人民银行科技司司长李伟：保险有序推动金融范畴人工智能大模型使用

liukang202418小时前吃瓜知乎941

　　定见首领丨我国金融杂志

　　作者|李伟‘我国人民银行科技司司长’

　　习近平总书记在掌管中共中央政治局第二十次团体学习时着重，面对新一代人工智能技能快速演进的新局势，要充分发挥新式举国体制优势，坚持自立自强，杰出运用导向，推进我国人工智能朝着有利、安全、公正方向健康有序展开。咱们要把握前史机会、迎候实际应战，保险有序推进人工智能大模型运用，加速金融数字化、智能化转型，为做好金融“五篇大文章”和推进金融高质量展开注入才智动能。

　　以史为鉴，精确把握大模型展开带来的战略机会

　　人工智能技能展开的头绪整理。回顾前史，人工智能技能展开演进已走过70余年，从图灵提出“机器能否考虑”到今日的大模型年代，大致阅历了三个展开阶段。榜首阶段（20世纪50年代~20世纪末），1956年达特茅斯会议初次提出了“人工智能”概念，之后符号主义、联合主义、机器学习等理论相继被提出，依据规矩的专家系统开端在医疗确诊、金融风控等范畴落地运用。这时的专家系统本质上是“白盒”模型，无法从数据中自动学习常识，需求人工将常识编译成规矩让机器去运转。第二阶段（21世纪初~2017年），2006年杰弗里·辛顿在Science期刊宣布论文提出深度学习理论，克服了神经网络层数扩展的技能瓶颈，为深度学习快速展开奠定理论根底。之后，深度学习算法在图像辨认、语音辨认、自然言语处理等范畴运用并取得了杰出效果。2016年DeepMind研制的AlphaGo围棋程序打败世界冠军李世石，引起了全世界的重视。这一时期的模型参数还比较小，只能完结特定使命、处理特定问题，不具备生成和泛化才能。第三阶段（2017年以来），2017年谷歌研讨团队提出Transformer算法架构，引进自注意力机制，明显进步了模型的并行计算才能和长序列处理体现。2020年OpenAI推出GPT-3，模型参数规划到达千亿量级，展现出史无前例的言语了解、内容生成和泛化才能。尔后，大模型才能不断进步，GPT-4o完成了跨模态语义贯穿，GPT-o1经过长思想链完成杂乱问题推理求解；DeepSeek系列模型凭仗低本钱、高功能、高开放性的优势，打破了“高算力和高投入是展开人工智能仅有途径”的固有认知，拓荒了大模型技能展开的新方向。

　　人工智能技能展开的规矩剖析。纵观前史，人工智能技能展开伴跟着算法、算力、数据三要素的替换演进、协同效果，也是技能与运用相互促进、螺旋迭代的进程。深化知道人工智能技能展开规矩，关于把握智能化年代战略机会具有重要意义。榜首，算法是人工智能技能展开的根底。自人工智能概念被提出以来，算法研讨一直处于学术探究的中心位置。这是因为算法从理论上决议了人工智能技能展开的上限和空间，算法存在缺点则人工智能技能展开势头或许被遏止，算法完成打破则人工智能技能或许迎来新的展开机会。例如，1957年弗兰克·罗森布拉特创造感知机，神经网络算法便已萌发，但因马文·明斯基证明单层感知机无法处理非线性分类问题使神经网络研讨堕入沉寂。直到深度学习理论被提出，经过无监督预练习缓解梯度消失问题，才为后续深层神经网络展开铺平道路。第二，算力和数据是人工智能技能展开的“土壤”和“肥料”。算法虽从理论上奠定了人工智能技能展开的根底，却仅仅种下了一粒“种子”，没有足够的算力“土壤”和数据“肥料”，也难以生根发芽、开花成果。例如，深度学习理论刚被提出时没有引起很大的反应，原因便是算力、数据条件不具备。跟着互联网展开使数据井喷式添加、智能芯片逐渐老练使算力跨过式打破，2012年杰弗里·辛顿的团队依据深度学习算法练习出的模型，在ImageNet视觉辨认应战赛中一举夺冠，才让深度学习从很多机器学习算法中锋芒毕露。第三，运用是查验人工智能技能展开成效的标准。运用实践是查验技能展开成效的“试金石”，能否落地运用是影响人工智能技能展开兴衰成败的要害要素。20世纪八九十年代，专家系统鼓起是因为它让人们看到人工智能技能落地运用的期望，初步处理了人工智能“能不能用”的问题。2020年以来，GPT系列模型敞开新一轮的人工智能热潮，是因为其大幅进步了模型功能和运用距离，处理了人工智能“好不好用”的问题。2025年新年以来，DeepSeek引起广泛重视，是因为它经过算法架构和工程优化，大幅下降了大模型运用门槛，处理了人工智能“用不用得起”的问题。

