《金融科技理論與應用（微課版第4版）》項目三教案教學內(nèi)容項目三技高一籌：區(qū)塊鏈與智能金融授課課時8課時（45分鐘/課時）教學教材周雷主編《金融科技理論與應用（微課版第4版）》授課專業(yè)金融科技應用教學目標知識目標1.能夠簡述區(qū)塊鏈技術(shù)的基本原理，列舉區(qū)塊鏈的運作機制。2.能夠描述區(qū)塊鏈的核心技術(shù)、主要特點、技術(shù)演進、基本分類和模型架構(gòu)。3.能夠識別區(qū)塊鏈技術(shù)在金融科技中的典型應用，并分析其風險和挑戰(zhàn)。4.能夠簡述人工智能的概念及其基本原理，辨析人工智能、機器學習與深度學習的關(guān)系。5.能夠識別和闡述人工智能對金融創(chuàng)新的影響以及典型的智能金融應用。6.能夠辨別生成式人工智能與大模型的關(guān)系，列舉生成式人工智能的金融應用場景和金融大模型的主要功能，概述生成式人工智能的主要監(jiān)管法規(guī)。能力目標1.能夠運用區(qū)塊鏈的去中心化、數(shù)據(jù)不可篡改、共識信任、可追溯性、智能合約等創(chuàng)新特征，提出解決金融行業(yè)現(xiàn)實“痛點”的創(chuàng)意方案或?qū)Σ呓ㄗh。2.能夠運用機器學習、深度學習等人工智能的基本算法，分析簡單的智能金融模型，并結(jié)合具體的應用場景，輔助決策。3.能夠初步掌握運用人工智能和智能投顧等技術(shù)進行金融科技投資的方法和步驟。4.能夠在金融大模型的輔助下，針對具體的金融應用場景和金融決策問題，提出針對性的解決方案或策略建議。素養(yǎng)目標1.結(jié)合區(qū)塊鏈的創(chuàng)新特征，探索“區(qū)塊鏈+供應鏈金融”紓解小微企業(yè)融資困境的實現(xiàn)路徑，體會信用創(chuàng)造價值，樹立誠實守信的價值觀，培養(yǎng)交叉跨學科創(chuàng)新能力和崇尚科學的精神。2.能夠辨析金融科技與監(jiān)管科技的辯證統(tǒng)一關(guān)系，描述金融科技發(fā)展的前沿趨勢。學情分析學生在學習本項目之前已經(jīng)了解了金融科技的基本概念、數(shù)字金融的主要內(nèi)涵與典型應用，但是對作為金融科技重點底層技術(shù)的區(qū)塊鏈、人工智能的原理及其金融應用場景缺乏全面與深入的了解。同時，隨著生成式人工智能和大模型在金融領(lǐng)域應用的深入，學生具有學習、了解和嘗試使用金融大模型來輔助完成金融業(yè)務和決策的濃厚興趣。策略方法1.團隊合作、自研自究，掌握基本知識2.案例導入、任務推進，鍛煉實操技能教學流程教學平臺1.中國大學MOOC“江蘇省在線開放課程”平臺2.“慕課堂”和“學習通”SPOC平臺考核評價1.過程評價：學習態(tài)度、小組討論、參與痕跡（中國大學MOOC平臺）、學習報告2.增值評價：采用小組互評和縱向比較方式評選小組案例研討和展示的“勤勉之星”3.成果評價：參與校企合作調(diào)研等拓展活動，根據(jù)取得成果獲得“第二課堂”學分導入案例：生成式人工智能助力基金營銷2022年11月，一款由美國人工智能實驗室OpenAI推出的人工智能聊天機器人ChatGPT受到了全世界的極大關(guān)注，在短短的5天時間內(nèi)用戶數(shù)量就突破了100萬，在兩個月時間里就吸引了超過1億的活躍用戶，成為歷史上用戶數(shù)量增長最快的應用程序。由ChatGPT帶來的人工智能技術(shù)的革命性突破，推動了生成式人工智能在各行各業(yè)的快速傳播和廣泛應用。金融科技領(lǐng)域由于數(shù)據(jù)和技術(shù)密集的特征，成為生成式人工智能和與之相關(guān)的大模型的重要應用領(lǐng)域。讓我們通過一家金融科技公司的公募基金投資顧問小李的一天，來直觀感受一下生成式人工智能和金融大模型對金融營銷的顛覆性影響。早上到公司后，小李做的第一件事就是打開公司最新安裝的基于金融大模型的AI助手——小智，開始在對話框中錄入問題。（第一個問題）“小智，請打開我今天上午的計劃表。”“好的，小李。這是今天上午的計劃表，你計劃給三個客戶打電話，這是預約的時間和他們的電話號碼。”今天要溝通的第一個客戶是張女士，印象中這位客戶只聯(lián)系過一次，對她的資料并不熟悉，于是他在系統(tǒng)選項中勾選了“查找前期通話記錄文稿和微信聊天記錄”和“查找公司內(nèi)交易數(shù)據(jù)”兩個選項，并在對話框中連續(xù)問了三個問題，“小智，我上次與她聯(lián)系是什么時候？她目前都持有什么投資？最近是否在公司買賣過產(chǎn)品？”系統(tǒng)只用了兩到三秒就提供了快速、準確的回答：“根據(jù)記錄，你上次聯(lián)系她是25天前，她最近一個月沒有交易過任何產(chǎn)品，目前她的持倉只有兩筆債券類產(chǎn)品。”小李繼續(xù)在系統(tǒng)里勾選“查找前期通話記錄文稿和微信聊天記錄”，問道：“小智，之前聯(lián)系時她表示對什么產(chǎn)品感興趣？”“她表示過對混合型基金有興趣”，系統(tǒng)快速回答?！澳巧洗问欠裼薪o她推混合型基金產(chǎn)品？她為什么沒買？”小李繼續(xù)在前期通話記錄中找答案?！吧洗瓮扑]產(chǎn)品時，她表示沒有閑錢，將在一個月之后有獎金入賬，屆時再進行配置?！蹦乾F(xiàn)在正是時候，小李心想。于是，他立刻勾選了“產(chǎn)品推薦引擎”選項，繼續(xù)問道，“小智，目前公司在售的混合型基金中，哪款比較匹配張女士的偏好？”幾秒鐘之后，小智給出了答案，“根據(jù)模型的預測，目前有A、B、C三只基金，較為適合張女士?！毙±钜豢?，C這只基金昨天剛剛開始發(fā)售，但他還沒有時間學習該產(chǎn)品的文件資料，于是他勾選了“產(chǎn)品介紹”選項，對話框中立即彈出了該產(chǎn)品的完整介紹。由于沒有時間仔細閱讀這個冗長的文件，小李隨即勾選了“產(chǎn)品比較”選項，問道，“小智，請用一段文字總結(jié)這款產(chǎn)品的主要亮點，并跟B基金進行比較。”很快，小智在對話框中羅列了C基金的主要亮點，以及與B基金的主要差異。通過與小智的以上對話，小李認為自己已經(jīng)準備好，于是撥通了張女士的電話，開始營銷。通話很順利，張女士表示自己恰巧在選擇混合型基金產(chǎn)品，并對小李的推薦和專業(yè)話術(shù)感到滿意。通話期間，張女士好奇地問到另外一款D產(chǎn)品為什么表現(xiàn)不好，小李在對話框中同步將問題拋給小智，立刻得到一段比較翔實、多角度的市場分析解釋，及時傳遞給張女士。下午四點半，小李在助手小智的幫助下，提前完成了當天的工作計劃，且取得了良好的營銷進展。以上就是一家金融科技公司公募基金投資顧問小李的一天，也是生成式人工智能技術(shù)和金融大模型賦能的一個典型示例。生成式人工智能的性能在某些方面甚至超出了我們的預期。