前沿译文｜人工智能：未来的金融场景

转载于：金融科技实验室｜作者：迈克尔·S·巴尔（美联储监管副主席）

人工智能（AI）的快速发展

近年来，人工智能（AI）的发展速度显著加快。如今，自动驾驶汽车在城市街道上行驶已司空见惯，生成式AI工具也随处可见，出现在手机和其他设备中。AI的创新频频登上头条，并在金融市场中扮演重要角色。生成式AI有潜力改变我们对生产力、劳动力市场和宏观经济的看法。今天，我将通过概述两种假设情景来探讨AI的影响，并分析其对商业、监管机构和社会的潜在影响。我将重点讨论生成式AI（GenAI），这是AI的一个子集，在短短几年内已显著增长并融入经济活动。

生成式AI及其应用

与早期的AI相比，生成式AI能够生成内容，从而显著提高知识型活动的生产力，并被没有编程技能的人使用。生成式AI很可能成为一种“通用技术”，广泛采用、持续改进，并为经济中的多个领域带来生产力提升。我们已经在生成式AI的研发中看到了生产力的提升。人们对生成式AI充满热情，调查显示，消费者对生成式AI的采用速度已经超过了个人电脑或互联网的早期采用速度。尽管生成式AI的实际应用目前仅限于某些业务功能，并且过程中存在一些挑战，但几乎每个行业的企业都在试验或考虑如何利用这项技术。

企业还在探索“代理式AI”（Agentic AI）——这些生成式AI系统不仅能生成新内容，还能主动追求目标，通过生成创新解决方案并以速度和规模执行。想象代理式AI的最终应用，一些人推测我们可能会经历“数据中心中的天才国家”——一种超越人类能力的集体智能，能够在问题解决和协作方面表现出色。一些人认为，代理式AI有潜力连接不同领域的想法，可能彻底改变研发和社会。

生成式AI可能演变的两种假设情景

今天，我将概述两种假设情景，探讨生成式AI可能如何演变。在第一种情景中，我们看到的是增量式采用，主要增强人类目前的工作，但仍带来广泛的生产力提升。在第二种情景中，我们看到的是变革性变化，生成式AI扩展了人类的能力，带来了深远的影响。对于每种情景，我将考虑其对经济和金融部门的潜在影响。

通过思考假设情景，我们可以拓宽视野，考虑一系列可能的结果，并提供一个框架来评估收益与风险之间的平衡。情景并不是对未来的预测，而是提供了一个分析可能导致不同结果的因素的框架。现实是复杂的。生成式AI的采用率将因行业而异，从而对市场结构产生不同的影响。两种情景中的某些元素可能会同时出现，并以不同的速度展开，这将影响经济和社会。

假设情景1：增量式进展与广泛的生产力提升

首先，让我们从增量式情景开始，在这种情景中，生成式AI主要增强现有流程中的工作，带来稳定且广泛的生产力提升，但并未从根本上解锁新的能力或改变经济。

在这种情景下，生成式AI工具提高了效率，并在各个行业中实现了更个性化的解决方案，对人们的生活产生了增量式但仍有意义的影响。例如，在客户服务、专业写作（不包括这篇演讲）和软件工程中，生成式AI工具已经在支持员工，提高准确性和速度，这些影响可能会扩展到其他行业。在这个世界中，医疗保健领域取得了显著进步，生成式AI减少了行政负担，协助诊断，并根据实时患者数据个性化治疗方案。药物和其他治疗方法的开发速度加快。教育领域也受到类似影响，生成式AI减轻了教师的行政任务，允许课程根据学生个体需求进行调整，并让学生通过实践学习。在制造业中，生成式AI优化的供应链能够更快地预测和应对中断，并通过虚拟迭代改进现有制造流程。在材料科学中，生成式AI驱动的实验加速了新材料的发现，推动了从建筑到电子等领域的进步。

在金融领域，我们可能会看到类似的生产力提升。社区银行利用生成式AI驱动的聊天机器人提供基于本地知识的定制财务建议，而各种规模的机构继续推进生成式AI在合规监控、欺诈检测、风险管理和文件分析中的应用。

