AI對(duì)經(jīng)濟(jì)金融的影響及中央銀行面臨的挑戰(zhàn)及對(duì)策

AI對(duì)金融系統(tǒng)的影響

受數(shù)據(jù)高度集中、技術(shù)認(rèn)知水平高等因素影響，AI的崛起為金融行業(yè)帶來(lái)機(jī)遇和挑戰(zhàn)?？傮w上，AI在支付、借貸、保險(xiǎn)、資產(chǎn)管理四個(gè)關(guān)鍵領(lǐng)域大幅提高效率并降低后端管理、法律合規(guī)、欺詐檢測(cè)和客戶服務(wù)的成本，但帶來(lái)網(wǎng)絡(luò)安全、運(yùn)營(yíng)管理以及金融穩(wěn)定性風(fēng)險(xiǎn)三方面挑戰(zhàn)。

AI為金融系統(tǒng)帶來(lái)的機(jī)遇

支付領(lǐng)域

豐富的交易數(shù)據(jù)使AI模型能夠克服支付領(lǐng)域長(zhǎng)期存在的痛點(diǎn)，通過(guò)以下三種方式改進(jìn)客戶盡職調(diào)查和反洗錢流程，有望扭轉(zhuǎn)代理銀行業(yè)務(wù)的下滑：一是提升了解客戶合規(guī)和聲譽(yù)風(fēng)險(xiǎn)的能力。二是對(duì)交易對(duì)手開(kāi)展盡職調(diào)查。三是分析支付模式和檢測(cè)可疑情況。此外，AI通過(guò)快速自動(dòng)化檢測(cè)數(shù)據(jù)模式，有效降低交易成本和風(fēng)險(xiǎn)。調(diào)查顯示，全球約70%的金融服務(wù)公司正在使用AI來(lái)增強(qiáng)現(xiàn)金流預(yù)測(cè)、改善流動(dòng)性管理、微調(diào)信用評(píng)分和改進(jìn)欺詐檢測(cè)。

借貸領(lǐng)域

AI通過(guò)利用非結(jié)構(gòu)化數(shù)據(jù)極大地提高信用評(píng)分，有利于增強(qiáng)金融包容性。在傳統(tǒng)借貸模式中，貸款方依賴標(biāo)準(zhǔn)化信用評(píng)分，結(jié)合貸款價(jià)值比或債務(wù)收入比等易于獲取的數(shù)據(jù)決定是否發(fā)放貸款?；贏I的工具使貸款方可使用替代數(shù)據(jù)評(píng)估個(gè)人信用，顯著改善違約預(yù)測(cè)。具體替代數(shù)據(jù)包括消費(fèi)者的銀行賬戶交易以及租金、公用事業(yè)和電信支付數(shù)據(jù)，也包括借款人的教育背景或在線購(gòu)物習(xí)慣等非財(cái)務(wù)數(shù)據(jù)。通過(guò)納入非結(jié)構(gòu)化數(shù)據(jù)，AI可助力挖掘信用評(píng)分較低但仍實(shí)際具有高質(zhì)量的借款人。

保險(xiǎn)領(lǐng)域

AI廣泛應(yīng)用于風(fēng)險(xiǎn)評(píng)估和定價(jià)領(lǐng)域，并將在評(píng)估不同類型的風(fēng)險(xiǎn)方面發(fā)揮越來(lái)越重要的作用，承保人、精算師或理賠員將受益于AI在綜合索賠生命周期中收集的通話記錄、筆記、法律和醫(yī)療文件等數(shù)據(jù)。例如公司可使用AI自動(dòng)分析圖像和視頻，以評(píng)估自然災(zāi)害造成的財(cái)產(chǎn)損失；在合規(guī)性的背景下，判斷損害索賠是否與實(shí)際損害相符等等。再如部分保險(xiǎn)公司正在試驗(yàn)AI方法，通過(guò)污染排放航空?qǐng)D像的識(shí)別和量化來(lái)評(píng)估氣候風(fēng)險(xiǎn)。