例如：讓機器從非結(jié)構(gòu)化的通話記錄文稿中，快速準確地找到相關(guān)信息并以問答輸出；讓機器閱讀長篇累牘的產(chǎn)品或咨詢文檔，自動提煉要點；再比如，讓機器在自然語言的指示下，自己去數(shù)據(jù)庫抓數(shù)和作圖，實現(xiàn)數(shù)據(jù)分析和制圖的自動化等。隨著技術(shù)的進步和訓練數(shù)據(jù)的增加，人工智能在金融領(lǐng)域的應用具有廣闊的前景和美好的未來。任務一區(qū)塊鏈原理與金融科技應用【理論導學】一、區(qū)塊鏈的運作機制區(qū)塊鏈技術(shù)，被譽為是繼蒸汽機、電力、信息和互聯(lián)網(wǎng)科技之后，目前最有潛力觸發(fā)第五輪顛覆性革命浪潮的核心技術(shù)。作為比特幣的底層支撐技術(shù)，區(qū)塊鏈已經(jīng)成為新興金融科技發(fā)展的關(guān)鍵引擎。根據(jù)中國人民銀行發(fā)布的《區(qū)塊鏈技術(shù)金融應用評估規(guī)則》，區(qū)塊鏈(Blockchain)是指一種由多方共同維護，使用密碼學保證傳輸和訪問安全，能夠?qū)崿F(xiàn)數(shù)據(jù)一致存儲、防篡改、防抵賴的技術(shù)體系。雖然比特幣僅是區(qū)塊鏈的第一個成功應用，但可以通過它來分析區(qū)塊鏈的運作機制?！爸斜韭敗?SatoshiNakamoto)在《比特幣：一種點對點電子現(xiàn)金系統(tǒng)》這篇論文中提出了基于區(qū)塊鏈的加密數(shù)字貨幣原型，如圖3-1所示。圖3-1“中本聰”發(fā)表的奠基性論文《比特幣：一種點對點的電子現(xiàn)金系統(tǒng)》比特幣交易采用P2P，即點對點方式，交易發(fā)生后自動向全網(wǎng)廣播?！巴诘V者”為了得到比特幣獎勵，記錄一定時間內(nèi)，目前系統(tǒng)設定約10分鐘的所有交易，并據(jù)此計算一個符合難度系數(shù)的“哈希散列”。最先計算出者，向全網(wǎng)廣播，各節(jié)點驗證后，成為最新區(qū)塊。已達成交易的區(qū)塊加上“時間戳”，連接在一起形成“區(qū)塊鏈”，使其擁有可追溯性。區(qū)塊鏈的主要結(jié)構(gòu)如圖3-2所示。圖3-2區(qū)塊鏈的主要結(jié)構(gòu)示意圖比特幣的總數(shù)在設計之初就被限定在了2100萬枚，而作為每形成一個新區(qū)塊的挖礦獎勵的比特幣數(shù)量是遞減的，每隔約4年（準確地說，是每隔21萬個區(qū)塊）每區(qū)塊發(fā)行比特幣的數(shù)量就會降低一半。直到2140年左右，屆時所有的比特幣將全部發(fā)行完畢，即比特幣發(fā)行總量穩(wěn)定在2100萬枚的上限，此后不會再有新發(fā)行比特幣作為“挖礦”的獎勵，比特幣區(qū)塊鏈的經(jīng)濟激勵都將由交易流通過程中的手續(xù)費提供。[隨堂測試3-1]比特幣是否屬于“貨幣”？結(jié)合關(guān)于貨幣的本質(zhì)和職能的相關(guān)知識，你認為比特幣等加密數(shù)字貨幣是否屬于金融學意義上的“貨幣”？請談談你的看法。[隨堂測試3-2]已知比特幣區(qū)塊鏈約每10分鐘生成一個區(qū)塊，每個區(qū)塊記錄約2000筆交易（大小不超過1MB），則比特幣網(wǎng)絡每秒確認的交易筆數(shù)約為（）。A.1筆B.2筆C.3筆D.4筆【理論導學】二、區(qū)塊鏈體系下交易的核心技術(shù)區(qū)塊鏈交易有兩個核心問題必須解決：一是交易雙方的身份確認問題；二是交易賬戶的真實性問題，即確認轉(zhuǎn)出方賬戶中確實有錢。首先，關(guān)于身份確認，區(qū)塊鏈是通過非對稱加密算法和數(shù)字簽名來實現(xiàn)的。區(qū)塊鏈運用非對稱加密算法和DPKI(DistributedPublic

Key

Infrastructure，分布式公鑰基礎設施)數(shù)字簽名來保障網(wǎng)絡上匿名交易的安全性和數(shù)據(jù)不會被惡意篡改。非對稱加密算法使用公鑰和私鑰兩個獨立的密鑰。在使用非對稱加密技術(shù)的區(qū)塊鏈網(wǎng)絡中，公鑰和私鑰的關(guān)系是：公鑰和私鑰一般成對出現(xiàn)；私鑰只有本人才有，而公鑰是全網(wǎng)公開的；如果你的消息使用公鑰加密，那么需要該公鑰對應的私鑰才能解密；如果你的消息使用私鑰加密，那么需要該私鑰對應的公鑰才能解密。非對稱加密的作用是：保護消息內(nèi)容,并且讓消息接收方確定發(fā)送方的身份。如圖3-3所示。圖3-3非對稱加密傳輸[隨堂測試3-3]小明打算通過區(qū)塊鏈網(wǎng)絡向小紅發(fā)送一條涉密信息，想讓全網(wǎng)都可以驗證是小明發(fā)出的，則小明應該用（）加密該條信息。而如果要確保只有小紅才能解密該信息，則小明應該用（）加密。A.小明的私鑰B.小明的公鑰C.小紅的私鑰D.小紅的公鑰其次，賬戶確認是通過“挖礦”過程中的可追溯機制來完成的。賬戶真實性要求確認交易清單的有效性，其實也就是要確認當前每筆交易的付款人有足夠的數(shù)字貨幣余額來支付。由于每個區(qū)塊的交易信息中均包含了待支付的這筆錢是如何來的，還包含了記錄來源交易的上一個區(qū)塊的“哈希散列”，即賬單編號，如圖3-4所示。圖3-4區(qū)塊鏈追溯和確認交易清單示意圖【理論導學】三、區(qū)塊鏈的主要特點通過對比特幣區(qū)塊鏈交易過程的分析，我們可以總結(jié)出區(qū)塊鏈運作機制的主要特點。（一）分布式與去中心化區(qū)塊鏈技術(shù)基于P2P（per-to-peer，點對點）對等網(wǎng)絡，無中心化的物理節(jié)點與管理機構(gòu)，各節(jié)點地位平等，數(shù)字貨幣交易數(shù)據(jù)分布式存儲在各節(jié)點上，并按統(tǒng)一的共識機制和規(guī)則運行，部分節(jié)點損壞不會影響整體運作。去中心化網(wǎng)絡與中心化網(wǎng)絡的網(wǎng)絡架構(gòu)對比如圖3-5所示。圖3-5去中心化網(wǎng)絡（左）與中心化網(wǎng)絡（右）對比（二）非對稱加密與數(shù)據(jù)不可篡改與對稱加密不同，非對稱加密使用公、私鑰體系對數(shù)據(jù)進行數(shù)字簽名認證，私鑰只有本人才有，而公鑰是全網(wǎng)公開的，用以驗證交易對手的身份。別人的交易數(shù)據(jù)只能用“公鑰”來驗證，而無法修改。而要修改自身交易數(shù)據(jù)，則不僅需要同時控制總數(shù)51%以上的節(jié)點，并且計算機的算力要支持其篡改區(qū)塊的速度快于區(qū)塊鏈系統(tǒng)的更新速度，這很難實現(xiàn)。綜上，區(qū)塊鏈的非對稱加密算法和DPKI數(shù)字簽名認證實現(xiàn)了對交易信息的保護，能有效防范數(shù)據(jù)泄露和數(shù)據(jù)篡改等信息安全風險。（三）共識信任機制共識和去信任是區(qū)塊鏈的兩個重要概念。雖然區(qū)塊鏈網(wǎng)絡節(jié)點間的數(shù)據(jù)傳輸以匿名形式進行，但運行規(guī)則和全部交易數(shù)據(jù)公開透明，每一次運作細則都對全網(wǎng)可見，紓解了交易對手的信息不對稱風險，使各節(jié)點間的互通往來，包括比特幣交易，不需要以信任機制為擔保。