以下為實錄內(nèi)容：

一、ChatGPT簡述

1、ChatGPT簡述

ChatGPT是自然語言對話方式的聊天機器人，”Chat”指聊天，GPT是一種算法。ChatGPT包含文本、圖畫、自動問答、翻譯和代碼等功能?！?022年末以來，它迅速走紅全球，全球客戶突破3億”充分說明產(chǎn)品評價取決于客戶數(shù)。ChatGPT由OpenAI公司開發(fā)，微軟為公司提供資金支持。目前國內(nèi)與ChatGPT同類型的產(chǎn)品是百度研發(fā)的文心一言，已經(jīng)推出測試版。網(wǎng)上有一位畫家用ChatGPT繪制名為《有光有愛有遠方》的畫作，得到廣泛關(guān)注。我也嘗試用ChatGPT撰寫一封表揚信的開放性作文，撰寫效果非常好，這封表揚信放在任何一家銀行、信托公司都是可以通用的。

2、ChatGPT：從技術(shù)到客戶的珠聯(lián)璧合

誠然ChatGPT的技術(shù)非常好，但我覺著其成功更多是產(chǎn)品的成功，因為產(chǎn)品具有易用、好用和實用的三個特征。易用方面，OpenAI公司斥巨資提供了便捷的API接口，使每個人都可以方便地用手機、筆記本接入，為ChatGPT產(chǎn)品吸引了大量客戶。好用方面，其效果遠高于同類型的傳統(tǒng)產(chǎn)品，讓很多出于好奇的客戶變成初級使用者。實用方面，學生可以用其寫作業(yè)，程序員可以用其寫代碼，畫師可以用其畫畫，這正是解決勞動力問題的地方。讓人們慢慢地從初級使用者變成了堅定的使用者，這個過程好比客戶旅程。因此，我認為易用、好用、實用所帶來的客戶旅程是ChatGPT成功的關(guān)鍵之一。

從技術(shù)和產(chǎn)品關(guān)系的角度分析，首先，我所經(jīng)歷的AI史上第一個里程碑AlaphaGo，雖然其技術(shù)是很領(lǐng)先的，但是因為其產(chǎn)品設(shè)計使客戶群體僅局限于圍棋的垂直領(lǐng)域，難以形成ChatGPT這樣受歡迎的場景。技術(shù)好不是全面的，產(chǎn)品好才更重要。其次，以二維碼支付為例，現(xiàn)在大部分人都會用二維碼去支付，但是二維碼技術(shù)推廣同期有更先進的技術(shù)，比如門禁卡技術(shù)、芯片卡技術(shù)。二維碼的成功并不是源于技術(shù)先進，而是產(chǎn)品成功，也是延續(xù)易用、好用、實用的路線。以金融機構(gòu)的視角來看，第一，創(chuàng)新產(chǎn)品、數(shù)字化轉(zhuǎn)型時一定是業(yè)務(wù)引領(lǐng)，而不是科技引領(lǐng)；第二，轉(zhuǎn)型和創(chuàng)新的成功一定是業(yè)務(wù)的成功，而不是科技和風險的成功；第三，業(yè)務(wù)成功的關(guān)鍵一定是產(chǎn)品的成功；第四，線上唯一可以調(diào)動客戶行為的是產(chǎn)品設(shè)計。綜上，ChatGPT帶給金融機構(gòu)的啟示是：路線業(yè)務(wù)引領(lǐng)，標志業(yè)務(wù)成功，核心是產(chǎn)品成功，產(chǎn)品調(diào)動客戶。

3、OpenAI：工程師的桃花源

OpenAI成功的關(guān)鍵因素包括兩方面，一方面在于其有300多名工程師，這些工程師自由散漫但理想崇高，它可以無憂無慮地以工程師的思維改變世界?！白杂缮⒙敝傅氖钱敿夹g(shù)路線和管理路線發(fā)生沖突時，工程師要站在技術(shù)角度進行取舍。“理想崇高”指的是堅定自身技術(shù)路線。OpenAI公司300名工程師中，包括模型人員90人，系統(tǒng)人員15人、數(shù)據(jù)人員180人、ITBP人員15人。模型人員和ITBP人員的占比從側(cè)面反映一家金融機構(gòu)的數(shù)字化轉(zhuǎn)型的程度。對于金融機構(gòu)而言，模型人員占比越高，機構(gòu)的自動化程度越智能；ITBP人員占比越高，機構(gòu)的科技和數(shù)字化轉(zhuǎn)型越貼近業(yè)務(wù)。

