人工智能与实体经济
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇人工智能与实体经济范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
人工智能与实体经济范文第1篇
前言
2017年，人工智能全面爆发，资本大量涌入，政策不断加持，各企业趋之若鹜。在此时刻，中国完全掌握着弯道超车的良机，只是，我们更需要理性认知，毕竟健康发展、蹄疾步稳的人工智能发展才会对未来有益。
风口已来，静待腾飞……
在不久前结束的2018年全国研究生招生统一考试中，“人工智能对人类社会产生哪些影响，对经济发展带来哪些改变”成为管理类联考综合能力考试中一道分值很重的作文题目。这从一个侧面可以看出，2017年成为国家战略的人工智能之火热程度。
在浙江乌镇落幕的第四届世界互联网大会上，人工智能同样是最热门的话题，在以人工智能为主题的分论坛会场，已经到了人满为患、不得不限制进场人数的地步。
回顾2017年的科技创新，坦率地说并没有给人太多惊喜，最引人关注的，莫过于人工智能。这一年，人工智能全面爆发，成为国家战略。
2017年7月，国务院印发的《新一代人工智能发展规划》中，明确新一代人工智能发展分三步走的战略目标，到2030年使中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。这是中国首个面向2030年的人工智能发展规划。随着人工智能上升为国家战略，顶层设计框架搭建完成，产业发展有望持续提速，带来投资新机遇。
实际上，在政策出台前，对市场异常敏感的企业层面已经开始布局，2017年只是进入到了发轫期。
也许，不少“吃瓜群众”此刻方才明白，为何做搜索引擎的百度提出“all in”(全面进入)人工智能战略，阿里巴巴也提出了数据是生产资料的概念，而腾讯早已经开始“连接”一切。
“作为一项改变世界的技术，人工智能已经到了从实验室走入真实的生产环境和日常生活的‘临界点’。”阿里巴巴集团副总裁刘松说。
在政策信号如此明确的背景下，人工智能几乎到了“人人争说”的地步。如今的中国，人工智能缺的不是关注和热度，而是理性的思考，是对未来风向的把握。
人工智能发展如何脱虚入实？人才与核心技术瓶颈如何取得突破？法律伦理责任如何界定？将会砸了谁的饭碗？背后的算法歧视如何解决？梳理过去一年人工智能发展，理性看待目前的阶段，这五大关键之问可能将是人工智能发展的风向标。
到了2017年年尾，曾经让各界争得面红耳赤的实体经济和虚拟经济之辩似乎已经没有太多意义。因为“取代谁”在当下已经成为非常不明智的设问。答案已经越来越明晰：实体经济是根本，虚拟经济也需要结合实体。换句话说也许更清楚，脱离实体的人工智能发展很难不出现泡沫。
于是在2017年，我们看到，很多的互联网工程师开始进入工厂深度研究流水线，拜师高级技工，在工厂写代码，而结合了人工智能的生产线大大提高了生产率。
阿里云总裁胡晓明认为，人工智能的发展要去泡沫化，下一站将是“产业AI”。目前，该公司在城市、工业、零售、金融、汽车、家庭等多个场景推出ET大脑等“产业AI”方案，这些能力、产品和解决方案都通过虚拟的云端结合了扎实的工业流水线。
胡晓明告诉记者：“现在人工智能领域有种浮躁的氛围，有些企业靠AI讲资本故事、炒作股价。人工智能不应仅仅是实验室里的、PPT里的‘概念上的AI’，更应是‘产业AI’。”
人工智能若要健康发展，首先必须要有场景驱动，人工智能在解决什么问题、为这个社会的成本降低了多少、效率提高了多少；人工智能背后，是否有足够的数据来驱动AI能力的提升；是否有足够的计算能力支撑算法和深度学习？只有在这三个场景同时具备的前提下，人工智能才会有价值。
在2017年，工业大脑走进车间，突破了良品率提升、故障率预测等制造业核心难题，互联网与工业的结合帮助类似协鑫光伏、中策橡胶、天合光能、盾安新能源等大型制造企业创造利润数十亿元。在天合光能，工业大脑帮助其提升了电池片A品率达7%，而之前预设的目标是1%。
机器观察世界，机器学习规律，数据的积累、计算能力的提升，让人工智能由此变得真正聪明可用。
猎豹移动CEO傅盛认为，传统行业的智能化核心是把传统行业数据化，今天人工智能有机会把传统的物理世界数据化。物理世界的数据化是传统行业真正转型的核心。如果实体经济想实现10倍数增长，关键是要实现物理世界的数据化，用更多人工智能的方式，去获取更多来自于这个产业的数据。
2017年，时髦的城市大脑、工业大脑、无人驾驶、无人超市、无人机、语音识别、唇语识别，无一不是人工智能与实体结合的应用。
进入商店的每一张人脸，其实就是每一个访客的访问，在里面顾客拿起的每个动作都可以被识别。进入无人超市看上去是一个人脸识别签到，其实就是一个数据的来回流动。线上和线下没有界限，电商开始进军零售店，融合的前提就是数据化。
傅盛说自己的公司在美国硅谷只干了一件事，就是投了一个小基金，让它每次带自己去看硅谷的创业公司，从中可以知道美国企业在干什么。后来傅盛发现在数字化这一点上，美国公司在做的事情就是把物理世界数据化。
将物理世界数据化，与实体经济结合，降低社会成本，而不是空炒概念，数字对数字，将是人工智能未来健康发展的重要一环。
人才还得自己来培养
得人工智能者得天下，得人才者得人工智能。
人工智能火热自不待言，但是必须清醒认识到，在人才储备和核心技术方面我们尚存突破空间。
打开某知名招聘网站，搜索“人工智能”后马上会出现很多招聘岗位，具有诱惑力的薪酬让人眼前一亮。以人工智能算法工程师为例，该职位少则月薪一两万元，多则年薪百万元。
这种供需不平衡的现象，不仅在中国有，在美国硅谷亦是如此。
早在2016年，创新工场创始人李开复曾公开透露：“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知。”
据领英近日的《全球AI领域人才报告》显示，截至2017年一季度，基于领英平台的全球AI(人工智能)领域技术人才数量超过190万，其中美国相关人才总数超过85万，高居榜首，而中国的相关人才总数也超过5万人，位居全球第七。
然而，这些人才仍不能满足互联网行业的需求。不少互联网企业人士告诉记者，目前互联网行业中最稀缺的就是人工智能人才，甚至很多行业巨头会用月薪几十万元招聘人工智能顶级人才。