算法共識機制使全網(wǎng)節(jié)點達成共識，創(chuàng)造出區(qū)塊鏈上免信任的記賬機構(gòu)，保證每筆交易在所有記賬節(jié)點上的一致性。區(qū)塊鏈常見的算法共識機制包括工作量證明機制(PoW，ProofofWork)、權(quán)益證明機制(PoS，ProofofStake)、授權(quán)股份證明機制(DPoS，DelegatedProofofStake)、拜占庭容錯算法(BFT)和有向無環(huán)圖(DAG，DirectedAcyclicGraph)等。（四）智能合約機制區(qū)塊中的數(shù)據(jù)可以編程，可以把交易合同以代碼形式放到區(qū)塊鏈上，合同在約定條件下可自動執(zhí)行。智能合約的本質(zhì)是傳統(tǒng)合同的數(shù)字化程序，即當事人同意依據(jù)一定的計算機算法來確定合同的內(nèi)容、訂立合同和履行合同的行為。智能合約模型是運行在可復制、可共享的賬本上的計算機程序，可以維持自己的狀態(tài)，控制自己的資產(chǎn)（狀態(tài)、資產(chǎn)與代碼一樣，被存儲在賬戶上）。還可以對接收到的外界信息進行回應，如圖3-6所示。該程序就像一個可以被信任的機構(gòu)，可以臨時保管資產(chǎn)，總是根據(jù)預置的響應條件和響應規(guī)則，自動執(zhí)行對應的合約操作。圖3-6智能合約模型示意圖（五）集體監(jiān)督維護如果把區(qū)塊鏈數(shù)據(jù)庫看作一個賬本，那么對于它的讀寫就成了記賬行為。分布式系統(tǒng)中所有節(jié)點都可以通過計算符合難度系數(shù)的“哈希散列”的方式競爭記賬，并獲得比特幣獎勵。獲得記賬權(quán)的節(jié)點把交易信息記入賬本，然后發(fā)送給系統(tǒng)中的所有其他節(jié)點。所有節(jié)點對交易記錄進行驗證和監(jiān)督，如果驗證通過，則同步更新本節(jié)點的賬本，所以區(qū)塊鏈也稱為分布式賬本（Distributed

Ledger）。系統(tǒng)中的數(shù)據(jù)塊由系統(tǒng)中所有具有維護功能的節(jié)點來共同維護，而這些具有維護功能的節(jié)點是開源的，任何人都可以參與，這稱為區(qū)塊鏈的集體維護。區(qū)塊鏈集體維護可以降低成本，驗證節(jié)點記錄結(jié)果的正確性。（六）可追溯性區(qū)塊鏈上交易和數(shù)據(jù)的可追溯性是由其獨特的數(shù)據(jù)結(jié)構(gòu)——“MerkleHash樹”來保證的。此外，區(qū)塊鏈帶有時間戳的存儲結(jié)構(gòu)，可以作為區(qū)塊數(shù)據(jù)的存在性證明，具有不可偽造、不可抵賴和可驗證的特點，從而為區(qū)塊鏈應用于互聯(lián)網(wǎng)保險等時間敏感領(lǐng)域奠定了基礎。（七）開放性不同于其他創(chuàng)新技術(shù)，區(qū)塊鏈技術(shù)并非發(fā)源于科研院所或企業(yè)，而是來自于開源社區(qū)的“公有鏈”，并在社區(qū)中發(fā)展壯大，此后才逐漸被金融機構(gòu)、IT巨頭等關(guān)注。開源性賦予了區(qū)塊鏈開放和透明的特征。同時，區(qū)塊鏈中信息的傳遞和區(qū)塊的生成都遵循開放透明的共識規(guī)則；每一次事務處理都以特定形式發(fā)送給其他節(jié)點，授權(quán)節(jié)點可以保存與其權(quán)限相關(guān)的記錄，保證了鏈上數(shù)據(jù)的透明性。四、區(qū)塊鏈的技術(shù)演進與主要分類（一）區(qū)塊鏈1.0數(shù)字貨幣階段區(qū)塊鏈1.0是指以比特幣、萊特幣等為代表的去中心化數(shù)字貨幣，涉及與轉(zhuǎn)賬、匯款和數(shù)字化支付相關(guān)的密碼學貨幣應用。（二）區(qū)塊鏈2.0智能合約階段區(qū)塊鏈2.0是以以太坊（Ethereum）為代表的智能合約，是超越以比特幣為代表的區(qū)塊鏈1.0數(shù)字貨幣之外，在經(jīng)濟、市場和金融等方面的應用，包括股票、債券、期貨、貸款、抵押、產(chǎn)權(quán)、智能財產(chǎn)等。區(qū)塊鏈2.0的典型技術(shù)架構(gòu)如圖3-7所示。網(wǎng)絡層網(wǎng)絡層智能合約層激勵層發(fā)行機制分配機制共識層傳播機制P2P網(wǎng)絡驗證機制數(shù)據(jù)層區(qū)塊數(shù)據(jù)鏈式結(jié)構(gòu)數(shù)字簽名Hash函數(shù)Merkle樹非對稱加密虛擬機腳本代碼PoWPoSDPoS圖3-7區(qū)塊鏈2.0技術(shù)架構(gòu)（三）區(qū)塊鏈3.0擴展應用階段區(qū)塊鏈3.0構(gòu)造了一個全球性的分布式記賬系統(tǒng)，它不僅能記錄金融業(yè)的交易，而且可以記錄任何有價值的能以代碼形式表達的事物，如對共享汽車的使用權(quán)、信號燈的狀態(tài)、出生和死亡證明、結(jié)婚證、教育程度、財務賬目、醫(yī)療過程、保險理賠、投票、能源等等，因此區(qū)塊鏈3.0擴展應用階段也被稱為“可編程社會”。隨著區(qū)塊鏈應用領(lǐng)域的不斷拓展，逐漸演化出以下三種類型，即公有鏈、聯(lián)盟鏈和專有鏈，如表3-1所示。表3-1區(qū)塊鏈的主要分類類別核心特征主要運作機制應用舉例公有鏈去中心化權(quán)限對公眾完全開放，所有參與人員均可競爭“記賬權(quán)”，參與節(jié)點之間的信任機制為工作量證明機制，多用于網(wǎng)絡節(jié)點之間無信任基礎的情況。公有鏈的優(yōu)勢在于節(jié)點全網(wǎng)化和透明化，能夠保證信息和價值在安全可靠的前提下進行快速的流動比特幣、以太坊聯(lián)盟鏈多中心化由具有參與權(quán)限的成員組成，記賬者由參與人員協(xié)商確定，所有參與節(jié)點之間遵循具有一定信任基礎的共識機制R3銀行聯(lián)盟專有鏈中心化由具有中心控制權(quán)限的成員組成，所有參與節(jié)點之間的信任機制為互信機制，多用于節(jié)點之間高度信任的情況企業(yè)中心化系統(tǒng)上鏈在分類的基礎上，區(qū)塊鏈還創(chuàng)新發(fā)展出了跨鏈技術(shù)。利用區(qū)塊跨鏈技術(shù)，通過直接交易或者第三方的鏈接方式，采用基于共識或者信任轉(zhuǎn)移等多種通信手段，可以有效打破不同區(qū)塊鏈間的通信壁壘，實現(xiàn)不同區(qū)塊鏈間的交互，使得不同區(qū)塊鏈可以協(xié)同操作，很大程度上避免了價值孤島問題，推動價值互聯(lián)網(wǎng)的形成。