另一方面，OpenAI將算力、專業(yè)化的數(shù)據(jù)處理全部外包。這對于金融機構(gòu)在設(shè)置外包和自主研發(fā)邊界中具有啟示：體現(xiàn)核心競爭力的地方一定要自主研發(fā)，非核心競爭力的專業(yè)能力可以外包，比如算力、簡單人工數(shù)據(jù)、人工標注等。

4、Microsoft：第三代的王者榮耀

微軟主要實現(xiàn)了三代“王者榮耀”時刻。第一代“王者榮耀”是Office，它實現(xiàn)了文字的電子化，但是本地化的Office存在問題，當我們進行“CTRL+C”和“CTRL+V”拷貝粘貼時，僅限于這臺電腦中的文字。第二代“王者榮耀”是搜索引擎，我們可以“CTRL+C”和“CTRL+V”拷貝粘貼所有互聯(lián)網(wǎng)的文字，文字范圍有所擴大。第二代半“王者榮耀”是搜索引擎變種即主動推薦，形成主動數(shù)據(jù)采集和搜索功能，相比于傳統(tǒng)搜索更加智能。第三代“王者榮耀”是ChatGPT，其范圍不再局限于歷史已有文字，而是可以組合形成新文字，讀起來更加合情合理。

5、崗位之爭：人與AI的邊界線

關(guān)于人和AI的邊界線究竟在什么地方。第一，體力勞動一定會被簡單機械所取代，這是已經(jīng)發(fā)生的；第二，重復(fù)性勞動能被簡單智能機器所取代，比如金融機構(gòu)OA系統(tǒng)、RPA機器人等。此外，目前90%的人相信自動駕駛會實現(xiàn)。ChatGPT可以取代什么工作，有些人總結(jié)成簡單的創(chuàng)造性工作，但是我覺得這種說法是不恰當?shù)摹?/span>第一，任何不需要深度感情交流的工作都可能會被AI所取代。以包餃子為例，機器包餃子早已實現(xiàn)且味道不錯。但餃子是容易被注入感情的，機器無論如何也包不出媽媽的味道。雖然機器有可能寫出有感情的作品，但是機器不一定能夠理解感情。因此，搶走工作的不是AI，而是先掌握AI的人。如何保證自己的工作不被AI所替代？這需要我們在工作中奉獻愛，用愛去工作，只要把愛心放到工作中，我們的工作就很難被取代。

第二，ChatGPT本質(zhì)是生產(chǎn)力的躍升，這與歷史上的生產(chǎn)力提升是一樣的，蒸汽機替代馬車、電力替代蒸汽機。雖然會在短時間內(nèi)對人類的就業(yè)結(jié)構(gòu)產(chǎn)生沖擊，但由于人力資源的稀缺性，中長期不會存在大規(guī)模失業(yè)，只是就業(yè)結(jié)構(gòu)發(fā)生了變化。啟示便是，我們可能需要提前考慮子女上學時什么專業(yè)不會被AI所取代，人與AI邊界線哲學觀點將會深刻影響下一代的就業(yè)結(jié)構(gòu)、思維觀念等。傳統(tǒng)上，我們認為人類勞動者分為體力勞動者和智力勞動者，從AI視角看，可能只存在碳基勞動者（體力勞動者、智力勞動中）和硅基勞動者，并且它可能認為碳基勞動者是為硅基勞動者服務(wù)的，這就需要哲學家們幫我們區(qū)分人與AI的邊界線，以及AI算法的人工智能倫理。

6、崗位之爭：從社會主義的初級階段的基本理論去理解

ChatGPT時代會顛覆很多事情，引起崗位變化。很難想象在醫(yī)療資源相對貧瘠的非洲大陸上，昨天的一家網(wǎng)吧會在今天搖身一變成為互聯(lián)網(wǎng)醫(yī)院。但是現(xiàn)在可以相信互聯(lián)網(wǎng)技術(shù)的變化，無論是網(wǎng)吧還是醫(yī)院，對于互聯(lián)網(wǎng)、人工智能而言，無非是一個終端。在這種大變革下，某些崗位會發(fā)生變更。