資產(chǎn)管理領(lǐng)域

AI模型用于預(yù)測(cè)回報(bào)、評(píng)估風(fēng)險(xiǎn)回報(bào)率以及優(yōu)化投資組合配置，優(yōu)于僅依賴財(cái)務(wù)數(shù)據(jù)的傳統(tǒng)模型，可以更好地理解投資組合的風(fēng)險(xiǎn)回報(bào)屬性。例如大型語(yǔ)言模型可以識(shí)別金融數(shù)據(jù)中的不可觀察特征（即資產(chǎn)嵌入），讓市場(chǎng)參與者能夠獲取公司質(zhì)量或投資者偏好等難以從現(xiàn)有數(shù)據(jù)中辨別的信息。此外，AI模型的算法交易優(yōu)勢(shì)能快速分析海量數(shù)據(jù)，投資者可以享受更快、更準(zhǔn)確的信息以及更低的管理成本。

AI對(duì)金融系統(tǒng)的挑戰(zhàn)

網(wǎng)絡(luò)安全風(fēng)險(xiǎn)

一方面，對(duì)AI的依賴加劇了人們對(duì)網(wǎng)絡(luò)攻擊的擔(dān)憂。生成式人工智能可顯著提升可信的網(wǎng)絡(luò)釣魚(yú)電子郵件或惡意軟件的編寫(xiě)能力，黑客可利用AI竊取有價(jià)值的信息或公司加密文件來(lái)獲取贖金。此外，生成式人工智能允許黑客模仿個(gè)人寫(xiě)作風(fēng)格、聲音或創(chuàng)建虛假頭像，可能導(dǎo)致網(wǎng)絡(luò)釣魚(yú)攻擊急劇增加，使金融機(jī)構(gòu)及其客戶面臨更高的欺詐風(fēng)險(xiǎn)。另一方面，AI引入了全新的網(wǎng)絡(luò)風(fēng)險(xiǎn)源。例如大型語(yǔ)言模型容易遭受提示語(yǔ)注入（Prompt injection）攻擊，攻擊者輸入惡意數(shù)據(jù)使模型識(shí)別為合法命令，以非預(yù)期的方式運(yùn)行模型導(dǎo)致敏感信息泄露。再如數(shù)據(jù)中毒攻擊通過(guò)惡意篡改訓(xùn)練AI模型的數(shù)據(jù)，故意引入惡意軟件，使AI模型無(wú)法檢測(cè)到網(wǎng)絡(luò)釣魚(yú)電子郵件，以損害其完整性或功能。隨著越來(lái)越多的應(yīng)用程序使用大型語(yǔ)言模型創(chuàng)建的數(shù)據(jù)，此類攻擊可能會(huì)產(chǎn)生嚴(yán)重后果，增加金融機(jī)構(gòu)的運(yùn)營(yíng)風(fēng)險(xiǎn)。

運(yùn)營(yíng)風(fēng)險(xiǎn)

一是引發(fā)偏見(jiàn)和歧視問(wèn)題。AI模型只是一種工具，如果其訓(xùn)練數(shù)據(jù)存在偏見(jiàn)和不準(zhǔn)確，則將帶來(lái)不公正的決策。例如在金融產(chǎn)品授信審批時(shí)，將部分群體排除在外，并通過(guò)算法歧視固化獲得信貸的差距。二是金融機(jī)構(gòu)面臨數(shù)據(jù)隱私保護(hù)要求，增加了采用AI的法律風(fēng)險(xiǎn)。AI模型的黑箱屬性缺乏可解釋性，且存在“幻覺(jué)問(wèn)題”，將放大相關(guān)風(fēng)險(xiǎn)。三是過(guò)度依賴少數(shù)AI模型提供商，增加了第三方依賴風(fēng)險(xiǎn)。AI模型的開(kāi)發(fā)需要大量前期投資來(lái)建設(shè)數(shù)據(jù)存儲(chǔ)設(shè)施、雇傭和培訓(xùn)員工、收集和清理數(shù)據(jù)以及開(kāi)發(fā)或完善算法，后續(xù)的邊際成本較少。該特征導(dǎo)致在采集、存儲(chǔ)和分析數(shù)據(jù)方面已經(jīng)具有優(yōu)勢(shì)的公司可以提供訓(xùn)練有素的AI工具，并隨著工具的采用強(qiáng)化數(shù)據(jù)和技術(shù)優(yōu)勢(shì)，最終只有少數(shù)公司能提供前沿的大型語(yǔ)言模型。金融機(jī)構(gòu)對(duì)模型提供商的依賴將導(dǎo)致網(wǎng)絡(luò)風(fēng)險(xiǎn)的高度集中和跨行業(yè)傳染。