【實踐拓學】做中學3-1探究區(qū)塊鏈的形成過程區(qū)塊鏈的形成是將一段時間內(nèi)接收到的交易數(shù)據(jù)和代碼封裝到一個帶有時間戳的新區(qū)塊中，并鏈接到當前最大主鏈的過程，涉及區(qū)塊、鏈式結(jié)構(gòu)、散列算法、MerkleHash樹和時間戳等技術(shù)要素。本做中學將通過步驟引導，帶領(lǐng)大家一起探究區(qū)塊鏈的形成過程。步驟1：識別區(qū)塊及其鏈式結(jié)構(gòu)。每個數(shù)據(jù)區(qū)塊包含區(qū)塊頭和區(qū)塊體兩部分，取得記賬權(quán)的礦工將當前區(qū)塊鏈接到前一區(qū)塊，從而形成一條最長主鏈。請觀察圖3-8中由三個區(qū)塊構(gòu)成的鏈式結(jié)構(gòu)，回答以下問題。(1)每個區(qū)塊的區(qū)塊頭和區(qū)塊體分別主要封裝了哪些內(nèi)容？(2)區(qū)塊A、B和C是通過什么鏈接的？(3)在該區(qū)塊鏈中，每10分鐘發(fā)行的比特幣是多少？這些比特幣是否就是礦工每挖出一個區(qū)塊的全部獎勵？圖3-8區(qū)塊鏈式結(jié)構(gòu)示意步驟2：理解區(qū)塊標識符，判斷區(qū)塊的位置。假設每16次隨機數(shù)輸入哈希函數(shù)計算，會找到一個含有一個前導零的區(qū)塊哈希值，則需要嘗試多少次計算才能找到一個合適的隨機數(shù)并生成圖3-8所示的區(qū)塊？假設某節(jié)點“礦工”的算力為每秒約167次，則該礦工約需多久才能生成一個區(qū)塊并獲得達成共識的獎勵？通過該區(qū)塊在區(qū)塊鏈中的位置，即區(qū)塊高度也可識別區(qū)塊。第一個區(qū)塊的高度為0，后續(xù)鏈接到區(qū)塊鏈上的每一個區(qū)塊都會比前一個區(qū)塊“高”出一個位置。已知截至2024年5月15日15點10分的比特幣區(qū)塊鏈的區(qū)塊高度為846065，則請計算和推斷圖3-8中區(qū)塊A、B和C的高度分別是多少？步驟3：分析區(qū)塊鏈中時間戳的重要作用。比特幣區(qū)塊鏈技術(shù)要求獲得記賬權(quán)的節(jié)點必須在當前數(shù)據(jù)區(qū)塊頭中加蓋時間戳，表明區(qū)塊數(shù)據(jù)的寫入時間。因此，主鏈上各區(qū)塊是按照時間順序依次排列的。時間戳可以作為區(qū)塊數(shù)據(jù)的存在性證明（proofofexistence），有助于形成不可篡改和不可偽造的區(qū)塊鏈數(shù)據(jù)庫，從而為區(qū)塊鏈應用于金融科技、公證等時間敏感領(lǐng)域奠定了基礎。請找出圖3-8中各區(qū)塊的時間戳，并推斷區(qū)塊D的生成時間。步驟4：分析區(qū)塊鏈的可追溯性。區(qū)塊鏈中每筆交易的存在性是通過MerkleHash樹來認證的，而交易之間也可以通過MerkleHash樹“區(qū)塊頭”中前一區(qū)塊的“哈希散列”來鏈接，從而實現(xiàn)了所有交易的可追溯與可驗證。以圖3-9所示一個簡化的只有A至H共8個交易的Merkle樹為例，首先將這8個交易分別經(jīng)兩次散列函數(shù)(SHA256算法)運算得到8個哈希值HA……HH作為葉子節(jié)點，如HA=SHA256(SHA256(A))。相鄰葉子節(jié)點串聯(lián)一起，再經(jīng)兩次散列運算后，得到父節(jié)點，如HAB=SHA256(SHA256(HA+HB))。以此類推，直到只剩下一個頂部節(jié)點，即為Merkle根，被存儲在區(qū)塊頭中。區(qū)塊頭再經(jīng)過2次SHA256計算得出本區(qū)塊的哈希值，并通過“前一區(qū)塊”哈希值字段依次鏈接起來，形成可追本溯源的塊鏈式結(jié)構(gòu)。請根據(jù)以上描述，寫出以下節(jié)點或路徑的表達式。(1)HF；(2)HEF；(3)Merkle根；(4)從交易F到Merkle根的認證路徑。圖3-9簡化的Merkle樹與區(qū)塊結(jié)構(gòu)【案例研學】五、區(qū)塊鏈技術(shù)在金融科技中的應用（一）區(qū)塊鏈技術(shù)在供應鏈金融中的應用1.供應鏈金融完美契合區(qū)塊鏈應用要求，是區(qū)塊鏈技術(shù)最佳落地場景之一。①①供應鏈金融★②數(shù)字人民幣③確權(quán)、監(jiān)管、政務④ICO眾籌④④高安全√合法√合規(guī)強賦能√大幅節(jié)約成本√大幅提高效率√業(yè)務模式清晰易實現(xiàn)√頻率比較低√實時性不高①★②③圖3-10供應鏈金融與區(qū)塊鏈應用場景的契合性2.區(qū)塊鏈的去中心化和共識信任機制能實現(xiàn)核心企業(yè)信用的多級可信流轉(zhuǎn)。3.區(qū)塊鏈智能合約有助于降低供應鏈上小微企業(yè)的融資成本，提升融資可獲得性。（二）區(qū)塊鏈技術(shù)在互聯(lián)網(wǎng)保險中的應用區(qū)塊鏈被認為是我國最有可能在互聯(lián)網(wǎng)保險行業(yè)普及和推廣的未來技術(shù)。各互聯(lián)網(wǎng)保險機構(gòu)正積極探尋區(qū)塊鏈技術(shù)的應用路徑和落地場景。區(qū)塊鏈技術(shù)的應用對互聯(lián)網(wǎng)保險發(fā)展瓶頸的突破主要體現(xiàn)在以下幾個方面。1.區(qū)塊鏈的數(shù)據(jù)不可篡改特征能夠提升互聯(lián)網(wǎng)保險的信息安全水平。2.區(qū)塊鏈的去中心化特征有助于構(gòu)建網(wǎng)絡互助保險的互信與監(jiān)督機制，實現(xiàn)可持續(xù)發(fā)展。3.區(qū)塊鏈的智能合約機制能夠降低人工成本，提升互聯(lián)網(wǎng)保險理賠效率。4.區(qū)塊鏈的共識信任機制有助于緩解互聯(lián)網(wǎng)保險業(yè)務的信息不對稱，防控欺詐風險?？捎帽?-2概括區(qū)塊鏈技術(shù)在助力互聯(lián)網(wǎng)保險高質(zhì)量發(fā)展方面的作用。表3-2區(qū)塊鏈特征與互聯(lián)網(wǎng)保險高質(zhì)量發(fā)展的契合性區(qū)塊鏈特征助力互聯(lián)網(wǎng)保險高質(zhì)量發(fā)展的作用去中心化去中心化能夠助力保險“脫媒”，降低保險中介費用；P2P（點對點）的聯(lián)系可以突破時傳統(tǒng)互助保險局限性，在更大范圍內(nèi)實現(xiàn)網(wǎng)絡互助數(shù)據(jù)不可篡改區(qū)塊鏈的“鏈式”結(jié)構(gòu)具有防篡改性和不可抵賴性，能夠有效解決互聯(lián)網(wǎng)保險電子合同存證和交易數(shù)據(jù)保全的“痛點”非對稱加密算法區(qū)塊鏈的匿名性和非對稱加密算法，能夠克服目前互聯(lián)網(wǎng)保險對用戶數(shù)據(jù)以及隱私保護不力的問題，更好地保障投保人的信息安全可追溯性能構(gòu)建全流程可追溯的完整信息流，實現(xiàn)互聯(lián)網(wǎng)保險相關(guān)各方間的數(shù)據(jù)公開透明和信任共享。