牛佳耕:金融AI的非线性思维

一、AI 的技术基础

从生物学的角度来讲,每一个人从婴儿阶段开始不断地学习,通过亿万个神经末梢、神经元以及学习到的所有的东西,实际上可以简化为他的一个具体的行动,而每个人积累的经验教训不一样,根据不同的经验教训可以在不同的阈值采取某一行动。在上世纪五十年代,随着计算机的发展,有人提出如何来模拟神经的工作原理,就是用数学的方法给出不同的信号,比如0101这样一个信号,通过某一方式来模拟神经元的反应,然后通过设置来决定是否输出一个结果,是否有一个行动。

最基本的人工神经元模型就是这样建立起来的,在这个基础之上开始建立人工神经网络学习模型。这一模型无外乎就是有更多的神经元,在不同的维数,通过各种各样的学习的数据产生一个已经知道的结果,然后在输入和结果之间不断地培养这样一种所谓的人工的大脑神经网络系统。我们目前用到的技术基本上都是这一原理,可以用更多的变量、更多维的数据、更多的时间点,使得学习的深度越来越深,这与传统金融业目前使用的传统的统计学方法完全不一样。

二、AI 的应用与局限

工智能目前已经在线上实时信贷审批、证券市场实时交易等领域得到了应用。这种人工智能的方法为我们带来了一些好处,一是效率大大提高,比人去做决定要高了很多;二是决策的时间短;三是可触及到的群体远大于传统金融行业所能涉及到的。

但是,目前AI还存在着很大的局限性,现在的技术还不能很好地反映出人的行为。举个例子,所谓的线性和非线性,目前的模型决策基本上是一个线性函数,假设有四个不同的女性,在数据库里面它的唯一表述就是0和1,或者说是女性和男性,但当人看到这四个不同的女性时产生的反应实际上是有波动的。实际上,人类的反应不是单一的01反应,由于每个人的经历、对社会的看法等不尽相同,对于同一件事情,每个人的反应都是不一样的。在模型中0101的输入应该是每个人都不同的一个非线性的函数,然而目前大部分模型都尚未完全建立在这样一个基础之上。

三、类脑计算成为未来发展趋势

最近几年,欧美国家以及中国都开始倡导类脑研究。类脑是在AI的大范畴之下,让我们的模型或者AI系统能够以多元函数形式表达非线性反应,这样就能更好地描述人的行为。

人类大脑真正的工作方式远比我们现在所用的模型复杂得多,随着计算能力的提高,非线性表达、类脑计算逐渐成为可能,由此可以更好地描述人的反应行为,提高准确率。在未来的十年至二十年的时间范围内,可能会出现大的技术上的飞跃,如果量子计算机或者相等同的计算能力出现,可能会有类脑计算;在未来的数据库中,可能会有越来越多的非线性数据用于智能学习。

四、AI对未来金融的挑战

科技发展非常快,虽然传统的金融行业还在大规模地继续进行,但是已经受到了非常严峻的挑战,这些挑战来源于AI的应用。在未来AI技术能够更加完善的情况下,做金融的就不能只是做金融了,可能每个人都需要了解科技基础,知道什么是AI系统。要做好思想准备,未来的互联网都是要向类脑方向发展进化的,目前互联网已经具备视觉、听觉、触觉等,如何把它们更有效地结合起来,然后归结到每一个个人上,就是下一步的类脑发展。在未来的这种环境下,类脑科技的应用将是风险管理工具的最基本的起点。

虽然AI技术有非常好的一面,但是也有可能被用心不良的人所利用,这是一把双刃剑。高科技的发展在给我们带来好处的同时,也可能会更大程度地增加不确定性。应该尽早对AI的应用设立法律法规和行业规范,从而能够较早地避免一些不良行为。现在的金融行业应该沉下心来,思考如何利用高科技在未来的技术革新中生存下去、不断进步,使得无论金融行业的商业模式发生多大改变,都还能够利用AI技术帮助金融行业服务于整个社会,并且带来一个相对稳定的金融环境。

请登录!