金融穩(wěn)定風(fēng)險(xiǎn)

市場(chǎng)參與者對(duì)少數(shù)算法的依賴可能會(huì)導(dǎo)致金融穩(wěn)定的風(fēng)險(xiǎn)。這源于人工智能在整個(gè)金融系統(tǒng)中的普遍采用，以及無(wú)需人工干預(yù)快速做出獨(dú)立決策的能力不斷增強(qiáng)。金融機(jī)構(gòu)使用相同算法會(huì)加劇羊群效應(yīng)、流動(dòng)性降低、擠兌和甩賣，從而放大順周期性，加劇市場(chǎng)波動(dòng)。使用相同訓(xùn)練數(shù)據(jù)集的相似算法也可能導(dǎo)致類似的建議或徹底的共謀結(jié)果，這樣的結(jié)果將與反對(duì)市場(chǎng)操縱法規(guī)相悖。此外，AI會(huì)加速產(chǎn)品的創(chuàng)新開(kāi)發(fā)和運(yùn)用，可能滋生新的不確定性。

AI對(duì)宏觀經(jīng)濟(jì)的影響

AI技術(shù)的應(yīng)用讓企業(yè)和用戶受益于自動(dòng)化的任務(wù)處理，直接促進(jìn)了生產(chǎn)率增長(zhǎng)，并刺激企業(yè)進(jìn)一步投資，通過(guò)對(duì)勞動(dòng)力市場(chǎng)的重新調(diào)整，從收入分配和就業(yè)影響消費(fèi)和總需求，進(jìn)而影響通脹和總產(chǎn)出。

對(duì)勞動(dòng)生產(chǎn)率的影響

AI通過(guò)兩種渠道提高勞動(dòng)生產(chǎn)率。一是直接提高工人的生產(chǎn)力。有研究表明，訪問(wèn)基于生成式人工智能的對(duì)話助手可將客戶工作效率提高14%。對(duì)于受過(guò)大學(xué)教育的專業(yè)人士而言，ChatGPT讓寫(xiě)作耗時(shí)減少40%，輸出質(zhì)量提高18%，大幅提高了生產(chǎn)率。二是通過(guò)提高工作的認(rèn)知效率進(jìn)一步刺激創(chuàng)新，從而間接促進(jìn)未來(lái)生產(chǎn)率增長(zhǎng)。從定量看，AI對(duì)生產(chǎn)率增長(zhǎng)的綜合效應(yīng)需要匯總特定行業(yè)的生產(chǎn)率增長(zhǎng)數(shù)據(jù)，具體取決于AI在所有經(jīng)濟(jì)部門被采用和傳播的程度。不同的研究估計(jì)了AI對(duì)未來(lái)10年勞動(dòng)生產(chǎn)率增長(zhǎng)的影響，范圍從1到1.5個(gè)百分點(diǎn)不等。