能夠追溯每筆資金流向，提高監(jiān)管透明度集體監(jiān)督維護能夠建立網(wǎng)絡互助保險去中心化后有效的監(jiān)督機制，實現(xiàn)可持續(xù)運作智能合約能夠解決互聯(lián)網(wǎng)保險“理賠難”的痛點，實現(xiàn)自動化理賠，提高保險智能化程度；還有助于開發(fā)更多觸發(fā)型賠付的互聯(lián)網(wǎng)保險創(chuàng)新產(chǎn)品共識信任機制緩解互聯(lián)網(wǎng)保險業(yè)務中的信息不對稱，防范銷售誤導，防控欺詐風險開放性促進區(qū)塊鏈與大數(shù)據(jù)、云計算的融合，提升互聯(lián)網(wǎng)保險產(chǎn)品創(chuàng)新、精準營銷、動態(tài)定價和智能風控水平區(qū)塊鏈的開源、開放特征使其能與物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等其他金融科技新技術(shù)深度融合，綜合應用于互聯(lián)網(wǎng)保險的產(chǎn)品設計、售前營銷、售中投保和售后理賠等各業(yè)務環(huán)節(jié)，提高產(chǎn)品的技術(shù)含量和運營效率，驅(qū)動互聯(lián)網(wǎng)保險實現(xiàn)從“流量為王”的粗放式增長到內(nèi)涵式高質(zhì)量發(fā)展的轉(zhuǎn)變，助力構(gòu)建保險科技新生態(tài)，如表3-3所示。表3-3“區(qū)塊鏈+”技術(shù)在互聯(lián)網(wǎng)保險各業(yè)務環(huán)節(jié)中的典型應用業(yè)務環(huán)節(jié)“區(qū)塊鏈+”技術(shù)典型應用產(chǎn)品設計區(qū)塊鏈+物聯(lián)網(wǎng)利用區(qū)塊鏈的時間戳和分布式特征，結(jié)合智能可穿戴設備等物聯(lián)網(wǎng)技術(shù)，可以打破時空限制，為保險產(chǎn)品設計和服務創(chuàng)新，特別是場景化和碎片化的產(chǎn)品創(chuàng)新奠定基礎，構(gòu)建基于風險標的更加細化和動態(tài)定價的產(chǎn)品方案售前（營銷）環(huán)節(jié)區(qū)塊鏈+大數(shù)據(jù)利用大數(shù)據(jù)構(gòu)建用戶畫像和實現(xiàn)精準營銷，同時基于“點對點”區(qū)塊鏈，投保人可將保險產(chǎn)品的電子卡單以紅包的形式分享給好友，實現(xiàn)分享銷售售中（投保）環(huán)節(jié)區(qū)塊鏈+金融云構(gòu)建電子保單云存儲服務系統(tǒng)，在保險合同訂立時，用戶的歷史信息數(shù)據(jù)和保險公司的告知內(nèi)容都會被記錄在區(qū)塊鏈上，作為雙方履行告知、說明義務的證據(jù)。此外，由于區(qū)塊鏈的“數(shù)據(jù)不可篡改”特征，通過把有關(guān)數(shù)據(jù)記錄分布式存儲在基于區(qū)塊鏈的金融云上，可以避免合同爭議售后（理賠）環(huán)節(jié)區(qū)塊鏈+人工智能區(qū)塊鏈的智能合約機制，可在發(fā)生保險責任范圍內(nèi)的保險事故時，自動觸發(fā)定損理賠。同時，區(qū)塊鏈結(jié)合人工智能，可以解決風險查勘和理賠環(huán)節(jié)自動化難題。2018年7月，螞蟻保險完成了國內(nèi)首單無人工干預的“全流程AI快賠”；2018年10月，推出了基于人工智能和區(qū)塊鏈的“相互?！?。（三）區(qū)塊鏈技術(shù)在銀行中的應用對于習慣了中心化運營思維的銀行而言，如何擁抱區(qū)塊鏈技術(shù)，既是挑戰(zhàn)又是機遇。無論是互聯(lián)網(wǎng)化進程中的傳統(tǒng)銀行還是新興的純線上的互聯(lián)網(wǎng)銀行，都在積極探索區(qū)塊鏈在供應鏈金融、數(shù)字票據(jù)資產(chǎn)交易、國際貿(mào)易、資金清算等銀行業(yè)務中的具體應用，以降低交易成本，提升金融服務效率。區(qū)塊鏈技術(shù)在銀行中的應用探索主要包括以下幾個方面。1.提升市場風險防范能力，保障數(shù)字票據(jù)交易安全。而有效融合了區(qū)塊鏈技術(shù)優(yōu)勢的數(shù)字票據(jù)則可能逐漸成為一種更安全、更智能、更便捷的數(shù)字資產(chǎn)形態(tài)：一是通過票據(jù)的點對點交易降低系統(tǒng)中心化所帶來的運營風險和操作風險；二是區(qū)塊鏈不可篡改的時間戳和全網(wǎng)公開的技術(shù)特性能有效防范票據(jù)市場風險，為規(guī)避紙票的“一票多賣”、電票的“打款背書不同步”等問題提供了一種技術(shù)思路。2.增強數(shù)據(jù)公信度，促進征信信息共享。區(qū)塊鏈平臺的對等直聯(lián)、安全通信與匿名保護機制，為進一步增進跨機構(gòu)信息共享傳遞提供了技術(shù)支持，有助于各行業(yè)信用數(shù)據(jù)的匯聚沉淀，促進全行業(yè)協(xié)同解決“信息孤島”等問題。3.提升產(chǎn)權(quán)明晰度，強化權(quán)益證明效力。我們可探索將其不可篡改、不可抵賴的技術(shù)特性應用到權(quán)益證明業(yè)務領(lǐng)域，特別是對于房產(chǎn)所有權(quán)、車輛所有權(quán)、股票交易權(quán)等永久性記錄存儲的業(yè)務場景，區(qū)塊鏈技術(shù)不失為一種較好的技術(shù)解決方案。綜上，商業(yè)銀行+區(qū)塊鏈正逐漸應用在金融行業(yè)風險管理體系建設、金融效率提升、跨境支付與結(jié)算和票據(jù)等多個領(lǐng)域。[隨堂測試3-4]區(qū)塊鏈技術(shù)在金融科技中的應用尚在探索中，請結(jié)合本任務所學知識，思考怎樣的區(qū)塊鏈應用才是真正有價值和有意義的？思考提示：（1）在確定一個區(qū)塊鏈項目的時候，首先要了解它能不能解決一個真正的行業(yè)痛點。（2）在一個需要連接多方信任的行業(yè)，區(qū)塊鏈技術(shù)是否可以有一個不可替代的能力。（3）落地的區(qū)塊鏈項目，是否具有實際執(zhí)行的可行性，包括金融級的穩(wěn)定和安全等?！纠碚搶W】六、區(qū)塊鏈技術(shù)的風險與監(jiān)管（一）區(qū)塊鏈技術(shù)的風險1.有效監(jiān)管的挑戰(zhàn)區(qū)塊鏈技術(shù)“去中心化”的本質(zhì)特征以及應用范圍的不斷擴大，對政府有效監(jiān)管帶來了挑戰(zhàn)。我國已在區(qū)塊鏈技術(shù)架構(gòu)層次上提出了明確的監(jiān)管要求，但是對區(qū)塊鏈治理的法律法規(guī)和行業(yè)標準仍有待完善，現(xiàn)有基于中心化的監(jiān)管模式也可能難以有效監(jiān)管區(qū)塊鏈應用。2.系統(tǒng)運行效率的挑戰(zhàn)區(qū)塊鏈技術(shù)在高頻金融交易中的大規(guī)模應用需要突破系統(tǒng)運行效率和存儲容量的限制。