傅盛表示：“下大力气把海外人才引入中国是合理的，但核心人才还是要中国自己来培养。”
目前，业界对AI人才的争抢近乎白热化，但是“缺口”同样明显。来自第三方数据显示，过去一年中，人工智能人才需求量增长近2倍，2017年第三季度，人工智能人才需求量相较2016年同期增长高达179%。中兴研究院副院长董振江坦言：“去年招人非常困难，在人工智能领域，大家都在抢人，薪酬也一再加码。”
AI技术人才是主导这一变革的中流砥柱。人工智能的竞争说到底是对人才的竞争，在国内人才竞争中，数字挖掘、算法分析、语言识别、自然语言处理是人才竞争的核心。
而在核心技术方面，虽然我国已经取得了多项创新，但主要偏向应用和数据积累，在核心技术方面与美国尚存差距。我国虽然已从跟跑走向领跑，并有了弯道超车的机会，但美国仍是目前出台人工智能战略最多、核心技术和人才最多的国家。
如何在人才和核心技术方面取得突破，将是未来我国在人工智能发展中最需要注意的问题。
意味着更多从业机会
当机器越来越像人，能够做人的工作时，这是否意味着它们会抢走人类的饭碗？
来自互联网业界的声音相对乐观，一个普遍的观点是：人工智能对就业的冲击正在发生，但被取代的主要是重复性的工作。实际上，人工智能也会带来新的职位，让人类可以从事更多创造性的工作。
阿里巴巴集团副总裁刘松对记者说，人工智能将是人类历史上的第四次工业革命，其实每次新的工业革命到来的时候，都有类似“砸饭碗”的恐慌，事实证明，创新带来的更多的是机会。
他认为，未来人工智能意味着更多从业机会。确实会有很多职业被人工智能取代，但人类可以空出来更多时间做创造性的东西，或是享受创造性的内容。这将为设计师、艺术从业者带来更多可能性。
“什么人才最缺，可能是艺术类的创造者，而大量简单重复类工作会遇到冲击。”刘松表示。
数据似乎同样在支撑这样的说法。来自智联招聘的一份研究报告显示，程式化、重复性、依靠反复操作实现的熟练工种已经开始受到冲击，投资银行业务、校对录入这两个典型职位在过去三个季度连续出现大幅同比负增长。咨询公司德勤的报告也显示，人工智能已经在英国取代了80万个低技能工作岗位，但同时也创造出350万个新就业机会，后者的年收入比前者多1.3万英镑。
人工智能的研发者认为，机器永远不可能取代人的作用，人工智能只能解放人类，让人类从事更多的创造性和服务性工作。机械化程度越高的工作，人们越希望由人工智能完成，而需要创作的工作，则需要人类来完成。
问题的关键在于，这些“新饭碗”谁来端？
懂得学习、勇于迎接挑战的人，将是未来端“新饭碗”的人。具体而言，艺术创造者、心理医生等精神层面的从业者，未来将越来越受欢迎，而高危和恶劣环境的稳定岗位将大量被人工智能取代。
相关法规需要不断突破
伴随人工智能的应用不断落地，法律责任的划分和承担是人工智能发展面临的首要法律挑战。其涉及如何确保人工智能和自主系统是可以被问责的。
百度创始人李彦宏第一次正式介绍百度无人车时就遇到了这一问题——他驾驶无人车到会场后不久，就收到了交管部门的罚单。而最近百度无人车在河北雄安进行试驾，当地相关部门特别出台了临时交通规则让其上路，这就是法规上的突破。
由此说明，伴随着人工智能的进步，法规也需要不断取得突破。“无人车收到罚单了，距离大规模上路还会远吗？”李彦宏如此认识这个问题，而在世界各国，关于无人驾驶的立法也正在不断取得突破。
然而，当此人工智能的发轫期，有一个绕不过去的法律问题就是数据隐私保护。
人工智能的发展越来越依赖大量的数据分析，大规模的数据收集、分析和使用，使传统社会走向透明化，在万物互联、大数据和机器智能三者叠加后，人们或许不再有隐私可言。
如今，商家越来越夸大大数据、人工智能给人类的生产、生活带来的极大便利，而用户本身也往往忽视了这些新技术新应用对隐私和个人数据带来的危害。
人工智能能带来精准营销，而精准营销的背后可能就是“精准诈骗”。因此，在发展人工智能的过程中，个人隐私和数据保护是国际社会长期以来重点关注的内容。近年来，随着大数据、云计算以及人工智能新技术的快速发展和应用，给现有个人信息保护法律制度带来了新的挑战，各国立法、修订法律活动更加频繁。
人工智能时代要负起责任
今日头条是过去一年各界争相关注的一个信息平台，基于一种设计后的算法，今日头条作为信息集合平台为用户推荐最感兴趣的内容。由于对用户注意力的精准抓取，今日头条取得了巨大成功，其身价不断增高。
今日头条的成功之处，在于其所谓基于算法的精准推送，但问题的关键还在于，这种算法已经越来越成为一种“看不见的正义”。这种算法是不是用户真正所需要的？对此，一些用户抱怨，往往因误点了一两条新闻，或者仅仅出于好奇点了一下相关新闻，就导致之后不断大量地被推送相关内容的新闻。这实际上也变相剥夺了用户的选择权。
必须明确的是，就目前发展阶段而言，认为算法可以为人类社会中的各种事务和决策工作带来完全的客观性只是一厢情愿。无论如何，算法的设计都是编程人员的主观选择和判断，他们是否可以不偏不倚地将既有法律和道德原封不动地写入程序，值得深究。
算法歧视由此成为一个值得重视的问题。
今日头条的出现说明这样一个问题，算法开始越来越多地左右着移动互联网，比如可以决定你看到什么新闻，听到什么歌曲，看到哪个好友的动态。那么，算法可以做到公平正义吗？
互联网上的算法歧视早已有之，图像识别系统就曾犯过种族主义大错，比如，谷歌公司的图片软件曾错将黑人的照片标记为“大猩猩”。
英国《卫报》曾发表评论指出，人工智能可能已经开始出现了种族和性别偏见，但这种偏见并非来自机器本身，而是计算机在学习人类语言时吸收了人类文化中根深蒂固的观念，从而出现了种族和性别偏见。这些发现令人担忧现有的社会不平等和偏见正在以不可预知的方式得到强化。
人工智能与实体经济范文第2篇
基于此，中国数字经济百人会依托中国电子学会的专业研究团队，深入分析全球各国数字经济主要战略，调研走访在数字经济领域具备领先水平和突出能力的典型企业，系统梳理了国内外顶尖学者的最新观点，以及权威智库和知名战略咨询公司的公开成果，对全球数字经济发展趋势做出十点研判，具体如下：
一、数字化的知识和信息成为新的关键生产要素