對(duì)投資、消費(fèi)、產(chǎn)出和通脹的影響

投資方面

企業(yè)目前已逐漸加強(qiáng)對(duì)IT基礎(chǔ)設(shè)施的投資，并將 AI模型納入日常運(yùn)營(yíng)。2023年，全球AI投資支出超1500億美元；對(duì)美國(guó)公司行業(yè)技術(shù)官員的調(diào)查顯示，近五成將AI作為未來(lái)幾年的首要預(yù)算項(xiàng)目。同時(shí)，AI技術(shù)的采用將以低成本減少不確定性并實(shí)現(xiàn)更好的決策，進(jìn)而刺激新一輪投資。

消費(fèi)方面

AI可以讓消費(fèi)者與產(chǎn)品服務(wù)更好匹配，有助于企業(yè)向消費(fèi)者開(kāi)展定點(diǎn)營(yíng)銷和個(gè)性化服務(wù)。此外，AI還通過(guò)就業(yè)和工資收入調(diào)整對(duì)家庭消費(fèi)產(chǎn)生影響。AI對(duì)勞動(dòng)力市場(chǎng)產(chǎn)生替代和互補(bǔ)效應(yīng)。一方面，AI的自動(dòng)化意味著機(jī)器可替代人工。另一方面，任務(wù)的自動(dòng)化處理將提高生產(chǎn)力，供給的增加將推動(dòng)物價(jià)下跌進(jìn)而拉動(dòng)需求增長(zhǎng)，并增加對(duì)非自動(dòng)化任務(wù)的勞動(dòng)力需求，刺激工資增長(zhǎng)?？傮w上，AI對(duì)就業(yè)的凈效應(yīng)由工作屬性和職業(yè)決定。凈替代效應(yīng)情況下，AI將降低家庭收入，減少消費(fèi)；凈互補(bǔ)效應(yīng)下，AI將創(chuàng)造工作機(jī)會(huì)，增加家庭收入，促進(jìn)消費(fèi)增長(zhǎng)。

