财新传媒
位置:博客 > 李大巍 > 迈克尔•伍尔德里奇:AI金融是人工智能目前最令人兴奋的机会之一

迈克尔•伍尔德里奇:AI金融是人工智能目前最令人兴奋的机会之一

 

近日,第三届世界人工智能大会(WAIC)云端峰会在上海世博中心盛大开幕。在聚焦金融行业AI技术应用的"未来金融"专场,他山石专家国际人工智能联合会议主席、牛津大学计算机科学系主任迈克尔•伍尔德里奇做了《人工智能在金融领域发挥作用的风险和机遇》的主题演讲,介绍了人工智能在金融领域最让人兴奋的应用,并列举了机器学习之外,两个可能会对金融业产生重大影响的人工智能技术。

 

迈克尔·伍尔德里奇

牛津大学计算机科学系主任

牛津大学计算机科学教授

牛津大学赫特福德学院高级研究员

 

迈克尔•伍尔德里奇:AI金融是人工智能目前最令人兴奋的机会之一

 

迈克尔•伍尔德里奇认为,人工智能不只是一种技术,而是由一系列技术构成的。“我们对当代的人工智能如此兴奋的原因是机器学习和深度学习。在过去的15年里,深度学习在机器学习领域取得了巨大的成功。因为深度学习,我们现在可以用人工智能做那些在几十年前看来不可能的事情。但是机器学习和深度学习并不是唯一的人工智能技术,还有很多其他的人工智能技术,比如搜索和战略推理。”

 

伍尔德里奇所说的搜索并不是指百度那样的搜索引擎。而是,能够找到复杂问题的解决方案 。“搜索是人工智能中规划和解决问题的基础技术。如何将这个世界的初始配置转换成期望的最终配置?如何把现状变成你想成为的样子?这就是规划和解决问题的意义所在。”

 

比如自然语言处理(NLP),即让机器理解人类的语言、文字。也是人工智能的核心技术之一。“而战略推理,是设身处地地考虑如果我是你,你会怎么做?战略推理,是目前AI金融的另一个核心组成部分。在过去的几年里,它取得了很大的进步。明显的例子是扑克牌游戏里的推理。”伍尔德里奇认为,人工智能不仅仅是机器学习,各种各样的人工智能技术都将在金融领域发挥作用。

 

比如两类不同的人工智能在金融界,即面向客户的应用程序和办公室后台的应用程序。面向客户的应用程序,指的是人工智能应用程序可以直接与客户交互(比如银行的机器人客服等);而后台的人工智能应用指的是,在你的业务后台中应用人工智能,但不是直接与消费者互动,而是间接互动(比如人工智能帮你分析一些股票、投资决策)。

 

伍尔德里奇认为人工智能在金融中最令人兴奋的应用应该是类似个人财务软件助理。当智能手机被放进口袋随身携带以后,“比如我们随身携带的Siri、Alexa、Cortana等都是软件助理。”而软件助理和金融之间的联系,核心在于个人财务管理助理。

 

以前苹果Siri只是愚蠢、被动地接受人的指令,但未来,也许软件助理将变得更为积极主动。软件从被告知要做什么的角色,变成积极地和我们一起解决特定问题的角色,理解主人的消费习惯、提出理财建议等,这将是巨大的赋能。他解释道:“就像医疗保健中的人工智能,可以全天候监控我们的健康状况一样。人工智能驱动的个人财务助理也可以为人们做到这一点。我认为下一代的应用是使用这些个人财务助理来理解我们的消费习惯。”

 

当智能助理了解你的收入情况,并统计过你最近的花销,它就会关注,你按现在的消费速度,未来几号会透支?你的水电煤气费和其他生活开支是多少?甚至在你20岁时,帮你计算60岁的银行账户情况。你在娱乐等的花销上,是否比同龄人更多?你的固定存款是不是比同龄人更少?人工智能做这些事不会感觉到无聊或者疲倦。它可以更尽职的比对哪家公司提供的话费或者宽带费更优惠。

 