人类生产、生活及治理的数据基础和信息环境正在得到大幅加强和显著改善，移动互联网和物联网持续普及部署，智能终端和传感器加速应用渗透，人、机、物逐步交互融合，与经济增长和社会发展相关的各项活动已启动全面数字化进程，呈现出从被动到主动、从碎片到连续、从单一分离到综合协同的三大转变，源源不断地产生着呈现爆炸式增长态势的海量数据，蕴含着巨大的价值和潜力。数据已成为与资本和土地相并列的关键生产要素，被不断地分析、挖掘、加工和运用，价值持续得到提升、叠加和倍增，有效促进全要素生产率优化提升，为国民经济社会发展提供充足新动能。
图1 新摩尔定律主导下2015-2035年全球数据总量增长态势
数据来源：IDC，中国电子学会整理
二、与实体经济深度融合发展是首要战略任务
全球经济仍处于相对稳定的复苏阶段，以先进制造业为代表的实体经济将继续作为主要增长点，在与数字经济的深度融合中不断焕发新的动力。下一阶段，各主要国家和地区的数字经济相关战略会陆续深入实施，普遍将运用互联网、大数据、人工智能等新一代信息技术赋能先进制造业作为重要举措，积极推进从生产要素到创新体系，从业态结构到组织形态，从发展理念到商业模式的全方位变革突破，持续催生个性化定制、智能化生产、网络化协同、服务型制造等新模式、新业态，推动形成数字与实体深度交融、物质与信息耦合驱动的新型发展模式，大幅提升全要素生产率，有效推动全球经济增长的质量变革、效率变革、动力变革。
图2 数字经济与实体经济融合发展
资料来源：中国电子学会
三、平台化、共享化引领经济发展新特征、新趋势
企业之间的竞争重心正从技术竞争、产品竞争、供应链竞争逐步演进为平台化的生态体系竞争，一批用户基数庞大、技术积累丰富、资金实力雄厚的行业领军企业已率先启动，通过提供开源系统、营造开放环境、促进跨界融合、变革组织架构、重塑商业模式、孵化创新团队等多种方式，持续构建完善资源集聚、合作共赢的生态格局。同时，飞速发展的新一代信息科技，高频泛在的在线社交，以及渐趋完善的信用评价体系，为大量未能得到完全有效配置的资源提供了成本趋近于零的共享平台和渠道，吸引了共享者数量的指数级集聚，弱化了生产生活资料的“所有权”而强调“使用权”，逐步创造出新的供给和需求，促使共享经济快速兴起。
图3 共享经济行业渗透趋势
数据来源：罗兰贝格，中国电子学会整理
四、全球创新体系以开放协同为导向加快重塑
创新仍是推动经济数字化发展的源动力，受技术开源化和组织方式去中心化的双重作用，知识传播壁垒开始显著消除，创新研发成本持续大幅降低，创造发明速度明显加快，群体性、链条化、跨领域创新成果屡见不鲜，颠覆性、革命性创新与迭代式、渐进式创新相并行。创新主体、机制、流程和模式发生重大变革，不再受到既定的组织边界束缚，资源运作方式和成果转化方式更多地依托互联网展开，跨地域、多元化、高效率的众筹、众包、众创、众智平台不断涌现，凸显出全球开放、高度协同的创新特质，支撑构造以数据增值为核心竞争力的数字经济生态系统。
图4 具有典型意义的开放式协同化创新平台
资料来源：中国电子学会
五、基础设施加速实现数字化、网络化、智能化升级
持续提升数据获取的量级和频率，不断丰富数据传输的渠道和方式，以及扩大数据存储空间，强化数据加工能力，创新数据使用能力，都是数字经济能够得以蓬勃发展的重要基础条件。万物互联和人机物共融将会成为网络架构的基本形态，各国信息基础设施的规划与部署都面临着扩域增量、共享协作、智能升级的迫切需求。同时，电网、水利、公路、铁路、港口等传统基础设施也正在逐步开展与互联网、大数据、人工智能等新一代信息技术的深度融合，向着智能电网、智能水务、智能交通、智能港口转型升级，显著提升能源利用效率和资源调度能力，支撑数字经济健康可持续发展。
图5 基础设施加速转型升级
资料来源：中国电子学会
六、国家和地区的核心竞争力延伸至信息空间
全球各个国家和地区的核心竞争力构成要素呈现数字化发展趋势，传统产业纷纷面向数字化、网络化、智能化转型升级，互联网、大数据、人工智能与实体经济的融合日益广泛深入。人类社会、物理世界的二元结构正在转变为人类社会、物理世界、信息空间的三元结构，国家和地区之间竞争和博弈的重心逐步从土地、人力、机器的数量质量转移至数字化发展水平，从物理空间延展到信息空间，并将很快呈现出以信息空间的竞争和博弈为主导与引领，强者愈强、弱者愈弱的格局。掌握信息空间核心竞争优势的国家和地区，将在围绕新一轮国际分工态势展开的博弈中抢先占据价值链制高点。
图6 2016年主要国家数字经济规模
资料来源：《数字经济 迈向从量变到质变的新阶段》
七、数字技能和素养推动消费者能力升级
新兴的数字化产品、应用和服务大量涌现，已形成规模巨大的消费市场，不啻于是对消费者提出了新的能力要求，需具备一定的数字化技能和素养，才能更好地发掘数据价值、使用数字化产品和享受数字化服务。消费者所具有的对数字化资源的获取、理解、处理和利用能力，将成为影响数字消费增长速率和水平的重要因素，直接关系到数字经济的整体发展质量与效益。全球各主要发达国家将会愈益重视对公民数字素养的挖潜和培养，并将持续提升公民数字素养上升到构建国家新兴战略竞争力的高度，作为推动数字消费、扩大内需市场、强化内生动能的重要举措。
图7 数字经济时代对公民素养提出新要求
资料来源：中国电子学会
八、社会福利水平依托数字化手段得到有效改善
满足人类对美好生活的向往和追求，是数字经济孕育、诞生、发展的重要动力及目标。大幅提升公共资源供给效率，显著增强公共服务效用，进一步推动教育、医疗、慈善等公共事业的便捷化、普惠化、均等化，是数字经济在创新变革生产方式、促进实体经济提质增效之外的关键着力点和突破口。多种类型、多个领域的网络化、智能化的教育资源公共服务平台将被搭建，面向公众持续扩大优质教育资源覆盖面。互联网远程诊疗将成为高频次、低门槛、易得可选的常规医疗方式，并引入人工智能助手有效提升诊疗精准度，缓解全球性的医疗资源紧张难题。区块链技术将在慈善资金募集和捐赠过程中得到大规模应用，强化互信关系，减少交易成本，溯源资金去向，保障慈善事业的公正、透明、有效。
图8 数字化手段提升社会福利水平
资料来源：中国电子学会
九、数字城市与现实城市同步启动规划、建设和管理
