银行的Sandeep Lal先生。
Sandeep Lal：我要感谢上海新金融研究院，感谢能邀请我来这里跟这么多专家一起分享、讨论。我并不是AI方面的专家，在星展银行，我们是使用AI的，所以我想分享一下过去一年我们应用AI的经验。
我们要做的一件事情，就是把银行进行转型、变革。我们会有一些经验，就是使用技术。因为消费者希望我们简化、更安全、更快捷的服务，希望在数据化的场景中，来享用这样的产品和服务。AI是其中一个关键部分。2016年4月份，我们推出了印度的数字化银行，希望能提供更好、成本更低廉的用户体验。我们主要着眼于三个方面：提高客户的参与、提高收入、提高生产力。这实际是超出了我们的预想。但有些方面，还是做得不足。
说到服务和生产力，我们发现70%的客户互动，并不是来自于传统的互动、聊天，我们通过Fintech，用一些人工对话，有关账户、转帐，都可以用新的一些人工智能来做。我们发现，一些复杂的交易中，可以用人，先让人工智能做一些简单的，然后人做一些复杂的
。60%是通过AI的工具，比如chatbox，还有具体由人做的，比如电话中心。
我们还有更多的工作，有些工作需要客户跟人交流，可能比较复杂，可能是用传统的一些电话银行，而不是用chatbox这样的我们的AI产品。我们希望它更便捷，人使用起来更方便。AI能让我们的整个过程更迅速。在新加坡，我们发现这非常激动人心，未来在Facebook上也会启动AI为银行服务，看是否能在银行之外业提供更好的服务。就像刚才演讲者讲到的，大家认为我们应该尽快使用AI，也说到目前还处于早期阶段。有可能会有恐慌，因为你要看到到底什么工作是奏效的，投资会有回报。但我想说，大家都在一条船上，都在一个飞机上，我们的飞机通常都是自动的AI操纵的，所以我们对银行服务方面，比如支付或交易，我认为AI是大有可为的。
我想跟大家分享一下我们在新加坡看到的。在复杂的交易，是很难有非常清晰的答案的，机器投顾方面，用更多的AI，这是很难回答的。为投资者提供投顾服务的时候，比如一个人的风险偏好，市场的波动，以及组合波动等等，当你看到这些不同的复杂情况时，AI要做很多工作，才能有比较清晰的答案。这是一个挑战。这也是需要我们共同合作的，行业、客户、监管，共同协作，看我们怎样找到正确的方向，提供正确的解决方案。这样AI就可以更好地位投资服务。第二，比如给脸书上的人，如何更好地提供银行服务？比如在脸书上能转账、发现交易记录、查询余额，这就要考虑到信息私密度，考虑怎样保护客户隐私。如果允许脸书转帐，怎么解决安全性的问题？是否容易受攻击？这个体系决定了你整个AI的能力会怎么样。
复杂交易、私密性、安全性等，这些问题会不断推动大家对AI的思考，作为监管者，我们自己和客户，这需要我们三方合作，使得AI更好地合作。
王海明：时间有限。这个行业发展，面临很多技术问题或很多跟金融相关的行业问题，可能最重要的一个问题，还是这个行业怎么跟监管有个良性的互动。接下来我们想谈一个问题，你认为面对AI，监管最大的挑战是什么？给监管提的建议是什么？我们不分顺序，哪位有观点就可以陈述，尽可能控制时间。