在伍尔德里奇看来,人工智能在观察数据、发现趋势分类,并根据现有的数据预测事物的发展方向方面非常强大。而一个人工智能驱动的个人金融系统,能够相对轻松地完成这些事情。

 

原则上,让人工智能完成这些事将比人类完成的更好。同时,他也承认存在风险。“首先是信任的问题。我们怎么信任人工智能提供的建议完全符合我们的利益。银行总是想多赚钱、其他公司也是一样。人工智能只保护你的利益,而不是代表银行。另一个风险,在于个人隐私。我们每月收入多少钱,花销多少钱都属于隐私范畴。为了让人工智能替我们做这些事,我们愿意付出到什么程度的信息? 如果人们开发了一个软件可以控制客户的银行账户,软件被黑了怎么办?如果软件被其他软件所误导或利用怎么办?”

 

“这些也许不是人工智能的问题?而是人性的问题。” 伍尔德里奇指出症结所在。比如人工智能认为贷款不能审批带来的沮丧,比如人工智能认为你不应该花钱带来的愤怒。让软件有情感(同理心)是很难的。“如果它不理解人类的反应,那么对你来说,这款软件就不是人工智能,只是一个冰冷的不懂思考的机器。”

 

还有偏见问题。实际上,这是一个很大的风险。“我们往往认为机器很公平,但在现实中,有很多例子表明 我们构建人工智能系统并非如此。有证据表明,人工智能可以也会做出有偏见的决定。例如,认为,男性比女性更有信用就是一个系统偏见的例子;还有种族偏见,认为某些特定种族是否应获得贷款;或者你居住的城市是系统认为高风险的城市。这些都是偏见的例子。这些可能是设计者的失误或数据统计范围的偏差、或训练数据质量的好坏导致的偏见来源。

 

还有,透明度问题。人工智能的神经网络最终归结为一个巨大的数字列表。我们通过训练这些神经网络得到的数字,问题是我们不知道这些数字意味着什么。例如,如果我在欧洲被拒绝了一项贷款,在法律层面,可以要求一个解释。而人工智能神经网络中往往不能得到出这样的解释,被称为“黑箱问题”。它只是给出了一个答案,我们要么接受要么拒绝。

 

当然,好处也是显而易见的,比如人工智能在金融管理和降低风险方面的应用。特别是金融机构,总是试图预测未来。希望现在的投资在未来的某个时候将会是很好的投资,人工智能的典型工作方式是,使用人工智能技术来监控一系列不同的信号。包括市场价格、交易数据、新闻舆论、社交媒体的情绪分析。在这里,人工智能在监控一系列不同的信号,研究历史数据,并通过历史数据进行了训练。就让我们可以推断未来。

 

“我想讲的最后一个应用是自动转账交易。” 伍尔德里奇说,“这对于人工智能技术来说是一个巨大的应用领域,目前有很多交易都是与人工智能进行的。和我讲的个人财务助理非常相似。据统计,美国的交易市场中,自动化的交易者比例高达50%。这些买卖交易的程序,使用非常简单的交易策略。比如你的交易助理正在调查市场,它注意到某一商品在伦敦的价格比香港的要高,就可以在香港买,在伦敦卖。这就是套利。自动交易在毫秒间完成,捕捉市场漏洞,人类无法完成这样的决策。当然也存在风险,因为市场情况更复杂,往往有一些陷阱,比如虚假新闻带来的影响等。

 

伍尔德里奇总结:“但不管怎样,人工智能都是一项非常好的技术,有风险,也有很大机会。为了让人工智能安全有效地为我们的社会工作,我们更需要了解这些风险是什么。”

 

  来源 | 搜狐网 CC关注

 

近日,第三届世界人工智能大会(WAIC)云端峰会在上海世博中心盛大开幕。在聚焦金融行业AI技术应用的"未来金融"专场,他山石专家国际人工智能联合会议主席、牛津大学计算机科学系主任迈克尔•伍尔德里奇做了《人工智能在金融领域发挥作用的风险和机遇》的主题演讲,介绍了人工智能在金融领域最让人兴奋的应用,并列举了机器学习之外,两个可能会对金融业产生重大影响的人工智能技术。

