随着高盛提出要转变成为金融科技公司以及Alphago不可思议完胜世界围棋冠军李世石，金融科技和人工智能在世界范围内推动传统产业，金融业发生了天翻地覆的变化。继大数据、互联网金融之后，今天的世界又掀起了一场更深层次的数字技术革命。

AI的终极目标：做出具有自我意识的机器人

AI所孜孜不倦追求达到的就是学习人类的思维方式，建立自我的思想意识，其中最重要的一部分就是所谓的知识的知识，既能够学习，应用特定知识来解决面对问题的能力。统治整个世界的科学知识体系最重要首推Albert Einstein的相对论和伟大的量子力学。依照爱因斯坦的相对论理论，人和万物是生活在一个光锥中的。人眼所观察到的事物万象的变化都是连续的（至少看上去是这样），但这是假相；到更加微观的氛围去审视世界我们会发现，在终极上都是离散的，而离散的东西是要用线性代数和群论来表示。从我们原始认知的欧式几何到了对成为相对论数学基础的黎曼非欧几何，科学知识体系的跃进在提升人类物质生活变化的同时也反过来促使人类来研究自己是怎样学习思考解决问题的。

从数学的角度来看人的思维方式：分为四个层次：首先是氛围和场景，你可以将整个世界分成很多微小的场景；其次在每个场景下会有其相应的公理和文化；第三层是提出好的问题；第四层是寻求解答。在整个寻求解答问题的过程中，态度或意识形态成了一个至关重要的因素。在某些领域，比如风险管理，风险态度无疑是成败的关键。

场景是AI的一个特性和标签，AI解决问题的方式区别于传统方式在于，答案是基于周围场景的变化而动态演变。自然科学中的统计概率和制造业中的自动化都是对于固定场景下给出的相对确定方式的答案。

在AI的世界中，任何答案都是条件概率和路径场景紧密关联。AI 在解决信息不对称的问题中，对于整个不确定性的世界划分成若干个小的维度空间，在每个小维度的场景中，不确定性会降低，通过机器学习深度学习等技术建立有条件的因果关系和条件概率，通过这种方式AI逐渐归纳总结学习人的思维方式。

金融学和自然科学最大的区别在于场景的再造性。自然科学的真理都是通过数学演绎推理证明或重复实验等到的。从这个角度上讲，金融市场和人生之所以充满不确定性和遗憾就是因为我们只能实现一条路径，不可能像自然科学实验一样从头再来重新构造新的路径，对于各种结果客观地比较和评价，发现对应的关系。我们手里的信息永远是不完备的，这就是信息不对称性的表现，信息不对称性导致不确定性，既风险。AI    机器学习的Bayes 定理就是面对不完备的信息如何提高完善决策能力和准确性。

AI的终极目标是要在未来世界中做出像人类一样有思想、有感觉、有感情、有自我意识存在的机器人。它致力解决的是思维第一层和第二层的问题，既知识的知识或者说是思维常识的层次；而现实整个认知架构中，第一层和第二层都是人类学习好再告诉机器的：设定了问题的所在氛围场景及其公理常识，确定好问题之后机器应用其自身技术和速度的优势来解决。AlphaGo战胜人类就是这一模式的具体实现。另外重要的一点就是AI的思维解决问题的方式是和人类对立的，既宏观和微观，局部和整体的辨证关系。

AI可以判断人性，是好人or 坏人

人对于充满不确定性世界的认知是非常有限的。人的全部认知可以分为四个象限：知道你知道的，知道你不知道的，不知道你知道的，不知道你不知道的。金融市场和人生都是非线性随机的；而基于事前某些条件假设，制定任何计划是以确定性为目的，无法最佳地对抗市场本质的不确定性。Soros提出的反身性理论就是要以不确定性对冲不确定性，要不断进行试错，自我否定和证伪。因此整个投资学习过程就会变的更加痛苦和挑战人性。