產(chǎn)出和通脹方面

國(guó)際清算銀行的一項(xiàng)研究通過(guò)構(gòu)建行業(yè)層面的AI暴露指數(shù)代表不同職業(yè)中AI的重要性，運(yùn)用動(dòng)態(tài)隨機(jī)一般均衡模型評(píng)估了AI對(duì)總產(chǎn)出和通脹的影響，并進(jìn)一步對(duì)單個(gè)行業(yè)的產(chǎn)出和通脹變化進(jìn)行分析。報(bào)告假設(shè)了兩種情形：一是“意外”情形。家庭和企業(yè)認(rèn)可AI對(duì)當(dāng)前生產(chǎn)力的影響，并據(jù)此形成對(duì)未來(lái)消費(fèi)、通脹和產(chǎn)出路徑的預(yù)期，但未預(yù)見(jiàn)AI的發(fā)展會(huì)提高生產(chǎn)力。二是“預(yù)期”情形。家庭和企業(yè)既認(rèn)可AI對(duì)生產(chǎn)力的當(dāng)前影響，還預(yù)測(cè)到未來(lái)生產(chǎn)力的增長(zhǎng)，能更快適應(yīng)AI帶來(lái)的生產(chǎn)率變化。在“意外”情形下，AI在短期和長(zhǎng)期內(nèi)顯著提高了總產(chǎn)出、消費(fèi)和投資，反映出生產(chǎn)率增長(zhǎng)對(duì)經(jīng)濟(jì)的積極影響，GDP在前10年內(nèi)增長(zhǎng)最快，總產(chǎn)出較未采用AI時(shí)擴(kuò)張近三成，短期內(nèi)通脹水平呈現(xiàn)下降趨勢(shì)，4年后，消費(fèi)和投資增長(zhǎng)提高了總需求，進(jìn)而推升通脹，通脹率峰值較未采用AI的水平高出約0.75個(gè)百分點(diǎn)。在“預(yù)期”情形下，家庭和企業(yè)充分預(yù)測(cè)到AI對(duì)當(dāng)今和未來(lái)生產(chǎn)力的影響，傾向于立即增加消費(fèi)，推遲投資，短期內(nèi)總產(chǎn)出增長(zhǎng)將低于“意外”情形。對(duì)未來(lái)生產(chǎn)率提高的預(yù)期導(dǎo)致需求增加，AI的采用最初會(huì)導(dǎo)致通貨膨脹，隨著投資逐漸增加，總產(chǎn)出提高，通脹水平才趨于收斂。分行業(yè)看，AI具有通用技術(shù)特征，采用AI技術(shù)的所有行業(yè)附加值產(chǎn)出都有所提高。一方面，單個(gè)行業(yè)附加值產(chǎn)出的長(zhǎng)期增長(zhǎng)與采用AI技術(shù)的先后順序無(wú)明顯關(guān)系，但產(chǎn)出增長(zhǎng)具有行業(yè)異質(zhì)性，制造業(yè)和房地產(chǎn)服務(wù)業(yè)附加值產(chǎn)出增長(zhǎng)近五成，而教育和管理服務(wù)業(yè)增長(zhǎng)約兩成，總體上，第一產(chǎn)業(yè)和第二產(chǎn)業(yè)的附加值產(chǎn)出增幅最大。另一方面，選擇合適的行業(yè)采用AI技術(shù)對(duì)總產(chǎn)出將產(chǎn)生重要影響。相較于中間品部門，當(dāng)AI的影響集中在消費(fèi)品部門時(shí)，總產(chǎn)出可增長(zhǎng)一倍。因此，鼓勵(lì)企業(yè)采用AI政策應(yīng)重點(diǎn)關(guān)注生產(chǎn)消費(fèi)品的部門。AI對(duì)通脹的影響具有行業(yè)異質(zhì)性，單個(gè)行業(yè)生產(chǎn)率的提高會(huì)降低其相對(duì)價(jià)格。當(dāng)終端需求行業(yè)生產(chǎn)率提高時(shí)，相對(duì)價(jià)格調(diào)整主要表現(xiàn)為消費(fèi)者價(jià)格通脹下降和投資品平減指數(shù)通脹上升。同時(shí)，當(dāng)專業(yè)服務(wù)或建筑業(yè)等上游行業(yè)的生產(chǎn)率提高時(shí)，投資品平減指數(shù)中的通脹往往會(huì)大幅下降，而消費(fèi)者價(jià)格通脹僅略有下降，甚至上升。

對(duì)財(cái)政可持續(xù)性的影響

目前，AI對(duì)財(cái)政可持續(xù)性的影響仍然還不明確。一方面，在所有條件相同的情況下，AI促進(jìn)生產(chǎn)率和產(chǎn)出增長(zhǎng)的提高，將導(dǎo)致債務(wù)負(fù)擔(dān)的減輕。另一方面，AI可能引發(fā)勞動(dòng)力遷移或造成持續(xù)較高的潛在失業(yè)率，其增長(zhǎng)紅利可能不能完全抵消未來(lái)綠色轉(zhuǎn)型或人口老齡化帶來(lái)的財(cái)政支出負(fù)擔(dān)。

AI時(shí)代下的中央銀行

中央銀行作為貨幣政策制定者和執(zhí)行者，依法監(jiān)督和規(guī)范商業(yè)銀行等金融機(jī)構(gòu)行為，在維護(hù)經(jīng)濟(jì)金融穩(wěn)定和支付系統(tǒng)平穩(wěn)運(yùn)行等方面發(fā)揮著關(guān)鍵作用。隨著AI技術(shù)的普遍應(yīng)用，中央銀行應(yīng)高度關(guān)注AI對(duì)經(jīng)濟(jì)和金融體系的影響，利用AI工具開(kāi)展信息收集和統(tǒng)計(jì)匯編、宏觀經(jīng)濟(jì)和金融分析，以更好支持政策目標(biāo)實(shí)現(xiàn)并應(yīng)對(duì)新興挑戰(zhàn)。