 

迈克尔·伍尔德里奇

牛津大学计算机科学系主任

牛津大学计算机科学教授

牛津大学赫特福德学院高级研究员

 

迈克尔•伍尔德里奇:AI金融是人工智能目前最令人兴奋的机会之一

 

迈克尔•伍尔德里奇认为,人工智能不只是一种技术,而是由一系列技术构成的。“我们对当代的人工智能如此兴奋的原因是机器学习和深度学习。在过去的15年里,深度学习在机器学习领域取得了巨大的成功。因为深度学习,我们现在可以用人工智能做那些在几十年前看来不可能的事情。但是机器学习和深度学习并不是唯一的人工智能技术,还有很多其他的人工智能技术,比如搜索和战略推理。”

 

伍尔德里奇所说的搜索并不是指百度那样的搜索引擎。而是,能够找到复杂问题的解决方案 。“搜索是人工智能中规划和解决问题的基础技术。如何将这个世界的初始配置转换成期望的最终配置?如何把现状变成你想成为的样子?这就是规划和解决问题的意义所在。”

 

比如自然语言处理(NLP),即让机器理解人类的语言、文字。也是人工智能的核心技术之一。“而战略推理,是设身处地地考虑如果我是你,你会怎么做?战略推理,是目前AI金融的另一个核心组成部分。在过去的几年里,它取得了很大的进步。明显的例子是扑克牌游戏里的推理。”伍尔德里奇认为,人工智能不仅仅是机器学习,各种各样的人工智能技术都将在金融领域发挥作用。

 

比如两类不同的人工智能在金融界,即面向客户的应用程序和办公室后台的应用程序。面向客户的应用程序,指的是人工智能应用程序可以直接与客户交互(比如银行的机器人客服等);而后台的人工智能应用指的是,在你的业务后台中应用人工智能,但不是直接与消费者互动,而是间接互动(比如人工智能帮你分析一些股票、投资决策)。

 

伍尔德里奇认为人工智能在金融中最令人兴奋的应用应该是类似个人财务软件助理。当智能手机被放进口袋随身携带以后,“比如我们随身携带的Siri、Alexa、Cortana等都是软件助理。”而软件助理和金融之间的联系,核心在于个人财务管理助理。

 

以前苹果Siri只是愚蠢、被动地接受人的指令,但未来,也许软件助理将变得更为积极主动。软件从被告知要做什么的角色,变成积极地和我们一起解决特定问题的角色,理解主人的消费习惯、提出理财建议等,这将是巨大的赋能。他解释道:“就像医疗保健中的人工智能,可以全天候监控我们的健康状况一样。人工智能驱动的个人财务助理也可以为人们做到这一点。我认为下一代的应用是使用这些个人财务助理来理解我们的消费习惯。”

 

当智能助理了解你的收入情况,并统计过你最近的花销,它就会关注,你按现在的消费速度,未来几号会透支?你的水电煤气费和其他生活开支是多少?甚至在你20岁时,帮你计算60岁的银行账户情况。你在娱乐等的花销上,是否比同龄人更多?你的固定存款是不是比同龄人更少?人工智能做这些事不会感觉到无聊或者疲倦。它可以更尽职的比对哪家公司提供的话费或者宽带费更优惠。

 

在伍尔德里奇看来,人工智能在观察数据、发现趋势分类,并根据现有的数据预测事物的发展方向方面非常强大。而一个人工智能驱动的个人金融系统,能够相对轻松地完成这些事情。

 

原则上,让人工智能完成这些事将比人类完成的更好。同时,他也承认存在风险。“首先是信任的问题。我们怎么信任人工智能提供的建议完全符合我们的利益。银行总是想多赚钱、其他公司也是一样。人工智能只保护你的利益,而不是代表银行。另一个风险,在于个人隐私。我们每月收入多少钱,花销多少钱都属于隐私范畴。为了让人工智能替我们做这些事,我们愿意付出到什么程度的信息? 如果人们开发了一个软件可以控制客户的银行账户,软件被黑了怎么办?如果软件被其他软件所误导或利用怎么办?”