從社會主義初級階段的基本理論來理解，社會主義初級階段主要矛盾是人們?nèi)找嬖鲩L的物質(zhì)文化需求同落后的社會生產(chǎn)之間的矛盾。落后的社會生產(chǎn)指的是兩點：人力資源稀缺和生產(chǎn)力。ChatGPT本質(zhì)上是通過科技創(chuàng)新提高生產(chǎn)效率，以更少人力去生產(chǎn)原來商品，讓節(jié)約的人力進入新的行業(yè)，增加新的商品和服務(wù)供給。綜合來看，ChatGPT只會短期內(nèi)對人類的就業(yè)結(jié)構(gòu)造成沖擊，中長期并不會導(dǎo)致人類的大規(guī)模失業(yè)。

二、ChatGPT的技術(shù)分析

1、技術(shù)路線：工程師思維的成功

ChatGPT的成功是工程師思維的成功。第一，創(chuàng)建大腦。工程師思維中有一個“通用復(fù)用”的思維，即強調(diào)代碼、部件在各個場合可以通用的，生產(chǎn)的發(fā)動機在工廠各個汽車里是通用的。在工程師眼中，創(chuàng)建大腦一定是創(chuàng)建通用人工智能AGI大系統(tǒng)，系統(tǒng)中間有學習的大模型，靠大算力從大數(shù)據(jù)中學習人類的知識，從而形成AI智能。第二，從哪里學？人類的知識存儲在書本里、文字里、圖畫里、語言里。在工程師眼里，大模型要從人類語言中學，要建立大型語言模型LLM。工程師擁有建模型的想法和硬件后，隨著數(shù)據(jù)和算力越來越大，模型效果越來越好，這就是工程師們力大磚飛的思維。第三，怎么學？關(guān)于技術(shù)路線的選擇，當時NLP領(lǐng)域中存在著兩類技術(shù)路線，第一類是深度學習模型，第二類是預(yù)訓(xùn)練模型。但深度學習模型已經(jīng)遇到瓶頸，依靠增加深度學習的模型層深來提高模型效果微乎其微，此時深度學習已經(jīng)逐漸被預(yù)訓(xùn)練模型所取代。預(yù)訓(xùn)練模型又存在了兩個技術(shù)方案：Bert方案和GPT方案，大部分研究者選擇Bert方案，而大部分工程師選擇GPT方案。Bert方案是雙向的方案，即我對你說話，你先聽明白我說的話，再回答我的問題。GPT方案是我說話你只需要回答，不用知道說了什么。這種一問一答的方案體現(xiàn)出工程師大道至簡的思維。這種雙向過程可能比直接回答更難。我認為GPT路線在開放式領(lǐng)域中的成功只是領(lǐng)域問題，在金融領(lǐng)域內(nèi)，封閉性Bert技術(shù)路線或許更有優(yōu)勢。第四，學成歸來。通過不停地堆模型、堆數(shù)據(jù)，最終實現(xiàn)成功是智力涌現(xiàn)的過程。智力涌現(xiàn)涌現(xiàn)后便可以做產(chǎn)品。學成歸來指的是厚積薄發(fā)以后形成產(chǎn)品成功，任何創(chuàng)新和數(shù)字化轉(zhuǎn)型的成功，都應(yīng)該是產(chǎn)品的成功。

2、智能涌現(xiàn)：人工智能的厚積薄發(fā)

人工智能在GPT上變化體現(xiàn)很明顯，從2018年最初的GPT模型參數(shù)只有1.17億，到2020年GPT-3模型參數(shù)達到1750億，再到2022年產(chǎn)品化，其厚積薄發(fā)體現(xiàn)在三個方面。第一，技術(shù)積累。技術(shù)積累實際上是不斷試錯的過程，解決的是理論推導(dǎo)和工程實踐中的技術(shù)差異。不斷試錯就是技術(shù)的積累，任何產(chǎn)品的成功都需要兩個發(fā)明，一個是理論上科學家們在實驗室的發(fā)明；另一個是工程師們在實際應(yīng)用中將科學家的發(fā)明低成本實現(xiàn)的過程。第二，知識積累。GPT模型參數(shù)從1.17億到1750億的積累，訓(xùn)練成本極其昂貴。據(jù)傳聞，微軟為其訓(xùn)練花費20~30億美金。第三，理念積累。在NLP領(lǐng)域中，曾經(jīng)深度學習模型逐漸失效，GPT采用為自回歸的技術(shù)路線，后來出現(xiàn)的Bert采用的是雙向語言模型，而且當時Bert技術(shù)方案的效果遠遠優(yōu)于GPT1的效果。直到GPT3的出現(xiàn)，其優(yōu)勢才顯示出來，這就是工程師們對技術(shù)路線的厚積薄發(fā)。對于給金融機構(gòu)的啟示是，并非誰的技術(shù)好就用誰的技術(shù)，應(yīng)該用成本的思維去選擇適合自己的技術(shù)。

