文/洪若馨，伊蕾

人工智能绘画超越人类创作是一种怎样的体验。

2022年9月，一幅名为太空歌剧院的AI画作获得科罗拉多博览会艺术大赛一等奖，随即引爆社交媒体这幅画是由游戏设计师JasonAllen通过AI绘图工具Midjourney创作的，然后由Photoshop进行修图

有人质疑用AI创作的作品参加比赛对别人不公平，但这恰恰证明了技术进步日新月异——更具创造性的生成式人工智能正在吸引更多人的关注。

从AI绘画夺冠到《AI获得创意》入选科学十大突破》2022，然后DALL—E 2，ChatGPT，AlphaCode就诞生了生成式人工智能已经证明了它可以陆续输出创意内容

最近几年来，借助深度学习，研究人员在自然语言理解，数据挖掘，个性化推荐等领域取得了令人瞩目的成就，而基于深度学习的大模型成为实现人工智能的主流选择整个行业也在热切期待新技术能实现哪些突破

大模特目前的发展阶段是什么都看如果把它的能力放在金融行业去处理原来的任务，它的性能和效果会大大提高如果把金融大数据注入一个大模型，然后预测经济形势，肯定会比现有的分析方法有很大的提高清华大学人工智能研究院常务副院长孙茂松提到，在国际上获得诺贝尔奖，我不会感到惊讶，甚至不会期待

最近几天，《麻省理工科技评论中国》正式发布报告《2023金融科技趋势展望》其中国研究团队联合北京大学光华晓曼金融科技实验室，与技术专家，科研学者，金融行业从业者一起，对行业未来发展趋势做出了预测

报告认为，生成式人工智能，因果推理，多模态情感计算，图计算，自动机器学习，科技伦理治理，链上分布式金融应用，隐私计算，虚拟数字技术，云上能力升级可能成为2023年技术发展的重要趋势。

无论是前沿技术探索，还是深度实现价值释放的路径优化，抑或是底层基础设施的重塑，创造更好的环境。

当前，金融行业数字化，智能化转型正在加速，数据和人工智能技术是关键驱动因素人工智能技术在金融行业的应用，必将对金融行业现有的服务模式产生革命性的影响小满CTO徐栋良在报告中强调

从长远来看，人工智能给金融行业带来的改变，不仅是降低成本，提高效率，还将重塑金融行业价值链的每一个环节。

1.提高生产力的新工具

在技术发展的最后阶段，以人工智能为代表的新兴技术虽然得到了广泛应用，但仍然有其局限性他们更习惯于处理机械的数据任务，而不是创造性的内容但眼下，这些固有的认知正在被逐一打破

根据前述报告，生成式人工智能是新一代生产力工具在金融领域，生成文字，传播文案，语音，图像，视频等可用于智能营销，广告等业务场景，也有利于提升客服，用户交互，售后服务的效率

但是，生成式人工智能还处于实验阶段，远没有达到取代人工智能的境界，还没有采取商业化的形式相比之下，因果推理和多模态情感计算的发展与前者进行了进一步的比较

近两年来，因果推理领域的研究和应用逐渐活跃起来，与机器学习的关系更加密切，试图从非结构化数据中找出隐藏的因果变量及其关系。

卡耐基梅隆大学哲学和机器学习系副教授张坤在报告中提到，我们希望以因果的方式看待机器学习，这可以帮助我们从基于预测的传统机器学习走向更高维度的水平，走向理解，值得信赖和干预主义的人工智能发展水平。

在金融行业，因果模型是智能营销的关键手段，可以最大化整体营销效率。

根据度小满的实践，其最近几年来的业务发展通过因果推断增加了对客户价格敏感度的研究，即如何最大化用户权益的使用和体验，同时减少不必要的营销投入这也使得度小满平台提升整体运营效率，推动获客利率持续下行

与此同时，情感计算这一迅速崛起的交叉学科在金融领域也大有可为。

伴随着金融行业加速从以产品为中心向以客户为中心转变，情感计算有助于理解客户真实的情感表达，收集客户情感信息，识别客户情感变化，做出相应的决策指导。

比如催收场景，用人工智能代替人工代理已经成为大势所趋可是，出于合规和业务效率的要求，人工智能不仅需要通过识别客户的情绪来选择继续或中断收集行动，还需要承担辅助测谎功能——综合分析用户的声音，通过多个因素判断说话人说谎的概率如果可以判断客户没有明显的说谎特征，逾期还款原因属实，金融机构可以根据用户情况提供延期还款等千人千面