随着信息基础设施的规模扩张、功能升级和网络构建，以及新一代信息技术在城市运行管理过程中广泛深入地推广应用，大量完整、连续、系统，具备一致性、关联性、价值性的城市数据将被持续获得，为构建与现实物理城市精准映射、智能交互、虚实融合的数字孪生城市提供了可行基础。全球一批形成技术、人才集聚发展，产业规模与创新能力较为突出，具备主动比特化条件的现代化城市将率先尝试数字城市与现实城市的同步规划，并逐渐上升为两者的同步建设和同步管理。为匹配真正海量数据的采取、传输、存储和计算，专门用于数字城市运行管理决策的系统级平台将得到持续的开发与完善，并逐渐形成可推广复制的标准体系。
图9 数字孪生城市功能日趋完善
资料来源：中国电子学会
十、社会治理体系的数字化程度持续提升
人工智能与实体经济范文第3篇
关键词：人工生命；人工智能；人造生命；物理主义
中图分类号：N031 文献标识码：A 文章编号：16711165(2011)02002104
一般认为，“人工生命”、“人工智能”和“人造生命”是三个分别从计算机科学领域、智能研究和基因工程领域提出的概念。20世纪90年代未，中科院曾邦哲提出人工生物系统（artificial biosystem）的工程生物系统概念，用以整合计算机领域和遗传工程领域的两个概念。概念上的整合一方面体现了“人工生命”与“人造生命”两者之间的承接性，另一方面也预示着“人工生命”发展与生物学理论发展之间的密切关联。诚如“人工生命是具有自然生命现象的人造系统”[1]，那么进入微观领域，生命规律的探索与对生命分子的操作使得“人工生命”具有了反身性。这种反身性恰恰体现了“人工生命”研究并不在于使人“非人化”［2］，使生命也成为技术的对象，而是包含了一定生命认识的特殊生命活动。那么，剖析人类基因组计划的推进过程，就可能找到“人工生命”概念演进背后内在思想动因，从而为洞悉生命科学发展趋势提供一条线索。
一、“人工生命”阶段：肯定物理主义
在人体细胞核内，质量只有0.0000005毫克，宽度仅为0.02微米的DNA包含着大约30亿个碱基排列。科学家相信人类DNA序列是人类生命的决定因素，人类生命活动中发生一切事情都与这一序列息息相关。［3］除了特殊情况之外，DNA中含有的庞大信息能够被一字不差地复制，然后传给后代。要想获得这些信息，就需要测定DNA序列的碱基序列，这也是人类基因组计划的核心工作。那么，测序工作则成为“人工生命”的一个阶段，对生命信息传递过程的模拟也就构成了“人工生命”研究的起点。
基于人类全部24条染色体中3×109个碱基具有固定性的化学关系即A-T、G-C，于是DNA碱基序列的测定工作实际上可以被描述为科学家接受生命分子信号的过程。应用申农所建立的一般信息系统模型，在一定的指令下进行信号传递成为“人工生命”的最初目标。强人工生命观念将“生命系统的演化作为一个可以从任何特殊媒介物中抽象出来的过程”(John Von Neumann)。以抢占计算机存储的方式，生命演化过程被计算机程序模拟出来。人们相信，如果生命遵循既定的程序，那么只要编写好程序，生命就能进行准确的信号传递，也就实现了“人工生命”。首先试图为生命编写程序的是生物学家林登迈尔。20世纪60年代中期，林登迈尔为红海藻、青苔等植物的生长发育建立模型，提出了一种被称为“L-系统”的形态发生系统，又被称为“繁殖（发生）算法”。在编写好的程序下，生命系统转化为信号系统。生命信号模型以量化或模型化的方式来展示生命的属性。这意味着：“如果具有冯•诺伊曼式的自我复制能力或繁殖的能力，那么这个实体就是有生命的。”［4］
冯•诺伊曼所证明的自我繁殖的生命信号系统应和了人们对微观生命分子世界的物理主义观点，其实质是将诸如细胞这样一个具有新陈代谢功能的生命单元放在既定的关系下。尽管将生命活动视为一种生命信号传递颠覆了传统的生命物质实体论，却仍然将生命置于某种固定关系下，意味着其也不可能跳出物理主义的决定论框架。一方面，“人工生命”研究进行了生命信号传递模，并在计算机领域中建立虚拟生命系统；另一方面，人们在质疑申农的一般信息模型的同时也开始质疑“人工生命”。针对申农的一般信息模型，有学者认为：“申农通讯信息系统模型具有两方面的重大缺陷：一是该模型未能注意信息系统的一般反馈性机制；二是该模型描述的还仅仅是信息接收系统。”［5］可见，申农的一般信息模型不具有反馈性机制或不能够自创生。于是，这样一种生命的信息论观点，即“在生命运动之中物质实体-载体是流动的，组织形式-信息才是稳定保持的”［6］，表明“人工生命”所模拟的对象是在既定关系之下的生命信号的传递过程。
面对人类基因组计划这样巨大的基因工程项目，测定了组成人类DNA的约30亿个碱基中85%的碱基序列只是完成了所谓工作草图。获得的基因草图只是为给基因命名、分析基因创造了条件，需要进一步找到能够提供信息的标记基因，进行基因追踪，但寻找基因的工作却相当复杂。一般信息模型不可能作为模拟这一活动的基础。
二、“人工智能”阶段：怀疑物理主义
一般认为，人类共有5万~10万个基因，如果某个基因发生了变异或者产生缺陷，必然会引起机能上的障碍。根据变异的DNA标记基因来确定另外一个基因的位置，这样就可以将其位置制成详细的地图，通过检查DNA序列来识别基因突变。学者们以DNA标记为基础的DNA基因图谱寻找致病基因。在一阶段，“人工生命”模拟的对象是寻找基因，而寻找基因的关键则体现为对信息的识别。人类基因组计划在此阶段的工作可以反映“人工智能”的研究。
尽管早在1956年，美国的麦卡锡就提出“人工智能”(artificial intelligence)概念，但直到20世纪80年代末，人们才将“人工智能”作为“人工生命”的一种形式。“人工智能”阶段需要计算机能够准确识别信息。对于智能的研究涉及诸如意识（consciouness）、自我（self）、心灵（mind）、无意识（unconscious mind）等问题。对此，之前将生命作为信号系统的一般信息模型显然无法发挥作用。面对信息的识别和反馈机制等一系列问题，人们试图将信息学、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学各学科整合，并在计算机领域实践，甚至在机器人、经济政治决策、控制系统、仿真系统中应用。然而，这种学科上的整合并没有使人们找到合适的模型来取代之前的信号模型用以描述识别信息过程所具有的非线性特征。