在这种情景下，对社会的影响将是增量式的积极影响。人类将使用生成式AI作为工具，以更高效的方式提供我们目前生产的商品和服务。生产力将提高，经济增长速度将加快。

这对劳动力意味着什么？影响将取决于行业和工作的性质。生成式AI实验表明，该技术有望提升技能，并将低绩效员工的生产力提高到与高绩效员工相当的水平。在其他情况下，它可能会增强最高绩效员工的能力，让他们有更多时间专注于创造性或战略性的工作。某些任务的自动化可能会取代一些工人，特别是当某些技能可以被生成式AI复制时。历史上，随着技术取代某些工作，它也增强了现有角色或创造了新的工作。然而，这并不意味着忽视那些需要重新培训、寻找其他工作或改变职业的工人的个人成本。社会需要考虑AI可能带来的这些影响。

这对经济意味着什么？正如我之前提到的，如果增量式生产力提升广泛存在，经济应该会增长。然而，在这种情景下，生成式AI的预期价值创造可能被过度炒作，人们期待的是变革性突破，而不是增量式生产力提升。如果现实未能达到预期，这可能会引发对大量投资于该技术的公司的市场调整。尽管美国经济在20世纪90年代末的互联网繁荣期间经历了生产力增长的激增，但随后出现了一波破产、资本过剩和谨慎的商业投资环境。随之而来的经济衰退影响广泛。

这对金融稳定性和其他金融风险意味着什么？在这种增量式情景中，生成式AI可能会放大系统中已经存在的脆弱性和韧性来源。有吸引力的交易变得更加拥挤，但风险管理者获得了新的洞察力。恶意行为者获得了新工具，但网络防御者也变得更加强大。只要金融监管机构、企业风险管理者和其他负责管理下行风险的人优先努力跟上不断发展的金融生态系统，就没有理由认为风险平衡会发生全面转变。当然，跟上步伐将带来挑战，我们都需要关注应对这些风险的必要性。

假设情景2：变革性变化

现在，让我们考虑一个更具戏剧性的假设情景，在这种情景中，生成式AI的采用不仅限于改进我们目前的工作，还提供了新的专业知识和能力，对经济和社会产生了变革性影响。在这种情景下，人类利用他们的想象力和创造力，结合对研发的强劲投资，部署智能生成式AI系统，在生物技术、机器人和能源等领域实现快速突破，从根本上重塑现有行业并创造新的行业。在这种情况下，我们可以将生成式AI视为不再仅仅是科学家分析数据的工具——在某种意义上，它成为了科学家，指导研究。

例如，假设生成式AI在医疗保健中的应用不仅改善了当前的护理方式，还实现了针对基因突变的疗法，治愈了以前被认为无法治愈的疾病。同样，制造业演变为创建生成式AI驱动的机器人工厂，使用新材料和原子级精度生产商品。材料科学通过可编程材料和自愈物质的发现而发生了变革，所有这些都重塑了建筑、技术和消费品。与此同时，生成式AI优化了核聚变能源研究，加速了向可持续能源的转变。生成式AI还帮助创建了下一代量子计算。通过这种方式，生成式AI改善了自己的能源来源和计算能力，使其成为更强大的创造性工具。

金融领域也发生了根本性的变化。能够获得超个性化财务规划的个人与拥有创新产品和服务的企业通过近乎无摩擦或新颖的金融中介形式无缝连接。交易策略和风险管理实践通过生成式AI分析工具得到了提升，这些工具可以动态实时访问公共和私人领域的庞大知识库。

尽管这种变革性情景更具推测性，并且伴随着比第一种情景更大的不确定性，但考虑到可能带来的人类进步和福祉的非凡机会，即使只是其中一个变革性组成部分得以实现，我们也需要从根本上重新构想经济的结构。