2.价值释放新力量

除了探索未知，在一些已知和已用的领域，技术的不断提升也能带来新的发展空间如图形计算，虚拟数字技术，自动机器学习等典型报道中提到的

我们先来看图形计算到目前为止，图计算技术最清晰的应用效果是智能信用评估，资金流查询和财务数据可视化

利用图计算技术，可以在金融场景中实时找到最完整的路径在数字支付，数字服务，数字金融等核心金融业务中，可以显著提高风险行为的实时识别和调查分析效率

以度小满为例，平台在拓展小额信贷服务的过程中，通过将图计算技术应用于智能信用评估，可以实现更精准的企业风险评估，企业关联分析和企业信息查询，更高效地刻画精准全面的用户画像，并提供匹配的策略支持。

值得注意的是，伴随着应用的普及，图计算技术的研究和探索正在向更高维度迁移。

从技术演进的角度来看，提高分布式图算法的效率，促进跨数据源的集成和交流，设计新兴的图计算模型和高能效的图计算架构系统，规范相关基准，都是可能带来惊喜的方向。

除了图计算，自动机器学习也是显著提高业务优化的一个赛道。

在金融领域，自动机器学习技术大大简化了从数据到模型的过程，提高了模型输出的效率和质量，同时降低了机器学习的门槛，使得没有该领域专业知识的人也可以使用机器学习来完成相关工作。

此外，2022年，多家金融机构在过去一年推出数字品牌代言人，引领场景营销新方式。

未来，金融机构将进一步利用物联网和移动通信技术，突破物理网点的限制，在人与人，人与物，物与物之间建立智能化，互联化的服务通道，构建无边界的全渠道金融服务能力。

3.基础设施带来新的可能性

如果从宏观角度看整个行业，监管和市场环境变化带来的底层基础设施的升级将会持续，并逐步进入深水区。

过去两年，中国高度重视人工智能伦理，安全，法律法规，将科技伦理治理提升到新的高度。

例如，2022年10月9日，中国人民银行正式发布《金融领域科技伦理指引》，将科技伦理定义为开展科学研究，技术开发等科技活动应当遵循的价值观和行为规范并提出了在金融领域开展科技活动应遵循的诚信创新，数据安全，普惠包容等七项价值观和行为规范

伴随着监管红线越来越清晰，金融机构成为科技伦理建设的第一责任人，在合规框架内，科技创新变得更加有据可依，为业务发展提供了更加稳定的支撑。

徐栋良提到，在数据治理方面，围绕网络安全法，数据安全法，个人信息保护法，杜小曼将数据采集，存储，流通，应用，销毁全过程的数据安全，管理和隐私保护贯穿始终，制定了数据全生命周期管理，设定了严格的数据红线。

在技术治理方面，杜小曼从三个维度着手，打破算法模型的黑箱包括:通过技术创新，打破深度学习算法可解释性差的瓶颈，比如因果推理，通过构建模型全生命周期管理机制，将模型从立项到下线的全过程纳入规范管理，通过专家经验防范系统性风险，比如用成熟的框架定义新技术的应用边界

数据治理和伦理规范也直接推动了隐私计算的快速发展——它可以在保证数据安全和用户隐私的前提下对数据进行分析和计算，保证数据在流通和整合过程中的可用性和不可见性，促进数据流通和价值共享的开放性。

进一步来说，业务发展的需求和市场竞争的加剧也在推动金融业加快基础设施升级。

例如，在升级云能力方面，可以预见的是，未来几年，云计算能力在金融机构内部底层基础设施中的地位依然不可动摇，也是其数字化转型的基础保障能力之一。

在链上分布式金融应用方面，虽然完全基于链编程的金融业务还没有真正成熟，但这并不影响市场参与者对技术方向和业务应用价值的探索:完全基于去中心化，可编程技术的链上分布式金融应用会步履蹒跚，但也会越来越先进和成熟。

由此看来，技术进步给这个市场带来的惊喜并没有减少，甚至有遍地开花的趋势伴随着监管和市场环境的不断改善，科技公司不断增加投资2023年，中国市场的沃土也孕育着更多的可能性