人工智能正變革諸多行業，金融行業首當其沖。

　　李開復老師在其《人工智能》一書中提到，智慧金融是AI目前最被看好的落地領域。因為金融行業可以說是全球大數據積累最好的行業，銀行、保險、證券等業務本來就是基于大規模數據開展的，這些行業很早就開始了自動化系統的建設、并極度重視數據本市的規范化、數據采集的自動化、數據存儲的集中化、數據共享的平臺化。

　　與互聯網創業不同，AI創業需要巨大資本投入，包括服務器、人才和數據標注等方面都需要巨大投入，而金融機構雄厚的資本使得每年都能夠支出大手筆的IT投入。數據顯示，美國摩根大通銀行每年的IT指出是95億美金，美國銀行是90億，富國銀行是70億美金。而中國平安每年的研發投入經費在70億元人民幣以上，這是互聯網玩家所不能比擬的。

　　“金融科技對傳統銀行是沖擊是顛覆性的，雖然剛剛開始，但它的影響已經產生?！?1月6日，清華大學國家金融研究院院長朱民在首屆JDD-2017京東金融全球數據探索者大會上表示，AI應用會遍布銀行所有的垂直領域和職能部門，這就是傳統商業銀行的未來，這也是金融科技的未來。

　　然而，任何一個新興技術浪潮都難免會有泡沫，瘋狂的AI金融背后，仍有三大謊言。

　　謊言一：給銀行再造一個系統

　　2008年末有人曾經說過“如果銀行不改變，我們就改變銀行”的豪言壯語，時至今日，貌似都已經變成了現實，微信、支付寶等第三方支付確實改變了金融體系。但是，移動支付并未從本質上改變銀行體系，銀行還是基于傳統的CRM系統。

　　人工智能是一把利劍，很多人拿到它，第一個想法就是要改變原有的行業體系。這種“拿著錘子找釘子”的打法難免受挫，因為銀行體系是經歷幾十年沉淀，上下游牽涉到的流程復雜，不易改變。

　　Linkface CEO黃碩有十幾年的銀行從業經驗，他在接受億歐采訪時說，想給銀行客戶做一個服務的時候，客戶的基本原則要求是不要輕易改變他們現有的業務流程，因為金融業務的流程特別復雜，不像互聯網公司可以試試，金融機構沒有半年的論證不會跟你談，切記“心太大”。

　　傳統銀行的市場相對比較封閉，他們對于外面的接受度比較低，銀行領域的從業人有一套相對固定的思維方式。12月14日，來2017億歐創新者年會-AI產業應用峰會，與業界頂級大佬共同探討AI如何在金融、安防、醫療、新零售等領域商業落地。

　　謊言二：人臉識別取款

　　人臉識別技術愈來愈成熟，并逐漸在安防、交通、3C等領域落地，今年九月，中國農業銀行在貴陽的兩臺自動取款機上線“刷臉取款”，用戶可以不帶卡，只要刷臉就能取款。

　　但是，刷臉取款真的安全嗎？

　　作為國家人臉識別標準起草人，中科奧森首席科學家李子青對人臉識別的應用相對保守，他在接受億歐采訪時說：“如今的人臉識別還很不成熟，只要你看到戴墨鏡到口罩能識別的都是瞎吹，騙人的人臉識別；雙胞胎能識別出來的都是在騙人；跨年齡的人臉識別都是騙人，MIT Review說螞蟻金服和百度達到了金融級別，我認為是沒有達到的。有部分銀行想用刷臉取款，我覺得5年之內別想做?！?/p>

　　其實，無證取款就是運用1：N的人臉識別技術，目前技術成熟度還不如1：1的人證驗證。而且銀行對人臉識別準確度要求非常高，因為取款是不可逆的，如果大范圍上線，潛在危險非常大。另外，一旦銀行推出人臉識別之后，很可能會有黑客來對付。

　　其實，農行的人臉識別取款也不是一鍵完成，農行對外表示，除了人臉識別之外，用戶還需要輸入手機號碼或身份證號進行身份確認，最后再依靠密鑰進行取款，安全性相對插卡取款還多了一重保障。

　　謊言三：AI將取代金融和數據分析師

　　數據分析都是為了解決一個問題，或者驗證一個猜想，總之需要達到一個目標。這些需要先預設一個或多個目標作為切入點，然后在探索過程中逐步修正。

　　提出和發現問題的過程，交給計算機干不太靠譜，因為計算機不會提出問題，即使計算機能發現的問題也一定是人已經發現了的問題，需要先有人來設定規則，然后計算機才能根據規則發現問題。而數據分析師，就是設定規則的人。

　　對模型輸出的數據進行解讀，那完全是分析師的天下。即使同一份數據給不同的分析師，可能會得出不同的結論，很多時候分析師并不單單根據數據本身得出結論，還要結合很多外界因素來修正結論。分析師的經驗越豐富，擁有的有效信息量越多，得出的結論就越接近事實。

　　而且這個過程是計算機目前沒辦法自主進行的，商業智能系統做的再好，也需要由分析師來設定規則，告訴計算機在什么時間需要做什么。

　　媒體經常以“機器人殺人”、“取代工作”為噱頭證明人工智能浪潮的來臨，金融行業失業威脅論此起彼伏。其實，許多金融科技從業者重視人工智能但遠未到委以重任的地步，業內普遍認為,人工智能所能替代的只是初級的信息收集與處理等基礎工作。在真正可以完整模擬人腦的人工智能出現前，分析師不可能被取代。

責任編輯：Rachel