在这种情景下，劳动力将受到什么影响？在生成式AI的能力超越人类当前能力的世界中，人类可能扮演管理多代理生成式AI框架的角色，或填补生成式AI解决方案仍然昂贵或低效的领域。但在这个世界中，一些工人可能会看到他们当前的工作消失。同时，他们也可能看到自己的工作发生转变，并有更多关于工作选择的机会。劳动的性质将发生根本性变化，这将要求我们进行更广泛的讨论，探讨如何在认识到对人类状况的影响以及人们从工作中获得社区、友谊、个人意义和尊严的情况下，应对重大经济变革。

竞争格局会如何变化？最初，企业的回报可能会更加不均衡，因为具有深远影响的重大突破可能会使一部分企业和行业受益，并将经济权力集中在控制生成式AI突破的企业手中。如果只有少数几家企业有能力实现上述令人难以置信的事情，它们可能会主导市场并排挤竞争对手。如果生成式AI变得广泛有效、普及且成本低廉，并且适当的监管环境支持竞争性市场动态，这些市场优势可能会随着时间的推移而减弱。但历史表明，在这方面需要谨慎；少数几家企业可能会主导市场。

最后，对于金融领域，我们应该预期到根本性的变化。当金融系统运作良好时，它有助于在时间和空间上转移资金和风险。如果经济组织方式发生根本性变化，我们可能需要一套新的机构、市场和产品来促进家庭、企业和生成式AI代理之间的交易。

我们应该做什么？

在我们可以帮助利用生成式AI的潜在收益并最小化其风险的众多方式中，我今天只强调几点。

金融机构和美联储系统应考虑投入足够的资源来理解生成式AI技术，将其适当地纳入工作流程，并培训员工如何负责任且有效地使用该技术。与此同时，金融监管机构应以敏捷和灵活的态度应对不断变化的格局。在金融领域之外，政府、私营行业和研究机构之间的合作对于确保生成式AI系统不会被用于灾难性的目的至关重要。我们应继续专注于负责任的AI研发，并实施防止滥用的保障措施，包括监控系统、安全AI系统开发标准以及对可接受用例的共识。我们应关注生成式AI对我们的经济和政治机构的影响。存在一种风险，即它可能将经济和政治权力集中在极少数人手中，导致只有一小部分人获得收益，而其他人被抛在后面。

我想强调的另一点是AI治理。我认为大多数人会同意，技术的目标是改善人类状况，为了实现这一目标，我们需要有意识地推进这一目标。我们应确保将生成式AI视为增强而非取代人类的工具，并为此建立最佳实践和文化规范。每个金融机构都应认识到该技术的局限性，探索生成式AI在流程中的适用性，并确定如何最好地让人类参与其中。我们还应关注数据质量，确保生成式AI的使用不会延续或放大训练数据中的偏见，或在数据不完整或不具代表性时做出错误的推断。在监管领域，理解模型风险的框架可能需要更新，以应对AI方法的复杂性和挑战，以及评估数据质量的难度。

我们需要关注金融领域的风险。生成式AI的吸引力——速度、自动化和优化金融策略的能力——也带来了风险。当该技术变得无处不在时，生成式AI的使用可能会导致羊群行为和风险集中，可能放大市场波动。由于生成式AI代理将被指示最大化利润，它们可能会通过协调市场操纵来最大化回报，可能助长资产泡沫和崩溃。速度、自动化和普及性可能会在广泛范围内产生新的风险。

我们还应监控该技术的引入如何改变银行业格局。非银行机构可能更灵活且更具风险意识地将生成式AI纳入其运营，这可能会将中介推向监管较少、透明度较低的金融领域。此外，这种竞争压力可能会推动所有机构，包括受监管的机构，采取更激进的生成式AI采用方法，加剧我之前提到的治理、一致性和金融风险。

结论

尽管AI的影响将因行业而异，现实也在不断演变，但我今天概述的情景提供了一个框架，帮助我们开始思考如何应对生成式AI的发展。然而，正如我之前提到的，两种情景中的某些元素可能会同时出现，并以不同的速度展开，这将影响经济和社会。该技术的快速发展，如代理式AI和开源模型的进步，突显了这项技术的新颖性以及理解其对个人、企业和市场影响的重要性。