AI在央行職能中的應(yīng)用

開(kāi)展信息收集和統(tǒng)計(jì)數(shù)據(jù)匯編

貨幣政策制定需要值得信賴的高質(zhì)量統(tǒng)計(jì)產(chǎn)品、服務(wù)和廣泛的數(shù)據(jù)作支撐，金融市場(chǎng)的復(fù)雜性對(duì)數(shù)據(jù)的粒度提出更高要求，中央銀行可在收集和傳播數(shù)據(jù)時(shí)探索應(yīng)用AI工具，以提高統(tǒng)計(jì)流程的效率和有效性。例如大型語(yǔ)言模型可解鎖文本、圖像、視頻或音頻等非結(jié)構(gòu)化數(shù)據(jù)源，用于補(bǔ)充和增強(qiáng)現(xiàn)有的數(shù)據(jù)收集。再如隔離森林具有可擴(kuò)展性、異常值識(shí)別、不考慮數(shù)據(jù)分布等特征，特別適合用于中央銀行的大型和粒度數(shù)據(jù)集。通過(guò)模型自動(dòng)識(shí)別潛在的異常值，然后由專家進(jìn)行審查以完善算法，平衡了AI自動(dòng)化優(yōu)勢(shì)和人力投入的成本，可以克服“黑箱”機(jī)器學(xué)習(xí)模型缺乏“可解釋性”的問(wèn)題。

支持宏觀經(jīng)濟(jì)和金融運(yùn)行分析

中央銀行廣泛依賴宏觀經(jīng)濟(jì)和金融分析來(lái)跟蹤和判斷貨幣政策執(zhí)行情況。AI可以更有效地識(shí)別數(shù)據(jù)中的模式，從大量的傳統(tǒng)和非傳統(tǒng)數(shù)據(jù)源中高效地提取信息，實(shí)時(shí)分析經(jīng)濟(jì)指標(biāo)，幫助中央銀行更及時(shí)地進(jìn)行決策。此外，利用AI可以分析社媒觀點(diǎn)的語(yǔ)境，跟蹤中央銀行貨幣政策在公眾中的可信度。例如神經(jīng)網(wǎng)絡(luò)可以將服務(wù)業(yè)通脹分解為不同的組成部分，揭示有多少通脹是由于過(guò)去的價(jià)格上漲、通脹預(yù)期、產(chǎn)出缺口或國(guó)際價(jià)格造成的。再如隨機(jī)森林模型可以識(shí)別與價(jià)格相關(guān)的社媒發(fā)帖，將其輸入到另一個(gè)隨機(jī)森林模型中，該模型可將每個(gè)帖子進(jìn)行通貨膨脹、通貨緊縮或其他預(yù)期等具體分類；基于金融新聞微調(diào)的開(kāi)源大型語(yǔ)言模型可以處理企業(yè)家、經(jīng)濟(jì)學(xué)家和市場(chǎng)專家的采訪文本，形成積極或消極的情緒指數(shù)，用于實(shí)時(shí)預(yù)測(cè)GDP增速。

監(jiān)督支付系統(tǒng)

正確識(shí)別異常支付對(duì)于及時(shí)解決潛在銀行倒閉、網(wǎng)絡(luò)攻擊或金融犯罪等問(wèn)題至關(guān)重要，大量的交易數(shù)據(jù)給區(qū)分可疑交易和正常交易帶來(lái)了挑戰(zhàn)。中央銀行可以在預(yù)警模型中采用AI技術(shù)，審查被監(jiān)管對(duì)象報(bào)送的信息，有助于判斷金融機(jī)構(gòu)是否合規(guī)運(yùn)行，盡早識(shí)別與金融市場(chǎng)基礎(chǔ)設(shè)施相關(guān)的金融穩(wěn)定風(fēng)險(xiǎn)。例如國(guó)際清算銀行創(chuàng)新中心的極光項(xiàng)目使用合成洗錢數(shù)據(jù)來(lái)比較各種傳統(tǒng)和機(jī)器學(xué)習(xí)模型對(duì)欺詐性支付的識(shí)別效率。研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)模型優(yōu)于大多數(shù)司法管轄區(qū)流行的基于規(guī)則的方法或傳統(tǒng)的邏輯回歸，其中，以支付關(guān)系作為輸入指標(biāo)的圖形神經(jīng)網(wǎng)絡(luò)能精準(zhǔn)識(shí)別可疑交易網(wǎng)絡(luò)。