有些資深專家認為GPT3的成功不僅是技術(shù)，而且是代表AI模型的發(fā)展理念。我是同意這種觀點的。我認為AI理念包括以下幾個方面：一是對AGI架構(gòu)設(shè)想的堅持；二是對LLM通往AGI道路的堅持；三是工程師們對未來“人與AI分工設(shè)想”的堅持。在人與AI共同寫作文時，人與AI的分工究竟是BERT技術(shù)路線還是GPT的技術(shù)路線。對于BERT和GPT之爭，它們只是各有所長，在開放式領(lǐng)域GPT有天然優(yōu)勢，但在垂直場景與受控領(lǐng)域，只要堅持下去，BERT也會脫穎而出。

3、融合技術(shù)：多模態(tài)大模型

通用人工智能AGI的核心是與任務(wù)無關(guān)的大模型LLM，目前在自然語言相關(guān)領(lǐng)域有三大方向：GPT適用于語言領(lǐng)域、Codex適用于代碼領(lǐng)域、DALLE適用于圖像領(lǐng)域。上述應(yīng)用讓ChatGPT成為多模態(tài)大模型，多模態(tài)大模型擁有兩種能力：一是尋找到不同模態(tài)數(shù)據(jù)之間的對應(yīng)關(guān)系，例如將一段文本和對應(yīng)圖片聯(lián)系起來；二是實現(xiàn)不同模態(tài)數(shù)據(jù)間的相互轉(zhuǎn)化與生成，例如根據(jù)一張圖片生成對應(yīng)的語言描述。這種技術(shù)路線的關(guān)鍵是，將不同模態(tài)的原始數(shù)據(jù)映射到統(tǒng)一或相似語義空間當中，從而實現(xiàn)不同模態(tài)信號間的相互理解與對齊。

4、算法邏輯：ChatGPT寫文章的邏輯

AI寫作文會應(yīng)用所有人的詞匯量，其作文空間比每個人的作文空間全且大。首先，必須把文字和圖片向量化，才能輸入到人工智能算法中。假設(shè)1頁PPT圖片為400×500的像素即2萬個像素點，每個點用0~255的灰度值描述。在二維空間中，2萬個像素點可以排成1張圖。上升至2萬維空間，這個圖片相當于2萬維空間中的1個點。假設(shè)作文空間2萬維，AI寫的作文就是2萬維空間中的一個點。其次，詞向量即在寫一句話或做語言標注時，通過將語言的詞匯標注出來，讓電腦理解詞之間的計算關(guān)系。當詞組成句子后，要判斷兩個句子之間的距離。比如有兩首古詩，“兩個黃鸝鳴翠柳，一行白鷺上青天”、“黃鸝百轉(zhuǎn)趁紅日，白鷺一行登碧霄”。我們能夠理解這兩首詩句是一個意思，計算機也能理解，因為計算機判斷兩首詩句中都有“白鷺”，“上”和“登”是一個意思，“青天”和“碧霄”也是一個意思。假設(shè)詩句中的七個字代表七維空間，每個詞匯代表七維空間不同的點，兩個點之間的距離一定很近即向量很近。

AI作文通過類似人類語言來訓(xùn)練，突破了人類的詞匯量和語法的限制。中國有句古詩說得好，叫做“文章本天成，妙手偶得之”。在想象力之外還有巨大的作文空間。在互聯(lián)網(wǎng)上AIGC的文字將會超過人類五千年產(chǎn)生的文字，產(chǎn)生的圖畫量很快就超過人類五千年產(chǎn)生的書畫量。當AI產(chǎn)生的文字和書畫的量變得遠遠大于人類產(chǎn)生的文字和書畫數(shù)量，真理會被誰控制？我們要警惕真理被數(shù)據(jù)控制，數(shù)據(jù)被資本控制。這些真理包括共識、宗教、意識形態(tài)。比如當今社會普遍的共識是以瘦為為美，但在唐朝可能以胖為美。

