科技正在重塑金融，科技也在不斷顛覆自己。金融科技的未來是怎樣的？這些面向未來的科技在金融業的落地應用有多廣？金融科技的進一步發展還需要解決哪些問題？在近日召開的由智能投研技術聯盟（ITL）主辦、第一財經研究院等單位協辦的首屆“1024國際智能投研開發者大會”上，來自金融科技領域的技術專家們回答了這三大問題。

在他們看來，聯邦學習、知識圖譜、深度學習、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我們徐徐走來。

金融科技的未來在哪里？

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內在的原生動力，在金融行業內成為未來競爭的核心砝碼。

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

“我們來到了大數據的時代，但其實我們周圍都是小數據，每個人、每個公司手里的樣本量和數據維度都非常有限，遠遠不足以支撐寬泛的人工智能。而要把這些數據聯合起來應用則會遭遇隱私權的‘緊箍咒’?！蔽⒈娿y行首席人工智能官楊強在上述會議上表示。

如何能夠在符合各種隱私法規的前提下解決“數據孤島”的問題？聯邦學習無疑在近幾年為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“橫向聯邦學習”算法框架，而微眾銀行隨后提出了基于“聯邦學習”的系統性通用解決方案。

據楊強介紹，聯邦學習提供了新的思路，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）形態的前提下共建模型，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不同地方的草料，不需要移動羊群只需要采集各地的草料，同時并不知道羊吃到肚子里的草到底是什么樣，也就實現了在隱私保護和數據安全的前提下，機器學習模型的不斷完善。

聯邦學習也可以和其他科技相結合以產生強大的作用。例如，聯邦學習和5G邊緣計算的相互促進。楊強表示，一方面，聯邦學習可使5G邊緣計算適用于對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，聯邦學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，也可促進聯邦學習應用于更多場景。

“我們看到聯邦學習和5G邊緣計算加起來會形成一個巨大的數據市場，能夠幫助我們做數據的估值和數據的交易，因為5G和邊緣計算就相當于一個硬件的網絡體系，聯邦學習則相當于這個體系的操作系統?！睏顝娬f。

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未來的一對“黑白雙煞”組合——即深度學習和知識圖譜的結合。他認為，深度學習（一種模擬深度神經網絡實現機器學習的技術）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，將互聯網信息表達為更接近人類認知世界的形式）則相對是可解釋的，并建立在場景之中。其中深度學習有一定的局限性，包括可理解性問題、對于復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補短。

“對于端簡單標簽，機器的深度學習非常適合，但是對于一個復雜結構，深度學習可能就不一定走得通，還是必須有知識圖譜以及領域專家參與?！卑状T認為。

科技在金融業如何落地？

金融業的未來競爭一定程度上就是金融科技的競爭，這個觀點已成為業內的共識，各大金融機構都在進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。

前瞻產業研究院數據顯示，2015年~2019年國際領先金融機構信息技術投入總體呈逐年增長態勢，2019年部分國際領先金融機構信息技術投入金額為260億美元，同比增長6%。

來源：信通院、前瞻產業研究院整理

那么，聯邦學習、知識圖譜、區塊鏈等代表未來方向的科技目前在金融業的落地情況如何？

以聯邦學習為例，雖然這是一個2018年以后才出現的名詞，但目前其在金融業的應用案例已如雨后春筍，譬如，將聯邦學習用于反洗錢之上。

眾所周知，反洗錢是維護金融體系穩健運行、維護公平公正的市場經濟秩序的客觀要求，對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本數據，為了優化銀行的反洗錢模型，微眾銀行與合作銀行已開始使用聯邦學習，在數據隱私保護的條件下建立聯合模型，識別性能較單個模型提升90%。

平安集團首席科學家肖京則舉例稱，平安在投資領域風險管理方面應用了大量知識圖譜技術。知識圖譜可基于歷史事件智能歸因，推演新事件或采取行動?；谄髽I實體屬性等構建知識圖譜，可以發現潛在企業風險，從而實現債券違約風險預警、發現財務粉飾、輔助銀行進行信貸管理等功能。以債券違約風險預警為例，平安集團數據顯示，在2019年至今發生違約的264只債券中，平安提前3個月以上成功預警的達到251只，成功預警規模約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可以發現，但通過殼公司循環控制等更深入復雜的三度和四度關聯關系，依靠人力調查則無法完成，還是必須要借助知識圖譜等技術?！睌德撱懫范麻L兼總經理曾途表示。

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

金融科技的發展還需要解決什么問題？

未來已來，但未來可不僅僅有科技就行。

在由第一財經研究院院長楊燕青主持的圓桌論壇上，技術“大?！眰兙徒鹑诳萍嘉磥淼奶魬鸱窒砹俗约旱挠^點。他們普遍認為，金融科技是整個社會范疇的議題，要使金融科技健康快速發展，可解釋性、相配套的規則及標準等都還是橫亙在這個領域面前需要解決的問題，而這些問題涉及到監管、法律、經濟學、社會倫理等方方面面。

首先，科技的可解釋性對于監管和設定法規來說至關重要，因此可解釋性人工智能成了近年來被熱議的話題。

楊強表示：“所謂可解釋人工智能是指，需要讓不同背景的人明白科技背后的邏輯。但用動輒幾千萬的參數建立的模型，往往是一個所謂的黑箱，沒有辦法解釋運作原理，這就會面臨幾個困境，第一個困境是監管方不知道模型的運作機理，無法進行監管工作；還有一個是系統開發的工程師不知道原理，就沒有辦法來修正錯誤；另外金融業務的消費者也無法得到好的解釋?！?/p>

針對楊燕青關于“金融科技將如何走通可解釋性這條路”的提問，楊強傾向于認為，深度學習未來可能會越來越“黑箱”，需要另外設立科學家解釋的機制；白碩則認為不能單純被動等待可解釋的人工智能出現，現在就應該充分運用知識圖譜這樣具有“白箱”性質的技術工具來相互結合。

天云數據CEO雷濤則認為，需要在工程上進行組合，用深度學習來做數據抽取，并將之放在一個可認識的框架內，并且用上一代人工智能這種專家強解釋的方法來支撐這個主要框架。

楊強表示，盡管目前可解釋性人工智能正處在研究階段，還沒有形成系統的體系，但行業已開始有所動作。據了解，微眾銀行向電氣和電子工程師協會（IEEE）提交的“可解釋AI（XAI）”標準已獲立項通過，微眾銀行牽頭組織國內21家機構和企業，已于7月24日召開第一次標準工作組會議，這也是首部面向業界的機器學習可解釋標準。

可解釋性的背后，是金融科技發展到目前階段需要匹配的標準和監管環境的急切需求，而標準和規范也是可解釋的前提。那么，標準和監管對目前的金融科技企業來說意義是什么？人工智能的標準又究竟應該如何建立？

對于楊燕青的上述提問，曾途回應稱：“金融科技有框架和規范是很有必要的。人工智能、機器學習支持業務，這本身是一個技術協同協調的過程，背后需要標準業務人員以及對于輸入參數和輸出結果的合規。在合規的框架內，才能構建出整體框圖，然后才能進行解釋?！?/p>

楊強則稱，目前人工智能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標準。他建議在建立了相關標準之后，還需要在銀保監會等相關行業監管部門之下，再建立審計和監管標準執行的機構。

“金融是利用信息不對稱性來賺錢，而人工智能是把金融變得信息對稱。誰掌握了這種強大的武器，在未來就會有最大的受益?！痹颈硎?，在這個過程中，對這種“武器”的使用機制的監督和規范相當重要，但目前還存在缺失，需要加緊研究。

責任編輯：王煊