區(qū)塊鏈復雜的共識信任機制保障了系統(tǒng)的穩(wěn)健運行，但是也顯著制約了交易吞吐量。其次，由于區(qū)塊鏈的經(jīng)濟激勵機制，需要收取交易手續(xù)費，雖然費率較低，但手續(xù)費是基于交易筆數(shù)而不是轉(zhuǎn)賬金額收取的，因此對于金融行業(yè)的小額支付需要可能難以承受。另外，基于區(qū)塊鏈的交易雖然瞬間即可傳至整個網(wǎng)絡，但是存在一定的交易確認延遲。3.技術(shù)安全風險區(qū)塊鏈作為新興技術(shù)，不可避免地存在著技術(shù)安全風險。區(qū)塊鏈在技術(shù)安全性、去中心化和高效率三個方面，存在只能選其二的“不可能三角”悖論。首先，區(qū)塊鏈的節(jié)點越多，節(jié)點運算能力的壓力就越大，海量數(shù)據(jù)傳輸可能造成網(wǎng)絡癱瘓，并帶來巨大的電力消耗。其次，完全去中心化可能帶來隱私泄露及缺乏保障等安全性問題。最后，中心化驗證會弱化區(qū)塊鏈的“去中心化”創(chuàng)新特征，可能使區(qū)塊鏈在助力金融行業(yè)防控信息安全風險，降低交易成本等方面的作用受到限制，不利于區(qū)塊鏈金融的分布式應用。（二）區(qū)塊鏈技術(shù)的監(jiān)管面對區(qū)塊鏈技術(shù)存在的風險和挑戰(zhàn)，必須構(gòu)建和完善區(qū)塊鏈監(jiān)管體制機制，推動區(qū)塊鏈技術(shù)和產(chǎn)業(yè)健康發(fā)展。從區(qū)塊鏈監(jiān)管體制上看，我國區(qū)塊鏈監(jiān)管的基本框架已經(jīng)形成，并且保持著相對穩(wěn)定狀態(tài)。從區(qū)塊鏈監(jiān)管機制上看，隨著鼓勵區(qū)塊鏈產(chǎn)業(yè)發(fā)展政策的落地，區(qū)塊鏈技術(shù)標準體系和監(jiān)管制度也在加速建立。對區(qū)塊鏈的監(jiān)管應堅持“以鏈治鏈、全面監(jiān)管”的基本原則，借助實名制和備案制等機制設計，并通過設置鏈上監(jiān)管節(jié)點，加速實現(xiàn)對鏈上活動的協(xié)同監(jiān)管和穿透式監(jiān)管，在降低監(jiān)管成本的同時提升監(jiān)管的主動性和及時性。通過構(gòu)建“監(jiān)管沙盒”，監(jiān)管部門能發(fā)現(xiàn)區(qū)塊鏈技術(shù)應用存在的各類問題，為之后制定全局監(jiān)管策略提供緩沖期和經(jīng)驗積累空間，并與產(chǎn)業(yè)端協(xié)商解決方案，促進區(qū)塊鏈技術(shù)在產(chǎn)業(yè)端的健康有序發(fā)展。任務二人工智能原理與智能金融應用【理論導學】一、人工智能技術(shù)的概念20世紀50年代，國外學者麥肯錫、明斯基等在美國達特茅斯會議上首次提出了“人工智能(ArtificialIntelligence，簡稱AI)”這一術(shù)語，標志著人工智能的誕生。人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。金融穩(wěn)定理事會認為，人工智能是一種計算機系統(tǒng)，能夠?qū)崿F(xiàn)推理、學習、自我改進等通常需要人類智能來完成的事情。人工智能技術(shù)是指通過對上述機器系統(tǒng)的實現(xiàn)和應用，賦予機器自主思考或行動能力的技術(shù)，包括但不限于機器學習、生物特征識別、計算機視覺、智能語音、自然語言處理、知識圖譜、智能決策控制、智能機器人、混合智能等。人工智能技術(shù)應用場景豐富，可被廣泛用于金融、制造、安防、教育、醫(yī)療、養(yǎng)老、環(huán)境、交通、司法服務、網(wǎng)絡安全、社會治理等行業(yè)和領(lǐng)域，不斷優(yōu)化觀察預警、溝通交流、分析決策、流程自動化等功能。根據(jù)能力的強弱，人工智能可劃分為弱人工智能、強人工智能，甚至超人工智能等幾個發(fā)展階段。一般認為，弱人工智能擅長在特定領(lǐng)域、有限規(guī)則內(nèi)模擬和延伸人類智能；強人工智能可在思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經(jīng)驗中學習等各方面達到人類級別；超人工智能則可在所有領(lǐng)城都大幅超越人類智能。數(shù)據(jù)、算力、算法的不斷發(fā)展，為人工智能技術(shù)發(fā)揮作用提供堅實的支撐。二、人工智能技術(shù)的基本原理（一）機器學習的基本原理簡而言之，機器學習是用數(shù)據(jù)或以往的經(jīng)驗來優(yōu)化提升行為判斷的計算程序，從廣義上講，機器學習是一種能夠賦予機器“學習”的能力，讓它完成直接編程無法完成的功能的方法。從實踐的意義上來說，機器學習是一種通過利用數(shù)據(jù)，訓練出模型，然后使用模型預測的一種方法。機器學習的“訓練”與“預測”過程可以對應到人類的“歸納”與“推測”。它的處理不是因果的邏輯，而是通過歸納思想得出的相關(guān)性結(jié)論。機器需要能夠自我學習。（二）機器學習的技術(shù)分類根據(jù)機器學習技術(shù)中算法特點的不同，可以分為三個大類：1.有監(jiān)督學習(Supervised

Learning)在人工智能應用中使用的多數(shù)機器學習算法，都屬于有監(jiān)督學習。有監(jiān)督學習所需要的樣本數(shù)據(jù)，需要同時包含樣本特征自變量(X)和目標變量(Y)，然后使用有監(jiān)督學習根據(jù)學習算法訓練得到從特征自變量輸入到目標變量輸出的映射函數(shù)：Y=f(X)。有監(jiān)督學習根據(jù)解決問題類型不同，可以進一步分為分類和回歸。分類：分類問題的目標變量是類別，如“紅色”或“白色”，“垃圾郵件”或“非垃圾郵件”?；貧w：回歸問題的目標變量是實數(shù)值，如“銷量”或“價格”。2.無監(jiān)督學習(UnsupervisedLearning)在進行無監(jiān)督學習時，數(shù)據(jù)只有輸入的特征變量(X)，沒有目標變量(Y)。算法在輸入數(shù)據(jù)的過程中自己發(fā)現(xiàn)數(shù)據(jù)中的規(guī)律或模式。無監(jiān)督學習問題可以進一步劃分為關(guān)聯(lián)和聚類問題。關(guān)聯(lián)：關(guān)聯(lián)規(guī)則學習目的是從數(shù)據(jù)中發(fā)現(xiàn)強規(guī)則，如“買了商品A的顧客有可能還會買商品B”，這背后就是利用關(guān)聯(lián)規(guī)則所發(fā)現(xiàn)的規(guī)律。聚類：聚類方法可以發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的組群關(guān)系。假設某企業(yè)要生產(chǎn)T恤，卻不知道XS、S、M、L和XL的尺寸到底應該設計為多大，則可以根據(jù)體測數(shù)據(jù)，用聚類算法把消費者分到不同的組，從而決定尺碼的大小。