对此，一部分学者试图通过重新定义“人工智能”概念，区分出强“人工智能”和弱“人工智能”的方式来解决问题。弱“人工智能”用模拟识别信息后所表现出的行为来反推对信息的识别，也就是让机器的行为看起来就像是人所表现出的智能行为一样。而强“人工智能”则将识别信息的功能强加于计算机，如约翰•罗杰斯•希尔勒（John Rogers Searle）就计算机和其他信息处理机器的工作形式提出“计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的”［7］。无论是强“人工智能”还是弱“人工智能”，都将“人工智能”划分为四类：机器“像人一样思考”、 “像人一样行动”、“理性地思考”和“理性地行动”。但是，这两种观点都没有进一步对任何一种类型进行模型化。这就表明尽管在观念上人们已经不再将生命系统作为信号系统，但其仍成为“人工生命”模拟的对象。
1999年，获得了诺贝尔生理学或医学奖的布洛贝尔创立了著名的“蛋白质的命运”假说，即关于新生成的蛋白质去向的“信号假说”。他认为细胞内存在某种信号，这种信号决定了新生成的蛋白质的去向。这意味着每个蛋白质都能够获得向某个地方移动的信息，就像邮编一样，可以让蛋白质找到准确位置。也就是说，由十几个氨基酸组成的“信号肽”使得蛋白质能够识别信息，并在某种程度上具有了主动性。这种主动性与物理主义的决定论观点发生了冲突。
弄清各种基因各自会生成何种蛋白质成为需找基因的重要环节，因为如果知道了信号肽的基因，就可以知道周围的基因是决定何种蛋白质的基因。“信号肽”的发现大大推进了人类基因计划，然而，“人工智能”研究中并没有明确给出一个可以超越一般信息模型的新模型。
三、“人造生命”阶段：突破物理主义
在识别了基因信息之后，就需要对基因突变作出解释。人们已经发现，致命的基因突变由于地域特征和环境不同，其结果也会各不相同。这就意味着，人们在对待人类基因时必须考虑环境的因素：一方面，环境可能使基因突变形成恶性基因，另一方面则也能促使发生有益的突变，从而形成更为适应环境的基因整体。从后者来看，环境如何引发新基因整体的形成就成为对基因与环境之间关系所进行的解释，这也就成为人类基因组计划的后期工作，此阶段的“人工生命”研究也将面临更为深入的问题。
“对基因整体性的认识大体有两类。一类是在分子遗传学坚信基因独立性存在的前提下，根据不同功能种类的基因间的协同关系诠释基因系统的整体存在。而今，这一方向已在原核生物领域取得辉煌的成果；另一类是在关注物种(种群)的发育和进化并结合分子生物学的基础上，探究基因的整体存在，即基因集成、基因组织单元及其关系的研究。目前，这一方向已受到综合进化论者及其他一些生物学者的高度重视。”［8］后者恰恰体现了环境对基因的作用。“人造生命”的提出则将这种作用的意义凸显出来。从其他生命体中提取基因建立新染色体的操作，实际上就是将特定基因从已有的环境中分离开来，再将提取的基因染色体放入新的环境之中，即嵌入已经被剔除了遗传密码的细胞中，这样染色体在新环境中形成新的基因组织，控制这个细胞，发育变成新的生命体。2010年5月20日，美国私立科研机构克雷格•文特尔研究所宣布：世界首例人造生命――完全由人造基因控制的单细胞细菌诞生，并将“人造生命”起名为“辛西娅”。这项具有里程碑意义的实验表明：新的生命体可以在实验室里“被创造”，而不是一定要通过“进化”来完成。“辛西娅”的产生在一定意义上证明了可以通过人工环境能够实现对基因的作用。
“人造生命”为“人工生命”提出了更深层次的问题。“人工生命”概念不同于传统生命观和科学观。“传统生物学用分析方法研究生命。通过分析，解剖现有生命的物种、生物体、器官、细胞、细胞器，即通过分析现有生命的最小部件来理解生命。人工生命用综合方法研究生命，在人工系统中对简单的零件进行组合，使其产生类同生命的行为，力图在计算机或其他媒体中合成生命。”［9］“人造生命”则进一步模拟生命整体功能如何形成。这也改变了对生命的认识，从“如吾所说的生命（lifeasweknowit）”转变为“如其所能的生命（lifeasitcouldbe）”［10］。生命作为各个功能叠加的物理主义观念被打破，取而代之的是一种功能整体性观念。
“人造生命”已有的成果在一定程度上揭示了环境对基因整体功能的作用机制，如果能够找到体现这种机制的模型，就将推动生命科学的发展。事实上，人类基因组计划都是建立在DNA分子序列的符号化前提下的。没有这种符号操作，人们就不可能应用计算机来获得、识别并整合生命信息。而这一符号学思路恰恰应和了美国著名的科学家、认知心理学家、人工智能学家西蒙（Simon Blackurn）的理论。西蒙的“物理符号系统假设”进一步阐释了这一思路。“物理符号系统假设”强调“所研究的对象是一个具体的物质系统，如计算机的构造系统、人的神经系统、大脑的神经元等。所谓符号就是模式，如任何一个模式，只要它能和其他模式相区别，他就是一个符号。”［11］“物理符号系统假设”从信息论模型进入了符号学模型。“人工生命”从对“生命表现出的行为的功能模拟”转向对“生命内在创造机制的功能模拟”。
这种符号学模型提示，在经常变化的环境作用下，微观生命分子形成了不同的功能整体，具有内在的适应性意义。人们在无法支配环境的情况下支配基因，就可能造成有害的影响。从“人工生命”、“人工智能”到“人造生命”的概念演进，可以得出承认生命本身具有内在意义，具有一定的主动性将成为未来生命科学理论发展的一种趋势。
参考文献：
［1］班晓娟.人工智能与人工生命[J].计算机工程与应用，2002(15)：1-7.
［2］林德宏.评人的“非人化”――一种现代技术机械论[J].自然辩证法研究，1999(3)：23-27.
［3］孙啸，陆祖宏，谢建明.生物信息学基础[M].北京:清华大学出版社,2005:9.
［4］李建会.生命科学哲学[M].北京:北京师范大学出版社,2006:127.
［5］邬.信息哲学――理论、体系、方法[M].北京:商务印书馆,2005:75.
［6］沈骊天.生命信息与信息生命观[J].系统辩证学学报，1998(4)：71-73.
［7］JOHN R. Minds, brains, and programs[J]. Behavioral and Brain Sciences, 1980, 3 (3): 417-457.
［8］董华，李恒灵.基因整体实在论[J].科学技术与辩证法，1997(6)：31-34.
［9］林德宏.科学思想史[M].南京:江苏科学技术出版社,2004:326.
