近日，清华大学五道口金融学院金融安全研究中心主任周道许出席第七届中国金融科技创新大会，并作题为“对金融智能化发展的思考”的演讲。部分内容如下。

一、金融智能化的三个痛点

一是金融数据流动之痛。数据是人工智能发展的血液，但数据安全问题将会是促进金融数据流动和金融行业智能化的长期挑战。

首先，金融数据是黑客们的最爱。金融数据已成为网络攻击的首选目标，数据的泄露、窃取、篡改等事件频繁发生。根据威瑞森（Verizon）发布的《2023年数据泄漏调查报告》，74%的金融和保险行业数据泄露事件涉及个人数据泄露，大幅领先于其他所有行业。

其次，金融机构的数据合规建设还处于成长阶段。近年来，监管部门开出的数据罚单不断增加。据毕马威统计，2023年第三季度，金融监管总局、人民银行向银行、保险公司、证券公司等金融机构共开出数据罚单425张，罚款金额为76.9亿元，涉及266家法人；2023年第三季度罚单数量较上一季度环比上涨40.3%，较去年同期同比上涨32.4%，罚单数量整体呈上升态势。出现这一情况，其中一个重要的原因是“数据”不管是对于金融行业也好，还是对于其他行业也好，依然是一个“年轻”的生产要素，对于金融机构而言，有一个熟悉的过程。因此，我认为，过去几年，是金融机构数据合规建设的成长阶段，还需要一定的时间走向成熟。

第三，数据跨境流动日益频繁，合规隐患和数据安全挑战也会随之增加。随着《数据出境安全评估办法》《个人信息跨境处理活动安全认证规范》《个人信息出境标准合同办法》以及《规范和促进数据跨境流动规定（征求意见稿）》相继发布，数据跨境规范管理的框架已见雏形。但怎样做到让金融数据在跨境流动的过程中，“既高效合规，又安全可靠”会是一个需要高度关注的问题。

二是自主创新磨合之痛。金融关键基础设施的自主创新与自主可控建设工作，是一个新旧系统交替的过程，需要较长时间的磨合才能达到人机交互的逐渐和谐。我们要清醒地认识到，这种系统更迭的“短痛”是为了“长期的安全和稳定”，这是一项具有重要历史使命的工作。

三是人工智能安全之痛。大模型是人工智能发展的大脑，模型安全因此成为金融行业发展人工智能面临的关键挑战。主要体现在两个方面。一方面：人工智能模型的可解释性和透明度较差。人工智能大模型，尤其是基于深度学习的模型，经常被描述为“黑箱”模型，因为它们的内部运算逻辑和决策过程往往不透明。这些模型通过从大量数据中学习模式来做出决策，但它们的确切决策过程可能难以解释。在金融行业，这种缺乏透明度和可解释性可能会导致监管合规性问题，尤其是在需要向客户或监管机构解释决策过程的情况下；另一方面：人工智能模型可能会出现数据和算法偏见。如果人工智能模型的训练数据不全面或存在偏见，模型可能会学习并复制这些偏见。例如，如果训练数据在性别、种族、地理位置等方面存在偏差，模型可能会对这些特定群体做出不公平或不准确的决策。即使数据没有明显偏差，模型算法的设计、结构或参数选择也可能导致偏差决策。某些算法可能在处理特定类型的数据时表现出固有的偏差。

二、金融智能化的三点建议

一是用好数据元件，加速金融数据流动。金融数据要素流动是金融业智能化发展的关键步骤。而高价值的数据要素流动需要在数据脱敏的同时最大化地保留数据的价值。怎样做到既脱敏，又最大化保留数据原有价值？这是金融数据流动需要解决的首要问题。构建金融数据“中间态”成为打通金融数据要素市场化实现路径的破题之道。为实现金融数据要素市场化的高效配置，让数据“供需两端”真正贯通，新的运行模式必须遵从金融数据自身的特点和规律，能够有效应对这种开放、复杂、多变、海量的供需结构。

以数据元件作为数据“中间态”，成为数据要素市场流通交易的新形态。中国电子把数据 “中间态”定义为“数据元件”，指通过对数据脱敏处理后，根据需要由若干字段形成的数据集或由数据的关联字段通过建模形成的数据特征。采用可控制、可计量、可定价的数据元件作为连接数据供需两端的“中间态”，实现原始数据与数据应用“解耦”。我认为，构建金融数据元件“中间态”，是有效破解金融数据确权、计量、定价和安全难题的重要探索。从实现路径来讲，需要完整的组织架构，以及法规体系、技术体系和流通体系的保障和支撑。“数据元件”在金融数据流动方面的应用是值得认真研究和高度关注的。

二是加强相关人才培养。金融行业的智能化发展在人工智能模型搭建、算力硬件资源部署、数据安全治理、金融科技合规使用等方面对金融机构提出了许多新挑战，需要大量懂金融、懂AI、懂安全的复合型人才提供支持。然而，我国相关学科建设、社会培训、人才供给明显无法跟上金融智能化发展和金融科技创新的脚步。脉脉高聘发布的《2023年度人才迁徙报告》显示，人工智能相关岗位人才供不应求，在高薪岗位TOP20中，以ChatGPT研究员、算法、深度学习为代表的人工智能岗位拥有10席。清华大学五道口金融学院金融安全研究中心愿意与各政、产、学、研、用等相关单位开展广泛的合作，积极开展金融智能相关教材编写和人才培养合作。

三是建立适当的容错机制。金融智能化创新发展的过程是很难做到一帆风顺的，需要在做好风险隔离的前提下，鼓励创新、大胆试错。因此需要建立一定的容错机制，让更多的创新涌现，积极探索金融智能化高质量发展的多元化和多层次发展路径，为金融强国建设贡献积极的力量。