信息不对称性是不确定性问题的实质根源。动物精神最早是由凯恩斯提出，描述人们针对未来的信息不对称性，不确定性只能依靠人的直觉思维来判断。前联准会主席Janet Yellen的先生Gorge Akedof教授因研究信息不对称性而获得诺贝尔经济学奖。他和研究行为金融学而获得Nobel Prize的耶鲁大学教授Robert Schiller写了一本题为《动物精神》的专著，谈到人以本能动物精神对抗不确定性和信息不对称性，以及道德公平性问题。

纵观整个金融范畴，最具代表性的信息不对称风险就是信用风险，借钱方和借贷方在金钱转手之后就马上呈现严重的信息不对称性。借贷方要不停地猜测对方是好人还是坏人，借出去的钱能安全回来吗？在现有金融体系里，金融机构倾尽所有的传统金融风险管理的方式还是不能驾驭控制信用风险，违约和欺诈的事件层出不穷。曾经在中国网络上传的纷纷扬扬的清华大学老师买房的款项被网络诈骗集团骗走。其核心问题就是信用风险和信息不对称性。

行为金融学中几条归纳出来的heuristics：Anchoring，Availability, Representativeness, overconfident 都很好地描述了人在信息不对称的场景下思维决策的方式。在P2P的野蛮生长的时代，人们对于网上的理财产品的本质，底层标的无从了解只能从比较熟悉的外围领域，比如在中央电视台做广告，请电影明星站台等等去判断核心的内容。

对冲控制信用风险的一个重要手段就是道德成本，它是一个“表外项”，触发后会转变成实际的经济损失。我们给任何资产项目定价，经典的金融理论告诉我们定价决定于成本，包含营运成本、融资成本、操作成本以及信用和道德成本。资本主义的先驱Adam Smith，当时是格拉斯哥大学的道德哲学教授，在完成他名垂千史的《国富论》之前，就写了著名的《道德情操论》详细阐述道德人的行为规范，强调以同情心，利他主义精神来建立有序的道德社会；而在《国富论》中他更注重于经济人的表现，但核心的一点就是社会的经济行为是受制于社会道德规范准则的限度内，从道德的角度考量就是道德成本起了一个最重要的过滤作用，只有在道德成本的允许限度内，经济的准则才会启动。但道德成本在当前的经济活动中完全被拿掉，人们普遍忽略作为社会经济基础的信用和道德规范，以经济效益为终极目标。为了对抗信用风险，从道德规范培养的角度是个漫长持久的过程；而相对短期时间内，我们只有倚赖最先进的科技手段来协助市场修补完善作为底层基础的道德信用架构的部分，AI则当仁不让地担负着这一特定条件下的历史使命，要回答谁是好人谁是坏人的这一终极哲学问题。

在AI大潮之前的互联网金融兴盛之时，人们想当然地认为互联网技术能够像救世主般解决传统金融本身不能的信息不对称的问题，互联网颠覆金融的论调在中国大陆云霄直上，大有互联网一统天下的姿态。但众多的互联网+的鼓吹者忘记了，我们不是把互联网搬到了一个崭新的无比纯洁的世界，我们还是在这个纷繁复杂充满不确定性贪婪人性的世界里。从本质上讲，互联网作为传统销售渠道的拓展，只是在金融服务的边缘获客维度表现突出，但还远远没有触及金融最核心的投资决策部分。在后来的发展中，不但没有解决和降低金融市场的信息不对称性，反而成为信用风险，信息不对称性推波助澜的帮凶。我们从P2P的崩盘，众多公司的跑路可以看到互联网技术无法改变控制人性的风险。AI也不能改变人性，但是AI能够以大数据为基础和支持通过更加深入的算法分析的有条件地判断区分人性，就像它的前身互联网一样，AI也绝不可能撼动金融的大厦，但是AI对于金融的冲击和影响要远远超过互联网的作用，AI开始深入到金融的最核心的部分，覆盖前台的投资交易决策，风险测算，风险管理，产品设计，客户维护等诸多方面。

Fin-Tech金融科技发展的三个阶段

人类社会目前正处于数字化革命的发展阶段，互联网便是数字化革命的第一波浪潮，而Fin-Tech金融科技便是在这个大背景下孕育而生的。它的核心驱动力是大数据，关键技术是基于大数据的人工智能的设计、开发和运用。