　　人工智能金融运用的远景展望。在深度学习算法、大数据、强算力的协同共振下，以大模型为代表的新一代人工智能技能发生了“智能出现”现象，内容生成、泛化搬迁、逻辑推理、交互对话等才能完成跨过式进步，敞开了人工智能“大航海”年代。金融业一直以来都是技能立异运用的先行者，凭仗丰厚的运用场景、海量的数据资源和厚实的技能根底，必将成为大模型生根发芽的膏壤。从金融安排来看，大模型正逐渐成为新一代“才智大脑”，可统筹使命规划调度、串联杂乱金融事务，完成才能有用整合和事务高效协同，乃至有望催生全新金融形式，拓宽金融出产的或许性距离，完成金融安排运营形式革新晋级。从金融商场来看，大模型可大幅进步供需双方信息获取、剖析、处理才能，协助金融安排深化洞悉商场趋势、精准定位潜在客群、不断拓宽服务范围，协助用户进步金融认知才能和素质，纾解供需间信息不对称问题，进步金融商场有用性。从金融监管来看，大模型有助于理清监管报送数据逻辑联系和层次结构，将监管规矩形式化、数字化和程序化，发掘剖析金融安排展业情况和相相关系，精确辨认违规行为，进步危险预警处置功率，进步监管的穿透性、统一性与有用性。能够预见，未来人工智能在金融范畴的运用将不断深化，逐渐从特定使命提质增效的“辅助东西”演变为多元范畴赋能增智的“智能中枢”，大幅进步金融全要素出产率。一起要清醒知道到，人工智能历经曲折沉积才走到今日，未来的路也绝非朝夕之功。要做好打攻坚战、持久战的预备，有“啃骨头”的精力、“钉钉子”的劲头，边探究、边运用、边完善，构成以运用促立异、以运用促进步的良性循环，推进人工智能技能不断螺旋迭代、立异展开。

　　有备无患，充分知道大模型运用潜在的危险应战

　　客观来说，大模型运用还存在一些潜在危险，面对许多实际应战，间隔全面深度融入金融价值链、工业链还需跨过不少艰难险阻。

　　算法模型问题较为杰出。一是模型错觉问题。受练习数据误差、算法内在缺点等要素影响，大模型或许生成看似合理、实则与常识或现实相悖的内容，且推理增强模型因推理杂乱性或许导致错觉问题愈加杰出。二是模型共振问题。若金融安排遍及选用相同大模型，模型同质化或许导致“羊群效应”和商场共振，从而引发跨安排、跨商场的连锁反应，添加顺周期性金融危险。三是算法黑箱问题。因为模型规划巨大、作业原理杂乱，大模型极大添加了对模型运转机理、输出成果的解读难度，进一步加重了算法黑箱问题。尽管推理增强模型可输出推理进程，但可解释性依然有限，难以彻底满意金融运用中对模型透明度和可靠性的要求。

　　智能算力紧缺局势严峻。大模型的练习和推理高度依靠智能算力的支撑，DeepSeek的技能打破虽大幅下降了大模型运用门槛，但跟着很多运用者涌入，全体算力需求或许“不降反增”，引发“杰文斯悖论”。我国金融范畴安排数量很多、场景杂乱多样、用户基数巨大，大模型金融运用的算力需求将不断攀升，智能算力供应结构性缺少、芯片配套生态不行完善等问题或将更为杰出。

　　数据安全危险不容忽视。练习数据是培养大模型的原材料，练习数据的好坏决议大模型质量。若练习数据被歹意“投毒”、含有虚伪内容，大模型或许发生决议方案过错；练习数据存在违法、过火等有害信息，大模型或许发生歪曲的价值观。此外，金融数据高度灵敏，部分数据或许触及金融用户隐私，在大模型研制与运用进程中，数据脱敏不妥、非授权拜访、诱导交互等或许引发数据走漏危险。

　　科技品德危险成为应战。若大模型在练习对齐进程中缺少品德束缚，或遭到不妥奖赏机制诱导，或许在性别、种族、地域等方面存在成见，生成有违品德品德的歧视性、不公正的内容。例如，依据大模型将不同用户集体“标签化”并施行不同定价，危害金融公正性和普惠性；或违背金融顾客恰当性准则，构建信息茧房，打乱金融商场竞争次序、阻止顾客自主挑选。

　　配套法规准则有待完善。当时大模型在金融安排作业运营、客户服务、风控合规等范畴已有不少运用。未来，跟着大模型的金融事务参加度不断加大、自主性不断进步，怎么界定大模型的人物权责和运用距离将成为新应战。例如，若大模型运用形成金融用户利益丢失，怎么客观公正断定职责归属？怎么树立负职责的办理系统，既保证金融安排合理利益又维护金融用户合法权益？这些问题将成为大模型监管办理的重要课题。

