直到最近，人工智能一直難以在華爾街立足。不再。

在過去的幾年中，高盛（Goldman Sachs）和摩根大通（JP Morgan）等大型投資銀行已聘請學術界以外的人工智能專家，并由其負責內部AI部門。金融技術初創企業已開始使用機器學習算法來建模信用評級并檢測欺詐。對沖基金和高頻交易者正在使用AI做出投資決策。

政客們開始注意到。10月中旬，新成立的眾議院金融服務委員會人工智能特別工作組舉行了聽證會，討論了人工智能如何引發金融業對數據隱私的關注。6月，參議員伊麗莎白·沃倫（Elizabeth Warren）呼吁聯邦監管機構嚴厲打擊金融機構的“算法歧視”，并指出金融技術公司通常向少數群體收取更高的利率。

人工智能也可以從根本上改變我們金融系統的運作方式。直到我們了解這些變化將如何發揮作用，否則我們將無能力應對這些變化。在過去的十年中，更廣闊的人工智能領域取得了長足的進步。我們已經看到AI擊敗了世界上最好的“ Jeopardy”玩家和古老的棋盤游戲Go，發現了與Lou Gehrig病相關的未知基因以及鳳凰城街頭的無人駕駛汽車。這些成就得益于更好的算法，功能更強大的計算機和越來越大的數據集。

由于許多原因，應該為華爾街的人工金融情報的興起而稱贊。如果我們能夠找到更有效地配置資金，更準確地識別風險或簡單地賺錢的方法，那將是一件好事。它可以使商業運作順暢，并且至少在理論上可以提高所有船只的效率。

但是每個新工具都有其怪癖和風險，人工智能也不例外。

金融中的AI問題源于AI算法的工作方式。今天，當人們談論人工智能時，他們實際上是在談論計算機科學的特定領域，即機器學習。機器學習算法將獲得大量信息，并通過識別信息中的模式來預測未來事件。這個復雜系統的基礎是驅動AI的數據。

但是，使AI在其他領域如此成功的獨特功能也使其在應用于金融領域時非常危險。這些威脅反映了造成上一次金融危機的問題，當時復雜的衍生品和人們對次級抵押貸款的了解不足，使世界陷入了嚴重的蕭條之中，必須予以認真對待。

首先，人工智能可能會通過助長非理性繁榮的火焰而導致金融泡沫變得更大或持續更長的時間。機器學習算法依賴于大數據集對世界進行預測。

如果用于做出這些預測的數據已過時，則可能會造成財務混亂。

想象一下，如果您在一個包含1992年至2000年股市收益的數據集上訓練了AI，它可能會得出結論，科技股總是跑贏非科技股，因為在這段時間內確實如此。從2002年互聯網泡沫破滅后得出的信息中，并不能改變這一結論。經過偏斜數據訓練的AI算法很可能會將更多的資金投入科技股，進一步擴大泡沫。

人工智能的樂觀主義者肯定會說，人工智能有局限性，但負責任的決策者會意識到并會做出適當的反應。AI只是工具箱中的另一個工具。

但是，由于AI算法是如此復雜且依賴于數據，因此很難理解它們的工作原理。復雜，難以理解的金融工具的擴散是2007年金融危機的根源，很可能是下一次危機的根源。

我們從上次崩潰中獲悉，當某些事情難以理解時（例如，抵押債務義務將各種風險次級抵押貸款打包在一起，目的是使它們變得安全），這也很難被人們猜到。如果財務決策者有一個AI建議，其中包含明確的“答案”，并且聲稱是基于數百萬條信息，那么他們將很難被忽視。它可能不再像拐杖一樣成為工具。

也許最重要的是，我們不確定AI算法如何在華爾街的叢林中相互影響。在資本市場中，股票價格很大程度上取決于市場中其他參與者的決定。如果大多數參與者是AI驅動的，并且他們采用了大致相似的機器學習策略，那么他們可能會在回想起所有它們都涌入（或流出）股票的情況下產生回聲效果。因此，閃存崩潰可能會變得更加頻繁。

鑒于出現了簡單但具有破壞性的有效對抗策略，這種策略試圖使AI算法以意想不到的方式表現出來，這尤其令人不安。例如，一項研究發現，在停車牌上貼上一些小的黑白貼紙會欺騙圖像識別算法，使其永遠無法識別它。

盡管這給無人駕駛汽車造成了重大問題，但它可能在金融界造成嚴重破壞。不良行為者可能散布已知會導致投資算法失靈的財務信息，或故意操縱數據以掩蓋欺詐。

沃倫（Warren）提請注意金融中的人工智能問題是正確的，建議聯邦監管機構認真對待她的擔憂。這不僅僅是“ Jeopardy”或Go游戲。這是關于確保技術為所有人帶來更好，更公平，更高效的財務。

責任編輯：ct