三、ChatGPT的應(yīng)用邊界、法律與合規(guī)

第一，應(yīng)用平民化但建模貴族化。應(yīng)用平民化體現(xiàn)在每個人都可以通過手機接入API以使用ChatGPT。建模貴族化體現(xiàn)在ChatGPT建模過程經(jīng)歷300名工程師、1750億個參數(shù)、355塊高級顯卡以及長達1年的模型訓(xùn)練，這是非常大的消耗和資源投入。由于這種重資源、重投入的底層能力建設(shè)，我覺得未來在AGI領(lǐng)域只有中國和美國具有構(gòu)建基礎(chǔ)底層能力。

第二，AI出現(xiàn)“大而不能改”的現(xiàn)象，迫使人們適應(yīng)AI。GPT有1750億參數(shù)存儲知識邏輯，其中邏輯關(guān)系、相互關(guān)系、學習過程等在技術(shù)上尚未完全明確。參數(shù)修改主要靠昂貴的模型訓(xùn)練，這就容易出現(xiàn)“大而不能改”的缺陷。進而產(chǎn)生“反直覺”的問題：究竟是人去適應(yīng)AI模型，還是AI模型適應(yīng)人？

第三，智能缺陷。ChatGPT通過文本語言等訓(xùn)練模型，其智能類型僅僅是感知智能，而不是決策智能，更不是計算智能。具體來看，感知智能基于Bayes公式，決策智能基于先驗概率，計算智能基于計算公式。智能缺陷在于ChatGPT的使用邊界。例如在金融機構(gòu)中，由于ChatGPT不是決策智能，會在風險決策過程中受限；此外其不是計算智能，在資本計量方面會受限；作為語言領(lǐng)域的感知智能，它更多是以文字助手的身份嵌入與文本相關(guān)的工作中。

第四，技術(shù)缺陷。ChatGPT具有與傳統(tǒng)人工智能技術(shù)類似的缺陷，一是算法黑箱。由于算法模型的黑箱運作機制，其運行規(guī)律和因果邏輯不會顯而易見地呈現(xiàn)給研發(fā)者。二是算法穩(wěn)健性。算法運行時容易受到數(shù)據(jù)、模型、訓(xùn)練方法等綜合因素干擾，出現(xiàn)非穩(wěn)健性的特征，這有可能會出現(xiàn)針對性的病毒。三是算法歧視。算法以數(shù)據(jù)為原料，如果初始使用的數(shù)據(jù)存在偏見，無形中會造成生成的內(nèi)容存在偏見或歧視，引發(fā)用戶對于算法公平性的爭議，這種歧視主要來自于資本綁架，體現(xiàn)在訓(xùn)練樣本數(shù)量上。

第五，數(shù)據(jù)安全缺陷。多個環(huán)節(jié)存在合規(guī)問題，一是在個人信息收集階段，用戶使用ChatGPT需要輸入個人數(shù)據(jù)，依據(jù)《個人信息保護法》需要強調(diào)用戶進行單獨授權(quán)。二是在個人數(shù)據(jù)的加工使用階段，ChatGPT使用RLHF的訓(xùn)練方法，用戶使用過程中的輸入和交互信息可能會用于持續(xù)選代訓(xùn)練，進一步被用于為其他用戶提供服務(wù)，造成數(shù)據(jù)共享，這或許與用戶最初使用目的相悖，根據(jù)《個人信息保護法》需要用戶重新授權(quán)。三是訓(xùn)練數(shù)據(jù)獲取，ChatGPT抓取互聯(lián)網(wǎng)上信息的過程可能存在合規(guī)問題。四是數(shù)據(jù)泄漏，用戶在使用過程中輸入個人及企業(yè)相關(guān)的信息，可能導(dǎo)致公司敏感信息泄露。五是算法缺簡導(dǎo)致數(shù)據(jù)主體行權(quán)困難，例如更改權(quán)、刷除權(quán)、訪問權(quán)等行權(quán)困難。

此外，ChatGPT還可能存在3條法律紅線。一是版權(quán)問題，ChatGPT撰寫作品的版權(quán)歸屬問題。二是幫信罪，利用ChatGPT撰寫代碼并用于黑產(chǎn)上，個人和ChatGPT需要承擔哪些責任。三是關(guān)于拒不履行信息安全管理義務(wù)罪，比如科技公司被監(jiān)管所約談?wù)模怯捎谀Ｐ痛嬖凇按蠖荒芨摹钡奶匦远y以及時修改和完善。

