2018年7月18日，中國人民銀行（以下簡稱“央行”）在總部舉辦了“金融改革與創新專題研修班”，第四范式創始人、首席執行官戴文淵作為授課專家在會上做了“人工智能在金融領域的應用”主題分享，講授如何用AI為央行履職賦能。同期授課的專家還有來自央行各司局的領導以及區域銀行行長。
央行是我國貨幣政策的制定者，肩負防范和化解金融風險、維護金融穩定的重任。針對需求，戴文淵系統地介紹了人工智能的基礎知識，講解了AI在政府管理領域、金融領域和商業領域的應用，探討了AI如何在貨幣政策、系統性風險風析、反洗錢、征信和精準扶貧等領域為央行履職進行支撐。
基于人工智能的監管科技，賦能央行履職
第四范式已經幫助眾多金融機構進行了企業AI平臺（“第四范式先知”平臺）的建設，服務覆蓋逾50%中國金融總資產。然而AI的能力不僅體現在幫助企業經營創造巨大的價值，而是在每個細分領域都能夠創造出科學的方法。將AI技術應用在監管層面，實現監管科技的革新，將為央行履職提供支撐。戴文淵從關乎國家金融穩定的宏觀政策管理和金融業務管控兩方面，介紹了一系列典型示例：
AI+貨幣政策評估
通過海量數據分析和高維機器模型，機器可以進行一系列宏觀經濟數據分析解讀和預測，比如通脹、物價、GDP，乃至失業率、旅游活動等更豐富的數據指標，以此來提供更加全面科學的依據，幫助管理者評估貨幣政策對社會各方面的影響，輔助決策。
AI+系統性風險偵測
通過檢測、衡量、預判，人工智能在偵測系統性風險方面也大有可為，比如對市場波動性、流動性風險、金融壓力、房價等重點領域的風險研判及防控，對應完善金融風險的監測、評估、預警體系。
AI+反洗錢
以反洗錢業務為例，AI通過為證標識的這種機器學習的算法，建立相關的行業模型，可以大幅提升反洗錢的可疑交易的篩選效率，并且提升反洗錢甄別的精確度。并能夠反哺專家經驗，不斷提高監管機構對反洗錢整體發展程度的認識和控制。
AI+征信
AI應用在征信領域，實現了3個層面的管理提升：一是更精確的識別個人身份——人工智能在生物識別方面的應用今年取得較大進展，主要得益于基于大數據的機器學習。二是更準確的評估用戶信用——通過多渠道獲取用戶多維度的數據，提供各種特征建立模型，再對用戶進行多維畫像，最終根據模型評分，對用戶的個人信用進行評估。三是極大提升傳統征信行業的決策效率——機器對大量數據的加工處理和決策效率更高效，替代了大部分的人工操作和決策過程。
AI+精準扶貧
深入推進扶貧開發是中央確定的目標，面對七千多萬的貧困人口、2020年全面脫貧的時間目標，以及中央對扶貧對象、項目安排、資金使用、措施和成效等方面的精準要求，監管機構很難配備這樣的精力和體力來進行管理，而機器則可以實現，利用機器的智能，充分發揮機器不知疲倦的思考能力，進行扶貧對象的確認、扶貧項目登記、幫扶的企業單位的確認、扶貧結果的確認。
穿透式管理，推動金融行業平穩健康發展
當下，金融機構基于人工智能建立的高維模型，利用機器解決了人類專家無法完成的復雜問題，幫助金融機構科學決策并提升決策效率。技術的發展為企業不斷創造新價值，與此同時，也對監管機構提出了新要求。一方面是制定人工智能相關行業標準，另一方面是通過AI的手段，來解決銀行AI高維度建模之后的監管問題。
行業標準建立
標準化對于市場的良性發展具有服務、支撐和引領的作用。以人工智能為代表的新金融科技方興未艾，作為監管機構，央行在關鍵技術領域正在積極探索推進行業標準。針對這一探討，戴文淵表示，可以建立金融機構產生模型的過程標準和數據標準，再由監管部門采集過程數據，利用AI模型自動分析金融機構的經營行為，實現監管自動化。
用AI監管AI
AI技術在商業銀行的廣泛應用是大勢所趨，作為管理部門，央行對商業銀行的業務監管面臨技術難題。戴文淵指出，AI應用采用高維算法模型且未來會設計的更為復雜，由于人類無法監管高維模型，發展基于機器的監管技術就成為管理部門監管基于AI的商業銀行業務的匹配方法——將AI模型標準化，就能實現機器對模型的檢查；建立多種監管模型，就能自動分析金融機構每一筆交易存在的問題。
我們看到，央行作為監管機構，極具前瞻性地關注到人工智能的價值和探索對應行業發展的標準制定。作為AI技術的堅定信仰者和早期實踐者，第四范式一直秉持打造能夠匹配人工智能時代需求的AI能力，能夠服務人工智能時代發展的標準化的AI“操作系統”，為企業開發AI應用提供支撐，降低人工智能應用的開發難度，從而實現人工智能在各行各業的廣泛應用，這也是我們堅持打造“第四范式先知”平臺的初衷。
我們始終認為，作為一家以普惠AI技術為驅動的公司，第四范式的企業價值就是實現AI的價值，我們希望開啟一個智能時代，看到AI普惠大眾，要實現這個目標，僅靠第四范式一間公司的力量、僅靠數量有限的科學家來做，人工智能不會發展很快，因此我們希望賦能給各行各業的合作伙伴、賦能給企業客戶，讓AI技術服務更多人。