人工智能与实体经济范文第4篇
一、引言
近些年来，随着云计算、物联网和移动互联网的不断演进和发展，各国相继提出了适应自身发展的战略方针，大数据时代呼之欲出。在此背景下，独立审计行业虽不能与制造业智能化的飞速发展相提并论，但审计职业必须与社会发展共同成长，不断创新与发展，满足行业与客户的需求。“工业4.0”的核心是“智能+网络化”，即通过虚拟-实体系统，构建智能工厂，实现智能制造的目的。1对此目的，其战略也提出了相应的举措，我们将其整合可以归结如下，其一是出于联网和集成的需要，实现技术标准化和开放标准的参考体系;其二还提及建立安全保障机制与健全规章制度;其三是创新工作的组织和设计方式，提升资源效率;其四是注重培训和持续的职业发展。
众所周知，工业4.0是针对制造业提出的战略指导，然而我们审计行业随着社会的发展在不断进步，也可以从中借鉴发展模式。这样，在未来的审计业务中，我们不仅可以应对客户的审计环境的飞速变化，也可以从中学习来改善审计的工作过程。
二、工业4.0对独立审计的影响
(一)工业4.0对审计宏观环境的影响
首先，工业4.0背景下，审计证据的类型、范围和数量将产生巨大影响。传统模式下，注册会计师多是通过函证、询问、分析程序等审计程序来对被审计单位获取审计证据，所获取的审计证据一般包括纸质的回函，电子媒介的账簿信息或者询问等获得的辅助证据等。而在工业4.0背景下，审计证据不再同传统的审计证据一样，审计证据的范围和数量将达到一个前所未有的新高度，其能需要借助大数据信息库和云平台进行传递;注册会计师也可以实现跨地区、多部门的实时作业，充分整合会计师事务所的资源，实现多个部门对多个客户同时进行深度审计。
其次，工业4.0时代会对被审计单位的经营流程以及内部控制产生重大影响。制造业在加快改革进程的同时，各个行业都会大力加快行业整形的进程，被审计单位的经营流程也会随着社会进步发生转变，逐渐趋向于智能化和大数据联网的模式。被审计单位的财务系统将会由传统经营流程中的单一版块转向与企业研发与战略、产销供应链、人力资源等版块联合，实行综合作业，内部控制也由内部管理控制和内部财务控制分离转向二者相互结合，使被审计单位的内部控制形成一个综合的、全方位的、多元化的体系。
(二)工业4.0下独立审计的安全隐患
首先，随着工业4.0的全面推进，数据的集合程度和人员及部门的工作关系将达到空前密集和复杂的状态，这对注册会计师的工作带来了潜在的安全隐患。注册会计师不得不考虑在大数据的信息时代信息技术环境的规模和复杂度，这对于没有足够的信息技术的注册会计师是有一定难度的。工业4.0的背景下，人与人的沟通、信息之间的传递和业务的交接可以通过互联网和物联网实现异地的对接，然而在这种对接的过程中，被审计单位是否存在大量交易数据，以至于用户无法识别并更正数据处理错误等因素都需要充分考虑。对于自行研发的系统，注册会计师还需要评价系统的复杂程度、系统上一次发生框架重大变更的时间、系统变更对财务信息的影响结果，以及系统变更后的系统运行情况及运行期间。
其次，在风险导向审计模式下，审计人员执行整个审计流程已形成了规范的体系，其中就包括测试平均并充分利用其内部控制制度的结果，而工业4.0的核心概念——人工智能，会为内部控制带来特别的风险。内部控制的设置对于注册会计师而言有利于提高会计信息的可靠性，而人工智能在为被审计单位带来诸多便利的同时，我们还应充分考虑到人工智能或相关的信息系统程序可能会对数据进行错误处理，也可能会去处理那些本身就错误的数据;如果大数据信息系统的安全控制不能保证它的有效性，其云端数据的真实、可靠也就无法获得足够的保障。
三、独立审计行业如何应对工业4.0
以智能和网络化支撑的工业4.0时代是未来独立审计行业必须面临的宏观经济环境，在此背景下，注册会计师所面临的审计风险会发生变化，审计技术和方法也会发生巨大变革，辩证的看待工业4.0时代对独立审计行业的影响和带来的安全隐患，是每位注册会计师的基本要求。工业4.0的背景下，注册会计师在面临新的审计风险的同时，也可以享受到人工智能和网络化的工作环境带来的便捷，对此，独立审计行业应与时俱进谋发展。
(一)独立审计行业应全面适应审计宏观环境
工业4.0背景下，注册会计师应全面适应智能化的工作方法和大体量的数据模式，并将二者有机结合，找寻适合自身高效的工作模式。在审计准备阶段，注册会计师可以实时异地的与前任注册会计师进行联网沟通，并且可以借助智能化程序对被审计单位提供的数据进行适当的分析，以判断承接业务的风险;或者可以通过先进的大数据分析，从被审计单位提供的数据里提取出有用的信息，来保证初步审计业务的顺利进行。在审计实施阶段，注册会计师应结合工业4.0的发展方向，重新划定审计范围或制定审计程序，扩展需要审计证据的来源渠道;运用先进的算法对数据库的财务信息进行整体分析，并依据系统划定的重要性水平进行人工调高或调低，以确定审计方向。
(二)独立审计行业应充分重视审计安全隐患
工业4.0时代是智能化时代也是大数据时代，这是技术的发展，是人类的进步，却同时存在安全隐患。审计证据来源的多元化和数量的大幅增长并不能保证数据的安全与可靠，注册会计师应强化自身甄别信息的能力，并对被审计单位的信息安全控制格外予以重视;也可借助外部信息技术方面的专家，对需要采用的信息进行专门的鉴定;并在此基础上剔除或修正错误或可能产生误导的信息。此外，在整个过程中，注册会计师应确保数据在利用云传输的过程中，不会因为注册会计师的信息技术不过关而导致轻易被篡改和泄露;保证信息和数据在格式上的精确，从而达到信息和数据的可靠性以及可理解性;注重信息和数据获取的时效性，最终达到确保审计任务顺利完成的目的。
人工智能与实体经济范文第5篇
摘要：在“金融科技红利”扩大与“人口红利”衰减的背景下，效率和成本两种力量共同驱动着金融智能化发展。与互联网金融主要在营销渠道创新不同，区块链、大数据、人工智能等金融科技的发展正在深入到风险管理、资产定价等金融核心领域，推动着金融业向智能化方向发展。在肯定金融智能化发展所带来积极意义的同时，也不能忽略其蕴藏的潜在风险。在推进金融智能化发展过程中，若发生突发性金融风险事件，往往会波及众多金融机构和投资者，造成较大的社会影响，对于造成的损失，事后监管往往于事无补。为此，要研究金融智能化发展过程中“替代”风险的类型、风险度量与风险特征，运用监管沙箱、监管科技等新理念、新方式，打造“穿透式”智慧监管新机制，构建应对金融智能化发展的监管新体系，强化事前监管，促进金融与科技融合共生，形成智能化时代金融发展新秩序。
关键词：金融科技；大数据；区块链；互助保险；监管科技；监管沙箱
一、金融智能化发展的进程与现状