3.半監(jiān)督學習(Semi-supervisedLearning)在半監(jiān)督學習模式中，輸入的樣本數(shù)據(jù)部分被標識，部分沒有被標識，這種學習模型可以用來進行預測，但是模型首先需要學習數(shù)據(jù)的內(nèi)在結(jié)構(gòu)以便合理地組織數(shù)據(jù)來進行預測。半監(jiān)督學習可以分為半監(jiān)督分類、半監(jiān)督回歸、半監(jiān)督聚類和半監(jiān)督降維。在實際應用中，半監(jiān)督學習通常用于只有少量有標記數(shù)據(jù)的場景，因為對數(shù)據(jù)進行標記的代價有時很高，比如在金融領(lǐng)域，如果只有少量已標記的逾期違約借款人的黑名單數(shù)據(jù)，而有大量未標記的未到期借款人的數(shù)據(jù)，也可以使用包括有標記樣本數(shù)據(jù)和未標記樣本數(shù)據(jù)的訓練集，通過半監(jiān)督學習來預測違約率。（三）機器學習算法的“學習資料”大數(shù)據(jù)，是機器學習算法的輸入基礎，也可以認為是算法的“學習資料”。依據(jù)不同的維度，大數(shù)據(jù)有不同的分類方法。從結(jié)構(gòu)上分類，大數(shù)據(jù)可以分成結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)一般指有嚴謹結(jié)構(gòu)邏輯的數(shù)據(jù)，如存儲在MySQL、Oracle等關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)；非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)相反，它一般沒有固定的結(jié)構(gòu)，如文本、圖片、視頻等；半結(jié)構(gòu)化數(shù)據(jù)指介于以上兩種數(shù)據(jù)之間的數(shù)據(jù)，如XML文檔、HTML文檔、JSON數(shù)據(jù)等。從處理方式上分類，大數(shù)據(jù)可以分成實時數(shù)據(jù)和離線數(shù)據(jù)。實時數(shù)據(jù)一般指由系統(tǒng)實時產(chǎn)生或采集的數(shù)據(jù)，它有一個重要維度就是時間，如股票的實時交易數(shù)據(jù)、實時天氣數(shù)據(jù)等；離線數(shù)據(jù)指存儲在數(shù)據(jù)庫或者文件系統(tǒng)中的數(shù)據(jù)，如股票的歷史交易數(shù)據(jù)、天氣的歷史數(shù)據(jù)等。從數(shù)據(jù)來源和行業(yè)上分類，大數(shù)據(jù)可以分成網(wǎng)絡數(shù)據(jù)、社交媒體數(shù)據(jù)、醫(yī)療數(shù)據(jù)、農(nóng)業(yè)數(shù)據(jù)、身體健康數(shù)據(jù)、設備監(jiān)測數(shù)據(jù)等。給機器學習算法的輸入數(shù)據(jù)質(zhì)量，是算法學習效果的基礎保障。因此，人類要像老師一樣，把“干凈”“合理”的學習資料(即樣本數(shù)據(jù))交給算法進行學習，避免出現(xiàn)“Garbagein,garbageout”(無用數(shù)據(jù)輸入，無用數(shù)據(jù)輸出)的情況，導致學習失敗。用于機器學習項目的數(shù)據(jù)，通常有訓練數(shù)據(jù)、驗證數(shù)據(jù)和測試數(shù)據(jù)三類。上文介紹的用于機器學習的“學習資料”，對應的是訓練數(shù)據(jù)集，簡稱訓練集，顧名思義，是用來訓練模型的，也就是算法真正用來“學習”(擬合)的數(shù)據(jù)。而驗證(數(shù)據(jù))集，是在訓練集訓練出多個模型后，為了能找出效果最佳的模型，使用各個模型對驗證數(shù)據(jù)進行預測，并記錄模型準確率。選出效果最佳的模型所對應的參數(shù)，主要用在算法調(diào)參過程中，評估不同參數(shù)組合的預測效果，可以認為其在機器學習中承擔“階段測試”或“模擬考試”的作用。測試(數(shù)據(jù))集的作用也很直觀，用來測試模型效果，評估泛化能力，如同學生“期末考試”，評估機器學習算法的“學習成果”如何。訓練集、驗證集、測試集三者的關(guān)系、作用及劃分方法，如圖3-12所示。三類數(shù)據(jù)可以從一份原的數(shù)據(jù)集中劃分得到。首先，可劃分出測試集，用來評估最終模型的效果；之后在剩余的數(shù)據(jù)集中繼續(xù)劃分出訓練集和驗證集。訓練集和驗證集的劃分方法有兩種：“hold-out”和交互檢驗。其中hold-out方法是指將剩余的數(shù)據(jù)按照一定比例劃分出訓練集和驗證集，比如70%作為訓練集，30%作為驗證集。交互檢驗是將剩余數(shù)據(jù)劃分為k等份，用k-1份作為訓練集，剩余1份作為驗證集，依次輪換訓練集和驗證集k次，直到找到預測誤差最小的模型，就可認為是所求模型，也被稱為k折交叉驗證(k-fold

cross-validation)。值得注意的是，在劃分訓練集和驗證集時，如果數(shù)據(jù)集有時間序列屬性，則不適合使用交互檢驗，可以用hold-out方法嘗試不同比例的驗證集效果，以達到相當于交互檢驗的目的。圖3-12訓練集、驗證集、測試集三者的關(guān)系（四）機器學習的實現(xiàn)過程通過前文的學習可以知道，機器學習技術(shù)是通過訓練算法來“學習”輸入數(shù)據(jù)，最終得到輸入與輸出直接的映射函數(shù)關(guān)系：Y=f(X)。因此每個算法都有一個“目標函數(shù)”為學習方向，通過求解讓該函數(shù)取極大值或極小值，從而訓練得到機器學習算法的模型參數(shù)，即得到了“模型”。決策樹是機器學習算法中較為基礎的一類算法，也是更高級的樹類算法的基礎。決策樹算法是用樹的結(jié)構(gòu)來構(gòu)建分類模型，每個節(jié)點代表著一個屬性，根據(jù)屬性的劃分，進入這個節(jié)點的子節(jié)點直至葉子節(jié)點，每個葉子節(jié)點都代表一定的類別，從而達到分類的目的?！景咐袑W】以某個用于銀行貸款審批的決策樹模型為例。假設該模型的目標函數(shù)通過年齡、學歷、是否擁有房產(chǎn)等特征，對貸款申請人做出批準或拒絕的決策，如圖3-13所示。輸入的申請人特征會按照決策樹的結(jié)構(gòu)自上而下進行條件判斷，最終分類到某個葉子節(jié)點，根據(jù)模型對該葉子節(jié)點定義的屬性，來判斷是否通過該申請人的貸款。如，某申請人年齡為40歲，但沒有房產(chǎn)，若其月收入超過1.5萬元，模型認定可以通過其貸款申請。圖3-13貸款審批決策樹模型【隨堂測試3-5】根據(jù)圖3-15中的決策樹模型，假設某個36歲的貸款申請人，租房居住，月收入為1萬元，則銀行是否應該通過其貸款申請？為什么？綜上，我們來總結(jié)一下機器學習的“學習”過程：(1)準備用于機器學習算法的數(shù)據(jù)集，以二維矩陣形式表示，每行代表一條學習樣本，每列代表一個變量，包括特征自變量(X)及目標變量(Y)；(2)將數(shù)據(jù)集劃分為訓練集、驗證集和測試集；