 

“这些也许不是人工智能的问题?而是人性的问题。” 伍尔德里奇指出症结所在。比如人工智能认为贷款不能审批带来的沮丧,比如人工智能认为你不应该花钱带来的愤怒。让软件有情感(同理心)是很难的。“如果它不理解人类的反应,那么对你来说,这款软件就不是人工智能,只是一个冰冷的不懂思考的机器。”

 

还有偏见问题。实际上,这是一个很大的风险。“我们往往认为机器很公平,但在现实中,有很多例子表明 我们构建人工智能系统并非如此。有证据表明,人工智能可以也会做出有偏见的决定。例如,认为,男性比女性更有信用就是一个系统偏见的例子;还有种族偏见,认为某些特定种族是否应获得贷款;或者你居住的城市是系统认为高风险的城市。这些都是偏见的例子。这些可能是设计者的失误或数据统计范围的偏差、或训练数据质量的好坏导致的偏见来源。

 

还有,透明度问题。人工智能的神经网络最终归结为一个巨大的数字列表。我们通过训练这些神经网络得到的数字,问题是我们不知道这些数字意味着什么。例如,如果我在欧洲被拒绝了一项贷款,在法律层面,可以要求一个解释。而人工智能神经网络中往往不能得到出这样的解释,被称为“黑箱问题”。它只是给出了一个答案,我们要么接受要么拒绝。

 

当然,好处也是显而易见的,比如人工智能在金融管理和降低风险方面的应用。特别是金融机构,总是试图预测未来。希望现在的投资在未来的某个时候将会是很好的投资,人工智能的典型工作方式是,使用人工智能技术来监控一系列不同的信号。包括市场价格、交易数据、新闻舆论、社交媒体的情绪分析。在这里,人工智能在监控一系列不同的信号,研究历史数据,并通过历史数据进行了训练。就让我们可以推断未来。

 

“我想讲的最后一个应用是自动转账交易。” 伍尔德里奇说,“这对于人工智能技术来说是一个巨大的应用领域,目前有很多交易都是与人工智能进行的。和我讲的个人财务助理非常相似。据统计,美国的交易市场中,自动化的交易者比例高达50%。这些买卖交易的程序,使用非常简单的交易策略。比如你的交易助理正在调查市场,它注意到某一商品在伦敦的价格比香港的要高,就可以在香港买,在伦敦卖。这就是套利。自动交易在毫秒间完成,捕捉市场漏洞,人类无法完成这样的决策。当然也存在风险,因为市场情况更复杂,往往有一些陷阱,比如虚假新闻带来的影响等。

 

伍尔德里奇总结:“但不管怎样,人工智能都是一项非常好的技术,有风险,也有很大机会。为了让人工智能安全有效地为我们的社会工作,我们更需要了解这些风险是什么。”

 

  来源 | 搜狐网 CC关注

 

邀约国际专家

欢迎扫码联系客服

400-805-8282

15210983395

 

 

他山石智库(www.tashanshi.net)全球专家资源管理机构。植根于中国市场,链接全球诺贝尔奖、顶尖前沿科技、经济金融、创新创业领域专家。创始团队来自国务院发展研究中心、麻省理工、财新传媒,著名财经作家吴晓波投资。

 

五年来,他山石与20余位诺贝尔奖得主及全球1000余位商界领袖、科学家、名校教授、畅销书作者建立合作,涵盖数字经济、人工智能、大数据、物联网、5G、工业互联网、生物医药、大健康、新零售、经济金融、文化创意等50多个国家重点鼓励和支持的产业领域。

 

他山石智库CEO李大巍(daweili@mit.edu)麻省理工访问学者、中央电视台CGTN评论员,出版《对话最强大脑:精英眼中的未来世界》及《中国经济的未来:10位诺奖经济学家建言中国经济》。

 

点击阅读原文或扫描二维码,进入新书选购页面!



推荐 0