Fin-Tech金融科技通常包含区域链、大数据、云计算、人工智能、数字货币、互联网（移动互联网、物联网）等等。Fin-Tech已经应用的领域有借贷、财富管理、支付、保险、众筹、征信、消费金融、交易、供应链金融等。还有一些应用到金融机构的中后台业务，包括内部稽核、风险管理、托管清算、资产抵押等。

从IT技术对金融行业的推动和变革角度来看，至今为止金融科技经历了三大发展阶段：

金融IT阶段：主要是指金融行业通过传统的IT软硬件来实现办公和业务的电子化，提高金融行业的业务效率。IT公司并不参与金融公司的业务环节，IT系统在金融公司体系内属于成本部门。代表性产品包括ATM、POS机、银行的核心交易系统、信贷系统、清算系统等。

互联网金融阶段：金融业搭建在线业务平台，通过互联网或者移动终端渠道汇集海量用户，实现金融业务中资产端、交易端、支付端、资金端等任意组合的互联互通，达到信息共享和业务撮合，本质上是对传统金融渠道的变革。代表性业务包括互联网基金销售、P2P网络借贷、互联网保险、移动支付等。  

金融科技阶段：金融业通过大数据、云计算、人工智能、区块链等最新IT技术，改变传统金融的信息采集来源、风险定价模型、投资决策过程、信用中介角色等，大幅提升传统金融的效率，解决传统金融的痛点。代表技术如大数据征信、智能投顾、供应链金融等。

在金融业发展的历史进程中，信息科技始终是金融的重要创新甚至变革的力量，推动着金融业发展；而金融业一直都是信息科技产品和服务的忠实用户，是IT发展的重要驱动力量。

2008年世界金融危机成为金融科技发展历史上的分水岭，金融科技进入一个新的发展时期。一些科技初创公司不仅仅满足于为现有金融服务机构提供技术支持，试图在某些方面涉足传统金融服务，甚至在某些领域和传统金融公司展开竞争。不依附于传统金融机构与体系的金融IT力量逐渐形成并独自发展起来。

不依赖于传统金融机构的金融科技力量逐渐独自发展起来。而金融科技将会给传统金融业带来巨大的冲击和改变。

金融科技&AI：信息不对称性的天然杀手

在刚性兑付的时代，因为地方政府的无限兜底，信用风险完全被忽略，转而只看效益，而效益又是和业务体量成正比的，在业务量和操作成本的指挥棒下，金融机构普遍把重点放在对公业务。进入2018年，当前的经济大环境出现巨大的转变，宽松的货币政策在全球范围内逐渐推出历史舞台，随着美联储在未来几年确定地持续加息，中国为了稳定人民币汇率会变相地加息，无风险利率的攀升不可避免地挤压信用泡沫，导致不良债权违约率急剧上升，银行等金融机构面临着对公业务的质和量的大幅下滑，所以最终都不约而同地转向个人零售业务。个人零售业务有着天然的风险分散的特点，但却面临成本高，效率低的挑战。

金融科技能够以其自身特有的技术优势提高金融服务的效率和质量，降低操作成本。中国除政策风险外的最大风险是交易对手信用风险。AI从另外一个崭新的维度通过海量的大数据复杂的算法缩小了信息的不对称性，降低不确定性，从而推动传统金融更透明化、标准化。

大数据和AI将从资金、资产和产品三个方面全面提升市场的透明度，让资产配置更加准确高效：

在资产端是更好地了解产品：过去我们用高利率来覆盖风险，随着数据的累积和丰富，现在是利用金融科技来深刻细致地划分资产和企业的风险状况；

在资金端是更好的了解客户：通过大数据和AI，机器学习从多个维度来收集投资者的信息，根据客户本身的风险偏好和流动性需求为客户提供匹配的投资品种，从而能够针对性更强地服务客户；

在产品层面，就是利用AI的算法来做更加动态有效的投资组合调整。

金融科技和人工智能推动了金融业的自我创新、管理风险，降低了不确定性，迸发出巨大的金融业变迁能量，也带来了新的风险因素。金融科技给金融企业带来的机遇或挑战难以估量。