（一）金融智能化的主要阶段。技术进步一直是驱动金融业发展与变革的重要力量。金融稳定理事会FSB（2016）将金融科技（FinTech）定义为“技术带来的金融创新”，其创造出新的金融模式、技术应用、产品和服务等，从而对金融市场、金融机构和金融服务的提供与获取方式产生重大影响。技术驱动金融业升级可分为三个阶段：一是金融1.0时代。该阶段通过计算机替代手工计算及账簿，进一步提升金融运行效率。二是金融2.0时代。在该阶段，技术由工具转向通过业务、产品创新的方式驱动金融变革，使得新兴互联网企业有机会运用互联网技术将金融产品与服务的供需双方相连接，成为传统金融的有效补充。三是金融3.0时代。在该阶段，大数据、区块链、人工智能等新兴科技引领金融业全方位变革，通过虚拟方式替代物理方式，使得金融业的边界日益模糊（中国人民银行广州分行课题组，2017）。当前，一系列以“廉价、即时、可得”为特征的智能化金融形式，如智能证券、智能投顾、区块链互助保障平台等金融新业态层出不穷，为数量庞大的消费者提供数字化、自动化、智能化在线基础金融服务。区块链使得互联网上进行的金融交易可通过嵌入智能合约，自动执行价值交换、权属转让；大数据、人工智能的发展使得智能投顾成为现实，金融智能化水平不断提升。
（二）金融智能化的主要业态。
1．基于区块链技术的跨境支付。区块链技术使高效、快捷的跨境支付系统成为现实。区块链本质上是统一的分布式记账系统，跨境支付系统只需要通过许多节点、以共识机制来验证交易并记账，不需要任何信任中心，交易双方点对点支付得以实现，交易流程简便、快捷。全球已有不少初创企业致力于拓展跨境支付。最令人瞩目的是Ripple公司，其构建了一个没有中心节点的分布式支付网络，全球排名前50的银行中已有包括渣打银行、西班牙国际银行等15家银行与Ripple公司建立了合作关系。截至2016年末，在Ripple系统的支付交易中，由中国发起的交易额占比最大。
2．基于区块链技术的证券发行与交易。证券发行公司运用区块链技术生成的智能合约，在理想状态下可以实现私人定制化证券发行，上市或拟上市的公司可结合自身的实际需求发行异质化资产凭证。通过区块链实现24小时全天候运作，买卖双方能够通过智能合约实现自动配对，并通过分布式数字化登记系统，自动实现清算、结算。目前，全球各大金融机构和交易清算所正积极开展证券发行与交易领域区块链技术的应用研究，Overstock已成功销售首个区块链上的加密债券。
3．基于区块技术的资产托管。资产托管从业机构可以运用智能合约和共识机制将投资合规校验整合在区块链上，确保每笔交易都是在满足合同条款、达成共识的基础上自动运行。与此同时，区块链具有自动记录和加密认证的属性，实现多个参与方之间信息实时共享，免去重复进行信用校验的过程，可将原有业务环节时间缩短约60%到80%，使得信用交易更加高效，账户信息更加安全。中国邮政储蓄银行区块链资产托管系统上线成为中国银行业将区块链技术应用于银行核心业务系统的首次成功实践。
4．基于区块链技术的互助保险服务平台。目前，互助保险在全球保险市场的份额达27%，为将近10亿人提供保险保障服务。区块链点对点技术的优势适合于互助保险平台的开展。在智能合约运行中，当一人出险时，其他人自动向其赔付款项。同时，区块链的共享透明和历史可追踪特点减少了保险市场的信息不对称，在一定程度上降低了道德风险和逆向选择现象出现的概率。国内首家应用区块链技术的互助保险服务平台“众托帮”，其首款保险保障计划——“众托1号抗癌互助医疗计划”上线仅1个月，参保人数就迅速扩大到40万人。
5．大数据风险控制。大数据风险控制是利用大数据分析技术和模型进行风险评估，对资金需求者进行信用评分，以此预测还款人的履约能力以及违约风险。与传统风险控制手段相比，大数据风险控制具有信用评价更为精准、数据涵盖范围更广以及更具时效性等优势。以蚂蚁金服推出的信用服务体系芝麻信用为例，芝麻信用通过搜集与分析大量的网络交易等行为数据，对用户进行信用评级，信用评级信息可以帮助金融科技公司甚至金融机构对用户的还款意愿及还款能力做出更为精准的判断，继而为客户提供相应的金融服务。
6．智能投顾。智能投顾是提供智能化资产投资组合管理服务的在线理财顾问，由计算机基于现资组合理论等投资分析方法，排除人为因素自动提供资产投资组合建议。智能投顾根据服务对象的特征和偏好，给出个性化投资交易决策建议，还可以提供交易服务。从2010年开始，一些提供在线资产管理及投资咨询服务的金融科技公司相继成立，在线专业投资顾问迅速兴起。随着大数据、人工智能技术的逐渐成熟，智能投顾势必将迎来新的增长势头。
二、金融智能化发展的主要动因
（一）效率驱动。Bazot（2013）等学者的研究发现，当前金融体系仍存在低效率的问题。金融中介活动的单位成本并未随着信息技术进步而呈现显著下降的趋势。Philippon（2016）提出，低效率使得金融体系有进一步改善的空间。金融科技驱动金融智能化主要基于以下两条路径：一是金融机构利用金融科技整合长尾市场、减少信息不对称，从而提高资金配置和管理金融风险的效率。金融主要功能是完成资金盈余者和资金需求者之间的融通，有效配置资金。传统金融机构因信息不对称、风险控制等诸多因素制约而忽视了基数庞大的个人借款者及中小微企业这类“长尾客户”，金融机构通过大数据技术，将提高对长尾客户金融服务的可得性，在一定程度上改善金融服务，提升资金供求的配置效率。大数据、人工智能等金融科技被广泛应用于高速网络化的信息处理，大幅降低信息不对称的程度，提高资本资产定价和管理金融风险的效率。二是金融机构利用金融科技大幅缩短金融业务办理所需的时间，提高运营效率。以商业银行为例，按传统方式去获取客户、核准贷款，由于效率较低，银行不得不放弃借款金额较小的长尾客户。银行利用大数据技术可以快速、大规模地获取客户，并可以通过客户标签，更加精准地找到目标客户，提高客户转化率。由于使用大数据技术审批贷款，供需双方无需见面即可实现审贷、放贷，因此，银行审贷、放贷的效率提高。利用区块链分布式账本和点对点实时交易的功能，还能够有效缩短金融交易的时间，提高转账笔数和转账总金额，提升银行处理跨境支付结算的效率。
Kensho、Dataminr、Antuit等系统基于大数据、人工智能的智能金融分析工具，能够在极短时间内抓取、整理并分析网络上所有公开信息、图像甚至非结构化数据，并以此作出投资、借贷、风险管理决策。依靠深度学习的人工智能机器对历史交易记录进行快速、海量的学习，其决策水平将远远高于人类。在高速运算和海量数据的支持下，智能化金融分析工具可以提供差异化金融服务，同时通过机器联网形成网络效应，提升金融运行效率。（二）成本驱动。传统银行业成本主要由资金成本和运营成本两部分构成。资金成本由社会平均融资成本和风险溢价构成，大数据、区块链等技术使得银行能够精准识别和控制风险，风险溢价降低，资金成本降低。人工智能、人脸识别等技术能够使得机器替代人工实现全方位感知客户的需求，为客户提供交互服务。这就使得传统金融操作的人工成本变得非常低且边际成本递减，推动着银行运营成本降低。在成本驱动下，银行业正在向无实体化智能形态转变。中国银行业协会的数据显示，2016年，银行业金融机构离柜交易笔数达1777亿笔，同比增长63.68%；离柜交易金额达1622.54万亿元，银行业平均离柜率高达84.31%。同时，国有五大银行仅在2016年柜员减员率就已超过10%，这意味着银行的薪酬支出等运营成本大幅降低。总之，金融科技并未改变金融的资金融通、配置资金的本质。互联网等信息技术带来的是效率提升与成本降低，智能机器将在一定程度上替代重复性体力劳动甚至知识型脑力劳动。在“金融科技红利扩大”与“人口红利衰减”的背景下，效率和成本两种力量共同驱动着金融智能化发展。传统金融业首先与互联网等信息通讯技术融合，形成了区别于利用银行进行间接融资、借助资本市场进行直接融资的“互联网金融”这一新金融模式，但是其仍主要停留在产品层面，如余额宝、互联网证券等。互联网金融与区块链、大数据、人工智能等金融科技进一步融合，对信息搜集、信用中介、风险定价、投资决策等金融核心业务带来更大的冲击。金融机构运用金融科技，依托技术内部驱动和网络效应外推，使得交易效率更高、交易成本更低，从而促进了金融加快向智能化方向发展。
