|
现在的AI，很多时候都需要把数据集合在一起训练，这样做自然存在着信息泄露的风险，所以我们也在研究一些别的技术，比如联邦学习，允许从跨数据所有者分布的数据中构建集合模型，可被广泛应用于各种领域，具有安全性、隐私性、合法性的特点，这样既兼顾了AI的训练也避免了数据泄露的风险。 经济观察网：但是否有时候创新与监管之间也会出现一些不好调和的问题？ 肖京：监管的目的是保障行业运行安全稳定，创新的目的是应用新的业务模式或新技术取得增长；创新的过程必然带来一些不确定性和风险，这些本身就属于监管范畴——可以说创新和监管是同一个行业的两面，并非不好调和。如果业务上采用了新的技术或者商业模式，那么监管也需要跟进出台相应的制度和规程，保证行业运行稳定、风险可控。业务中的科技手段提高的同时，监管的科技水平也要提升，最好的办法或许是在业务和监管层面同步应用最新的科技。 有时候监管与大金融机构合作更容易发现问题。金融业务的核心是风控，而风险有一定的“滞后期”，累积到一定程度后才会爆发。但机构一开始做业务时，并不知道这些风险，比如保险估值定价，商业模型等，没有一年或几年的时间，很难知道效果如何；但是等知道效果不好时，可能已经产生亏损。当然，大体量、高执行力的平台机构有可能把累积风险的“时间”缩短，比如在某些项目上，平安可能花几个月就能知道研发方向是否可行，是否存在问题，并针对问题进行迅速迭代和调整。 总而言之，好的企业是乐见监管的，因为高质量的有效监管可以“大浪淘沙、推陈出新”。 （经济观察网记者胡艳明对此文亦有贡献） |