監(jiān)管金融機(jī)構(gòu)

AI對(duì)中央銀行維護(hù)金融穩(wěn)定和開(kāi)展宏觀審慎監(jiān)管形成支撐。一方面，機(jī)器學(xué)習(xí)和AI技術(shù)的優(yōu)勢(shì)是識(shí)別橫截面中的模式，特別適用于大樣本中識(shí)別金融和非金融公司的風(fēng)險(xiǎn)橫截面。例如在低流動(dòng)性和市場(chǎng)失靈時(shí)期，AI可以通過(guò)更好地監(jiān)控跨市場(chǎng)的異常情況來(lái)幫助經(jīng)濟(jì)預(yù)測(cè)。另一方面，將AI技術(shù)與人工監(jiān)管協(xié)同融合是支持宏觀審慎監(jiān)管的關(guān)鍵。系統(tǒng)性風(fēng)險(xiǎn)表現(xiàn)為罕見(jiàn)但代價(jià)高昂的突發(fā)事件，數(shù)據(jù)的稀缺和金融危機(jī)的獨(dú)特性限制了數(shù)據(jù)密集型AI模型的獨(dú)立使用，結(jié)合人類專業(yè)知識(shí)和經(jīng)濟(jì)推理來(lái)分析經(jīng)濟(jì)周期，中央銀行能更全面、理性地對(duì)經(jīng)濟(jì)運(yùn)行情況形成認(rèn)識(shí)。當(dāng)數(shù)據(jù)集足夠充分時(shí)，AI可幫助構(gòu)建早期預(yù)警指標(biāo)，提醒監(jiān)管者關(guān)注與系統(tǒng)風(fēng)險(xiǎn)相關(guān)的新壓力點(diǎn)。

央行使用AI所面臨的挑戰(zhàn)

模型透明度不高

在短期內(nèi)，央行使用外部AI模型可利用私營(yíng)部門公司的相對(duì)優(yōu)勢(shì)，更具成本效益。然而，對(duì)外部模型的依賴會(huì)降低透明度，并使中央銀行過(guò)于依賴少數(shù)外部提供商，損害市場(chǎng)公信力，造成聲譽(yù)風(fēng)險(xiǎn)。

數(shù)據(jù)的可用性有限

AI模型中采用的非結(jié)構(gòu)化數(shù)據(jù)往往由個(gè)人和和公司創(chuàng)建，并存儲(chǔ)于私營(yíng)部門，商業(yè)數(shù)據(jù)的成本明顯增加，供應(yīng)商施加了嚴(yán)格的使用條件，有時(shí)幾乎沒(méi)有公開(kāi)的文檔。使用AI模型在法律框架和數(shù)據(jù)隱私方面提出了新的挑戰(zhàn)。例如大型語(yǔ)言模型的訓(xùn)練或微調(diào)可能需要大量數(shù)據(jù)，這些數(shù)據(jù)可以通過(guò)市場(chǎng)平臺(tái)或社交媒體上抓取獲得，但法律框架未明確此類數(shù)據(jù)使用目的是否合法，使用非結(jié)構(gòu)化個(gè)人數(shù)據(jù)也引發(fā)了對(duì)隱私的擔(dān)憂。