三、金融智能化发展中面临的主要挑战
（一）监管法律法规等制度建设滞后。目前，我国对金融科技监管法律法规等制度建设还停留在互联网金融的层面。人民银行和其他金融管理部门虽然在多个场合提及关于金融科技的监管思路，但是系统性、规范性法律法规仍然处于探索阶段，尚未出台。金融科技领域众多智能化业态只能参照传统金融及互联网金融领域的法律法规进行管理，整个行业处于监管制度和法律法规空白之中。互联网金融监管实践表明，我国对颠覆性金融创新的监管主要靠事后监管，监管措施主要是针对风险事件的被动响应。与互联网金融主要在营销渠道创新不同，区块链、大数据、人工智能等金融科技的发展正在深入到风险管理、资产定价等金融核心功能与业务领域，对金融产品和服务的各个方面产生重大而深刻的影响。在金融智能化进程中，若发生突发性金融风险事件，往往会波及众多金融机构和投资者，造成较大的社会影响，对于造成的损失，事后监管往往于事无补。
（二）金融风险越来越复杂且难以管控。金融智能化发展并未改变金融业原有风险属性和类型，但是风险特征更加复杂和难以识别。一是金融风险更加复杂。金融智能化利用区块链、大数据、人工智能等新兴技术推动金融业变革，新产品、新业务、新模式层出不穷。比如，余额宝等“宝宝类产品”将支付、基金、存款等不同领域的业务整合起来，增加了金融风险的复杂程度，使得金融风险交叉感染成为常态。二是风险可控性降低。在区块链、人工智能等金融科技的影响下，金融交易发生即清算，风险传播将以更快的速度和更广的范围覆盖金融市场，金融监管机构进行救市和风险隔离的难度增加。若2013年的“钱荒”事件再度发生，金融市场挤兑风险将被迅速放大，加剧市场中参与主体的恐慌。三是金融风险更加隐蔽。金融智能化发展使得金融活动参与主体可能同时具有多重身份，金融风险更容易隐藏，对金融智能化监管的缺失也使得金融风险难以被识别。此外，金融智能化发展使得金融业务的进入门槛降低，金融机构从事高风险经营活动的动机强化，整个金融系统的风险偏好更加凸显。
四、促进金融智能化健康发展的若干建议
（一）正确看待金融智能化发展进程。金融智能化既是经济金融发展的必然趋势，也是科技进步的必然结果。社会各界要正确看待金融智能化发展进程，在肯定金融智能化所具有积极意义的同时，也不能忽略其蕴藏的潜在风险。人工智能、数字金融等技术模糊了科技公司与金融机构的界限。金融科技公司提供“廉价、即时、可得”的智能服务对传统金融业带来较大的冲击，“替代、脱媒、失业”将使传统金融业在一段时期内面临转型的阵痛。金融智能化带来不确定性较大的替代风险与社会成本，在一定程度上冲击现有金融秩序。面对金融智能化替代所带来的风险，社会各界应积极应对，以研究金融智能化进程中“替代”风险的类型、风险度量与风险特征，构建应对金融智能化的监管体系，促进智能科技与金融融合共生，形成智能化时代金融发展新秩序。
（二）加强金融智能化基础设施的建设及运用。金融科技可能带来的风险不容忽视，同时金融智能化在推进过程中面临的障碍也不可低估。但是，不能因为金融智能化对传统金融领域造成冲击而对此进行抵制。遗憾的是，我国传统意义上的“主流”金融机构并未在金融科技驱动的金融智能化第一轮发展中占据主导地位，这与国际上知名大型金融机构及金融科技公司积极合作推进金融智能化发展形成较大的反差。国内金融系统要积极研究金融科技在智能化金融交易中的应用实践，加强智能化金融交易基础设施建设，强化金融科技自主创新，积极抢占战略制高点。在推进智能化金融交易应用落地的过程中，优先选择容易突破的领域，先易后难，先后核心，先市场化程度高后垄断性强的领域，推动智能化在金融业全领域落地应用。
（三）在金融智能化推进过程中确保风险可控。可控是保证金融智能化替代过程中金融体系安全与稳定的前提，可控意味着可以更快地识别和防范智能化金融风险。同时，在金融智能化推进过程中，监管当局必须及时发现漏洞并加以修补；反之，若金融智能化发展风险失控，就会扰乱金融市场秩序，甚至威胁到整个金融体系的稳定。要做到金融智能化替代进度可控，具体来说主要包括以下几个方面：一是要确保金融科技技术自主可控。这意味着要有若干掌握核心技术的金融科技公司，目前国内部分金融科技公司正积极布局并已形成示范效应，国家应加大对此类金融科技公司创新和研发的支持力度。二是要着眼金融智能化长期发展。近年来，虽然中国金融科技发展较快，但是主要仍是P2P借贷、第三方支付等典型互联网金融业态，后续更高层次金融创新比较乏力。金融机构和金融科技企业应充分认识到金融科技驱动金融智能化发展是大势所趋，积极布局大数据风控、智能投顾、智能证券保险等智能化程度较高的新业态。
（四）打造“穿透式”智慧监管新体制。金融科技的创新速度和影响力要求监管部门创新监管机制。一是监管部门要强化信息技术在金融体系治理中的应用，建设基于大数据模型的金融风险实时监测处置平台，实现智能监管、自动预警、快速响应。二是充分考虑金融科技对金融行业发展的影响，以及各部门在技术革新情境下金融行为可能发生的变化，坚持积极引导和依法监管并举的理念，积极运用监管沙箱、监管科技等新理念、新方式加强监管。对于复杂的新型金融业务要进行“穿透式”监管，透过业务的表象探究其本质，用业务的本质属性来确定监管要求和监管分工，实现全覆盖式监管，不留监管空白和套利空间。三是要形成自我规范、自我协调的行业自律机制，促进金融智能化健康发展。最终建立起包含政府监管、行业自律、市场约束三位一体的管理体制，为促进金融智能化有序发展提供保障。
参考文献：
[2]中国人民银行广州分行课题组.中美金融科技发展的比较与启示[J].南方金融,2017,(5).
[3]乔海曙,谢姗珊.区块链驱动金融创新的理论与实践分析[J].新金融,2017,(1).
[4]程华,杨云志.区块链发展趋势与商业银行应对策略研究[J].金融监管研究,2016,(6).
[5]巴曙松,侯畅,唐时达.大数据风控的现状、问题及优化路径[J].金融理论与实践,2016,(2).
[6]云鹤,胡剑锋,吕品.金融效率与经济增长[J].经济学(季刊),2012,(2).
[7]李继尊.关于互联网金融的思考[J].管理世界,2015,(7).
[8]谢平,邹传伟,刘海二.互联网金融的基础理论[J].金融研究,2015,(8).
[9]乔海曙,谢姗珊.区块链金融理论研究的最新进展[J].金融理论与实践,2017,(3).
[10]赵鹞.Fintech的特征、兴起、功能及风险研究[J].金融监管研究,2016,(9).
[11]朱太辉,陈璐.Fintech的潜在风险与监管应对研究[J].金融监管研究,2016,(7).