四、ChatGPT在金融行業(yè)的應(yīng)用與展望

1、ChatGPT的直接應(yīng)用

第一，ChatGPT的能力分為底層能力和應(yīng)用能力。大公司應(yīng)關(guān)注底層能力的建設(shè)，小公司可以在垂直領(lǐng)域開發(fā)應(yīng)用能力。

第二，ChatGPT與人機設(shè)備的整合。ChatGPT能力需要有載體去實現(xiàn)，如手機是現(xiàn)實社會和虛擬社會中的載體，把人從現(xiàn)實社會拉到虛擬社會中，是現(xiàn)實社會到虛擬社會的入口。但當眼鏡、耳機擁有ChatGPT功能，會成為下一個虛擬社會和現(xiàn)實社會的顛覆性入口。

第三，ChatGPT與現(xiàn)有APP的整合。安卓市場排名前20的APP基本上都可以和ChatGPT的功能相結(jié)合。

第四，ChatGPT在金融領(lǐng)域的應(yīng)用。首先，ChatGPT無法改變金融領(lǐng)域的運行規(guī)律，但能提升金融領(lǐng)域的現(xiàn)有智能。比如金融領(lǐng)域的RPA機器人和ChatGPT結(jié)合后變成智能RPA機器人；OA系統(tǒng)和ChatGPT結(jié)合變成智能OA系統(tǒng)。其次，智能客服，包括責任客服和非責任客服，責任客服更看好Bert方案，非責任客服更看好GPT方案。再次，ChatGPT是感知智能，而不是計算智能，它可以通過文字感知來解讀法律文本和合規(guī)文本，通過案例進行風險感知、審計感知以及反洗錢案例感知。最后，在保險領(lǐng)域的應(yīng)用快于在銀行領(lǐng)域，相對銀行簡單的信貸產(chǎn)品，保險產(chǎn)品更復(fù)雜，疊加銀行業(yè)的約束更多一些，我認為ChatGPT在保險業(yè)優(yōu)先發(fā)力更合適。

2、從業(yè)務(wù)角度看：改變客戶流量入口

從銀行的角度來看，ChatGPT顛覆了什么？銀行需要需要客戶，客戶就是流量。互聯(lián)網(wǎng)目前是“入口為王”和“內(nèi)容為王”，ChatGPT可能會改變這一切。假設(shè)ChatGPT的賬號是這么設(shè)計：首先要注冊一個Chat號，然后用底層賬號登陸微信時，微信就成為智能微信；登錄抖音時，抖音就成為了智能抖音，此時ChatGPT可能在必要的底層能力成為流量入口。從銀行角度來看，我們要抓住可能會被ChatGPT改變的流量和客戶入口。

3、金融機構(gòu)推動數(shù)據(jù)金融形態(tài)：資源化、資產(chǎn)化、要素化、市場化

未來，ChatGPT的發(fā)展特別是底層AI能力的發(fā)展，一定靠數(shù)據(jù)發(fā)展。數(shù)據(jù)越多，模型訓(xùn)練越好。這體現(xiàn)數(shù)據(jù)資源化、資產(chǎn)化、要素化和市場化的過程。

首先，數(shù)據(jù)具有三重屬性，資源屬性、技術(shù)屬性和金融屬性，并且數(shù)據(jù)具有相關(guān)性和正外部性。將100萬的數(shù)據(jù)放在一起，可能產(chǎn)生“1+1＞2”的效果。其次，數(shù)據(jù)作為生產(chǎn)要素，它和土地是不同的。數(shù)據(jù)的價值不在數(shù)據(jù)本身，而是源于技術(shù)加工，數(shù)據(jù)的價值體現(xiàn)于數(shù)據(jù)產(chǎn)品的權(quán)益分配，但它受制于傳統(tǒng)的知情同意的授權(quán)模式，形成市場化有一定的困難。對于數(shù)據(jù)本身，數(shù)據(jù)通過資源化將記錄進行標注，形成了數(shù)據(jù)資源，如果數(shù)據(jù)資源具備可控制、可獲益、可量化三個屬性，數(shù)據(jù)就由數(shù)據(jù)資源變成了數(shù)據(jù)資產(chǎn)。最后，數(shù)據(jù)資產(chǎn)形成數(shù)據(jù)要素需要三個條件：數(shù)據(jù)要素的過程需要其他生產(chǎn)要素的投入、數(shù)據(jù)要素可以賦能其他要素、數(shù)據(jù)要素可以催生新的生產(chǎn)方式。數(shù)據(jù)資產(chǎn)變成了數(shù)據(jù)要素后，便是數(shù)據(jù)要素的市場化。前一步數(shù)據(jù)資本化由金融工作者完成。主要途徑包括數(shù)據(jù)銀行、數(shù)據(jù)信托、數(shù)據(jù)證券化、數(shù)據(jù)信貸融資四個方面。當金融人實現(xiàn)了數(shù)據(jù)資本化后，可能會解決數(shù)據(jù)要素市場化的關(guān)鍵問題。