　　注重实效，系统推进金融安排数字化、智能化转型

　　在智能化年代，大模型不仅仅金融服务降本增效的“东西”，更是展开新质出产力的重要引擎，是驱动金融革新的要害力气。金融安排要充分知道新一代人工智能技能的战略定位，精确把握金融数字化、智能化转型的深化内在，实在将数智化元素深度融入金融事务全流程、金融服务全链条，加速健全与智能化展开相适配的现代金融系统。

　　构建适配转型的顶层规划。在战略规划方面，金融安排要加强自上而下的统筹策划，自动将数智化转型融入金融强国、数字我国建造全局，拟定全方位数智化转型战略规划，清晰施行路线图和时间表，优化转型成效点评与鼓舞系统，营建支撑智能化立异的良性气氛。在安排机制方面，要加速构建企业级数智化转型统筹和谐机制，树立“一把手”担任制，探究打造业技交融、商场导向、立异驱动的灵敏化安排架构，强化前中后台协同、上下左右联动和事务开发运维一体化，为金融数智化转型供应安排保证。在技能架构方面，要探究构建兼容异构算力、云边端协同的智能算力底座，建造包括脱敏、清洗、标示、点评、质量办理和安全维护的大模型数据办理系统，打造兼容不同模型架构、支撑多元模型协同调度和模块化供应的智能中台，为金融数智化转型筑牢技能根底。在人才培养方面，要加强与研讨安排、高等院校的对接协作，经过专项练习、交流学习、联合实践等方法，加速培养懂AI技能、知事务、会办理的复合型人才，营建继续学习和鼓舞立异气氛，全方位进步全体职工的智能素质。

　　探究人机协同的运营形式。跟着大模型技能继续立异打破，特别是智能体逐渐老练，人工智能既可像人相同考虑、剖析、规划、回忆，又能结合RPA等技能实行详细事务流程，有望成为既有“大脑”又有“四肢”的“数字职工”，这将给企业运营形式带来深化革新。一是要应时而变。金融安排要保险推进运营形式从经历驱动、人力驱意向数据驱动、人机协同转型，逐渐完成作业方法从“人运用AI”“AI辅助人”向“人与AI协作”“人监督AI实行”改变，着力进步运营办理智能化水平。二是要智圆行方。充分发挥人工智能的高效性和人的创造性，让大模型处理事务性、操作性、流程化、标准化的作业，让人从事更具战略性、立异性和价值性的事务，完成人工智能与人的优势互补。一起，要树立危险办理与监督机制，保证终究决议方案由人作出、要害环节有人监督干涉，完成大模型运用危险可控。三是要以人为本。妥善处理好人与人工智能之间的联系，让人工智能服务“人”，而不是代替“人”、压榨“人”。对外服务要以用户为中心，从增强服务普惠性、维护用户权益、维护金融公正的视点来规划运用大模型；对内办理要以职工为中心，将大模型用于解放出产力、进步劳动出产率和进步职工幸福感。

　　坚持集约高效的施行途径。当时，通用根底大模型缺少对金融专业常识的系统把握，未经过金融事务的实战练习，间隔金融运用存在“常识距离”，直接运用于专业性强的杂乱金融场景往往错觉率较高、难以满意事务需求。因而，打造金融大模型、进步大模型金融常识水平是推进大模型金融运用的必经之路，这需求在算力、数据、人才等方面投入很多资源，需求咱们坚持集约化的展开途径。大型金融安排要勇于立异、赋能职业，强化金融范畴数据标示和常识发掘，归纳运用二次练习、微调、常识蒸馏等手法，构建把握金融常识、适用不同场景、适配不同使命的金融大模型矩阵，探究多元模型“扬长避短”的协同作业形式，更好满意金融事务场景多样化运用需求，在深化进步大模型运用才能的一起发挥引领带动效果，助力进步职业全体智能化水平。中小金融安排要以我为主、善借外力，可依托老练结构，运用提示工程、检索增强生成等技能对通用根底大模型进行轻量化适配；也可在依法合规、保证安全的前提下，探究运用公共智算中心、超算中心等外部算力资源，叠加本地数据集展开模型练习和微调，下降算力设备建造和模型练习本钱。一起，可充分发挥金融根底设备、工业联盟、职业协会等的枢纽效果，依照“共建同享共用”理念，整合产学研用各方资源，探究建造“人工智能+”金融职业运用支撑才能，经过共建联合立异实验室、算力根底设备、金融语料库和数据集等方法，让广阔中小金融安排更好搭上智能化展开快车。