成本預(yù)算和專業(yè)人才受限

采用AI對(duì)中央銀行在信息技術(shù)和人力資本方面的投資產(chǎn)生了深遠(yuǎn)影響。一方面，采購(gòu)足夠的計(jì)算能力軟件并培訓(xùn)現(xiàn)有員工，涉及高昂的前期成本。另一方面，AI編程人才的市場(chǎng)化需求較高，政府部門難以提供與私營(yíng)部門頂級(jí)數(shù)據(jù)科學(xué)家相匹配的工資，雇用新員工或留住具有編程技能的現(xiàn)有員工具有挑戰(zhàn)性。國(guó)際清算銀行對(duì)主要央行網(wǎng)絡(luò)安全專家進(jìn)行的專題調(diào)查顯示，中央銀行在評(píng)估將生成式人工智能融合到現(xiàn)有網(wǎng)絡(luò)安全系統(tǒng)中遇到最具挑戰(zhàn)的問(wèn)題是缺乏精通人工智能編程和網(wǎng)絡(luò)安全的專業(yè)人才。

政策建議

中央銀行應(yīng)在充分利用AI優(yōu)勢(shì)的同時(shí)，防范潛在風(fēng)險(xiǎn)。建議加強(qiáng)中央銀行間合作，加強(qiáng)資源共享，健全AI使用規(guī)則體系。

一是加速集成AI領(lǐng)域的資源和知識(shí)，緩解收集、存儲(chǔ)和分析大數(shù)據(jù)、開(kāi)發(fā)算法以及訓(xùn)練模型的資源限制。對(duì)于人員和資源較少、規(guī)模經(jīng)濟(jì)有限的中央銀行而言，可以通過(guò)共享精細(xì)數(shù)據(jù)、聯(lián)合采購(gòu)等方式，來(lái)解決商業(yè)數(shù)據(jù)成本上升的問(wèn)題。通過(guò)舉辦AI研討會(huì)、在會(huì)議上分享經(jīng)驗(yàn)等方式，有助于加強(qiáng)員工能力建設(shè)，確定AI的前沿領(lǐng)域并放大合作的協(xié)同效應(yīng)。

二是加強(qiáng)數(shù)據(jù)和模型共享。首先，中央銀行可考慮建立通用數(shù)據(jù)標(biāo)準(zhǔn)，以促進(jìn)公開(kāi)可用數(shù)據(jù)的訪問(wèn)，加速各種官方來(lái)源的自動(dòng)收集，從而增強(qiáng)機(jī)器學(xué)習(xí)模型的訓(xùn)練和性能。其次，可建立專門的存儲(chǔ)庫(kù)向公眾或其他中央銀行共享數(shù)據(jù)工具的開(kāi)源代碼。例如國(guó)際清算銀行的Open Tech等平臺(tái)，支持在共享統(tǒng)計(jì)和財(cái)務(wù)軟件方面的國(guó)際合作與協(xié)調(diào)。最后，可考慮在中央銀行間共享適應(yīng)領(lǐng)域或微調(diào)的AI模型，確保即使存在數(shù)據(jù)保密性問(wèn)題，仍然可以調(diào)用AI模型。

三是建立健全的數(shù)據(jù)治理框架，制定選擇、實(shí)施和監(jiān)控?cái)?shù)據(jù)和算法的指導(dǎo)方針。數(shù)據(jù)治理框架應(yīng)包括充分的質(zhì)量控制，并涵蓋數(shù)據(jù)管理和審計(jì)實(shí)踐。同時(shí)，要高度重視元數(shù)據(jù)的治理，參考“可查找、可訪問(wèn)、可互操作、可重用”原則，加快推進(jìn)元數(shù)據(jù)標(biāo)準(zhǔn)化，以減輕共享數(shù)據(jù)和算法的負(fù)擔(dān)，增強(qiáng)機(jī)器可讀性。

（本文由李研妮、陶黎編譯自國(guó)際清算銀行2024年年度經(jīng)濟(jì)報(bào)告第三部分《人工智能與經(jīng)濟(jì)：對(duì)中央銀行的影響》。李研妮為中國(guó)人民銀行重慶市分行金融研究處調(diào)研員，陶黎為中國(guó)人民銀行合川分行科員。責(zé)任編輯/周茗一）