金融機構(gòu)要參與人工智能治理中。第一是技術(shù)與內(nèi)容并重；第二是行業(yè)自律，倫理先行；第三是企業(yè)治理，即主體責任與社會責任相結(jié)合。

4、數(shù)據(jù)信托：數(shù)據(jù)與信托的完美結(jié)合

第一，數(shù)據(jù)要素化過程中的信托雙層所有權(quán)架構(gòu)優(yōu)勢，將數(shù)據(jù)所有權(quán)與名義所有權(quán)分離，這恰恰與數(shù)據(jù)信托的雙層所有權(quán)架構(gòu)榫卯相扣。

第二，數(shù)據(jù)確權(quán)中的數(shù)據(jù)信托制度優(yōu)勢。“數(shù)據(jù)二十條”持有權(quán)、加工使用權(quán)、經(jīng)營權(quán)的分置機制與信托制度的委托人、受托人、受益人的制度安排道同契合。

第三，數(shù)據(jù)流通中的數(shù)據(jù)信托風險隔離與信托制衡優(yōu)勢。數(shù)據(jù)信托制度產(chǎn)生的信任制衡貫于風險隔離穿于數(shù)據(jù)全流通過程。

第四，數(shù)據(jù)要素收益分配中的數(shù)據(jù)信托的權(quán)益優(yōu)勢。數(shù)據(jù)要素市場化配置與按價值貢獻的分配機制體現(xiàn)信托權(quán)益優(yōu)勢與市場化優(yōu)勢。

第五，數(shù)據(jù)要素治理中的數(shù)據(jù)信托服務(wù)優(yōu)勢。服務(wù)信托則具備將政府、企業(yè)、社會等多方主體，資金方、資產(chǎn)方、技術(shù)方、交易商與交易所等多方角色的撮合能力。

第六，數(shù)據(jù)跨境流動中的信托制度的國際通用性優(yōu)勢，信托制度的國際通用性。

5、從AI的視角看AI

第一，我認為AI興起堪比文藝復(fù)興，文藝復(fù)興破除了人類創(chuàng)造力的禁錮，實現(xiàn)了人類創(chuàng)造力“由0到1”，AI的復(fù)興使人類創(chuàng)造力“由1到100”。

第二，有一種思想為“萬事皆模型”。以畫家為例，任何一個畫家的主要風格為其畫風，畫家的風格就是一個模型。模型任何一個參數(shù)的調(diào)整就會生成該畫風的新畫作。以畢加索的畫風為模型，可以通過調(diào)整參數(shù)生成100幅畢加索的畫。

第三，自學習AI。當算法會寫算法，當機器人會生產(chǎn)自己時，這是多么恐怖的事情，需要解決人和AI倫理邊界線的問題。

第四，從AI視角來看，人類對AI的反應(yīng)會認為硅基勞動力正在取代碳基勞動力。值得思考的是，人在利用AI擴展人的智能，還是AI在利用人展現(xiàn)智能。站在AI角度，人類對AI的反應(yīng)可以分為兩類，一類人是開始對AI敵對和不屑，隨后發(fā)現(xiàn)效果很好便開始抵制和限制AI，最后發(fā)現(xiàn)限制不住而感到迷茫。另一類人對AI很友好，從起初的好奇、嘗試，到逐步學習，最后學會使用AI并和AI共存。我更希望我們是第二類人，這需要哲學家給提供指導(dǎo)，在明確與AI的邊界線后，立法、工程師、應(yīng)用才具有邊界和方向。