　　进步要点范畴的服务水平。在科技金融方面，探究运用大模型等技能展开海量数据相关剖析和杂乱形式辨认，强化科技范畴细分职业展开趋势、企业运营情况、商场局势改变的动态盯梢剖析，树立对科技型企业的全景画像和精准触达机制，进步投融资功率和精准度，促进金融服务触达更多草创期、成长期企业。在绿色金融方面，研讨运用大模型、区块链等技能深度发掘企业碳账户、碳排放、ESG评分、能源消耗水相等绿色数据价值，展开定性定量归纳剖析，进步绿色企业、绿色项目智能辨认才能，强化对“洗绿”“漂绿”等行为的智能监测预警，继续进步绿色金融服务可得性和精准性。在普惠金融方面，研讨运用大模型、大数据等技能进行笼统特征剖析、长尾需求发掘，精准辨认小微民营企业、弱势集体金融需求和典型特色，供应愈加精准的个性化、定制化金融服务，继续拓宽普惠金融服务半径、下降边沿本钱。在养老金融方面，充分发挥大模型的言语了解、情感辨认、多模态交互等优势，立异规划适配老龄化需求的金融产品服务，为晚年集体供应更友爱、更有温度的服务体会。在数字金融方面，研讨运用大模型深化数字化办理、灵敏化立异、自动化风控、智能化营销系统建造，进步金融服务便利性和安全性，进步金融顾客维护才能，全面增强金融中心竞争力。

　　与时俱进，着力进步金融数字化、智能化办理水平

　　在推进大模型金融运用的一起，要下大力气健全与新一代人工智能展开相适配的金融监管机制和办理系统，着力营建杰出展开环境，守住金融安全底线。

　　深化立异监管东西运用。大模型金融运用是向未知范畴的探究，运用妥当可为金融立异注入新动能，运用不妥也或许引发新危险。咱们要秉持技能中性的准则，坚持容纳审慎的监办理念，深化金融科技立异监管东西的运用，着力营建“答应犯错、及时纠错、快速改错”的立异气氛，以法律法规和监管规矩为绳尺划定刚性底线，运用信息发表、大众监督等方法设置柔性距离，支撑金融安排、科技公司在危险可控的实在商场环境中先行先试，继续打磨完善依据大模型的优质金融产品，实在进步金融守正立异才能，有用破解大模型金融运用办理的“科林格里奇”窘境。

　　发挥标准标准引领效果。2024年9月，我国在联合国会议上提出《人工智能才能建造普惠方案》，推进树立人工智能安全危险点评的结构和标准。在此之前，我国人民银行发布智能算法金融运用信息发表指南和点评标准，引导金融安排及时发表智能算法决议方案机理、运转逻辑和潜在危险，强化智能算法全流程点评与管控。下一步，将加速拟定大模型技能金融运用安全标准，依照分级分类办理思路，清晰大模型金融运用的安全结构，依据场景类型提出分级安全要求，筑牢防备人工智能技能危险向金融范畴传导的“安全网”。

　　加强监管科技才能建造。大模型运用的危险隐蔽性更强、杂乱度更高，给金融监管带来新应战。监管手法也要与时俱进，咱们要强化监管科技运用，加速健全自主可控安全高效的金融根底设备系统，充分发挥金融根底设备的广泛联接性和事务中枢效果，积极探究运用大模型技能进步金融办理才能，增强对大模型运用的监管效能。例如，前期人民银行安排建造金融业网络安全态势感知渠道，加强跨安排、跨职业危险情报同享和信息互通，继续进步传统网络安全危险监测预警才能。下一步，将探究建造金融范畴人工智能运用危险监控渠道，进一步强化大模型运用危险的多渠道态势感知、归纳性剖析点评和差异化应对处置才能，进步大模型运用的数字化监管水平。

　　强化人工智能品德办理。当时，强化人工智能特别是大模型技能的品德办理，已成为国际社会广泛一致。我国等28个国家和欧盟一起发布《布莱切利宣言》，倡议以负职责的方法规划、开发和运用人工智能技能。前期，人民银行发布《金融范畴科技品德指引》，清晰树立负职责金融科技品德办理系统的基本要求和行为准则。下一步，要着力构建协同共治的品德办理格式。金融安排要实在实行金融服务主体职责，对金融顾客担任，探究树立企业级科技品德检查和点评机制，依法合规将大模型运用于展开守正向善、公正普惠的金融立异；科技公司要对协作的金融安排担任，自动研判、及时化解科技活动中存在的品德危险，保证研制的大模型产品安全可靠、危险可控，实在做到有技能不固执、有数据不乱用；自律安排要发挥职业自律效果，出台更多有影响力的品德办理倡议和自律条约，探究可落地的大模型品德点评结构和东西，助力营建负职责的人工智能立异运用环境；从业人员要遵循职业品德底线，进步人工智能品德危险知道，自觉进步本身品德水平缓品德素质。

告发/反应