(3)選擇一種機器學習算法并確定其目標函數(shù)；(4)設定不同的算法超參數(shù)組合，在每組確定的超參數(shù)下，使用訓練集進行算法參數(shù)的尋優(yōu)，得到該組超參數(shù)下的最優(yōu)參數(shù)模型；(5)使用驗證集評估不同超參數(shù)組合下的模型效果，選擇最優(yōu)模型；(6)使用測試集評估最優(yōu)模型的效果，即最終模型的泛化能力?！纠碚搶W】（五）人工神經(jīng)網(wǎng)絡與深度學習整體看，深度學習是一層層的神經(jīng)網(wǎng)絡單元構(gòu)建的系統(tǒng)，當系統(tǒng)組建好后，基于訓練數(shù)據(jù)，通過前向傳播和反向傳播算法不斷訓練模型中的參數(shù)，最終可以得到最優(yōu)的模型效果。其中，前向傳播指對神經(jīng)網(wǎng)絡沿著從輸入層到輸出層的順序，依次計算并存儲模型的中間變量（包括輸出）。而反向傳播指的是計算神經(jīng)網(wǎng)絡參數(shù)梯度的方法。在神經(jīng)網(wǎng)絡模型參數(shù)初始化完成后，輸入訓練數(shù)據(jù)，交替地進行前向傳播和反向傳播，并根據(jù)反向傳播計算的梯度迭代模型參數(shù)，最終得到對于當前訓練數(shù)據(jù)擬合效果較好的模型參數(shù)，包括權(quán)重w、偏差b以及閾值，這就是神經(jīng)網(wǎng)絡訓練的基本過程?！倦S堂測試3-6】理解人工智能、機器學習與深度學習的關(guān)系根據(jù)圖3-14，結(jié)合所學知識，談談你對人工智能、機器學習和深度學習三者關(guān)系的理解。通過互聯(lián)網(wǎng)查閱有關(guān)資料，初步了解深度學習在哪些方面改進了機器學習的學習效果？圖3-14人工智能、機器學習與深度學習提示：機器學習是人工智能實現(xiàn)的重要手段之一，深度學習是機器學習算法中的一種，目前是人工智能應用的主流算法。深度學習以數(shù)據(jù)為基礎，由計算機通過人工神經(jīng)網(wǎng)絡自動提取特征量，而不需要人為設計特征量。深度學習通過計算機的高性能計算把具有相關(guān)性的東西聚合成組提取特征量，進而再用這些特征量提取更高層的特征量，經(jīng)過多次對特征量的抽象后，尋找到“典型的”概念，最終輸出最佳的預測結(jié)果或最優(yōu)的模型效果。三、人工智能對金融創(chuàng)新的影響人工智能技術(shù)能夠全方位推動金融創(chuàng)新，助力實現(xiàn)傳統(tǒng)金融向智能金融的轉(zhuǎn)型升級。人工智能在前端可以使金融服務更加個性化，營銷更加精準化，改善客戶體驗；在中端可以學習和分析歷史數(shù)據(jù)，支持各類交易的決策，使金融服務更加智能化；在后端可以用于風險識別和防控，使管理流程更加自動化。（一）改善客戶體驗。面對客戶群體的擴張和客戶需求的變化，金融服務亟需改善客戶體驗。工商銀行的“工小智”，單日最高服務量突破百萬。人工智能在金融客服中首先通過對來自電子渠道的文字和語音進行意圖識別，再根據(jù)識別結(jié)果對接提前建立好的知識庫進行查詢，或進入企業(yè)系統(tǒng)優(yōu)化業(yè)務流程，最后將結(jié)果以適當?shù)姆绞椒答佒燎澜K端，完成交流。圖3-15顯示的是宜人優(yōu)選的“優(yōu)優(yōu)”智能客服界面。圖3-15宜人優(yōu)先的“優(yōu)優(yōu)”智能客服界面拓寬服務范圍。人工智能通過降低人工成本，拓寬了金融服務的覆蓋范圍。在客戶端，智能投顧用機器代替?zhèn)鹘y(tǒng)投資顧問，提升了解投資者風格偏好的渠道維度，提出個性化的投資建議，再依據(jù)市場動態(tài)對資產(chǎn)配置進行調(diào)整和優(yōu)化。另外，伴隨人工智能技術(shù)的突破，由金融分析師編寫函數(shù)、設計指標和分析數(shù)據(jù)而進行的量化投資不斷擴張市場規(guī)模。（三）增強風控能力。人工智能對解決傳統(tǒng)風控業(yè)務痛點發(fā)揮著重要的作用，有效提升事前預警、事中處理和事后監(jiān)督的綜合能力。此外，生物特征識別技術(shù)可用于識別客戶的身份與行為，相較于傳統(tǒng)鑒定方式更加便捷，有助于金融機構(gòu)的安全監(jiān)控。其中，人臉識別已被應用于銀行開卡、賬戶登錄、支付和取款等金融范疇。（四）提升研究水平。智能投研為包括研究人員和基金經(jīng)理的個人客戶和包括金融機構(gòu)和商業(yè)媒體的公司客戶，提供從數(shù)據(jù)到結(jié)論的一站式解決方案。四、智能投顧人工智能在金融科技中的應用主要體現(xiàn)在智能投顧（保顧）、智能風控與反欺詐、智能客服與精準營銷等方面，其中最重要的應用是智能投顧。智能投顧(RA，RobotAdvisor)，是指運用云計算、大數(shù)據(jù)、機器學習等技術(shù)將資產(chǎn)組合理論、其他資產(chǎn)定價及行為金融學理論等金融投資理論應用到模型中，再將投資者風險偏好、財務狀況及理財規(guī)劃等變量輸入模型，為用戶生成自動化、智能化、個性化的資產(chǎn)配置建議，并對組合實現(xiàn)跟蹤和自動調(diào)整的金融服務新模式。智能投顧服務模式如圖3-16所示。圖3-16智能投顧服務模式示意圖和傳統(tǒng)投顧相比，智能投顧最大的特征就是門檻低、費用低、效率高。因此，特別對作為互聯(lián)網(wǎng)金融“長尾用戶”的中低凈值人群頗具吸引力。智能投顧與傳統(tǒng)投顧的具體比較如圖3-17所示。圖3-17智能投顧與傳統(tǒng)投顧的比較（資料來源：埃森哲報告《智能投顧在中國：直面挑戰(zhàn)、把握機遇、決勝未來》）智能投顧當前的三種財富管理模式：傳統(tǒng)財富管理模式、純智能投顧模式和混合模式。以數(shù)字化驅(qū)動的人力結(jié)合“機器”的混合模式已然崛起，并且將成為未來財富管理模式的主流。雖然智能投顧在中國起步較晚，但是其發(fā)展速度驚人，2022年，我國智能投顧管理的資產(chǎn)總額已達1.5萬億元人民幣，用戶數(shù)量超過1億。獨立第三方財富管理機構(gòu)、傳統(tǒng)金融機構(gòu)和互聯(lián)網(wǎng)巨頭是智能投顧市場的三大主體，演化出了四種業(yè)務模式：獨立建議型、綜合理財型、配置咨詢型和類智投模式。1.獨立建議型。獨立建議型的智能投顧模式通過調(diào)查問卷的方式，對用戶的年齡、資產(chǎn)、投資期限和風險承受能力等方面進行分析后，經(jīng)過計算，為用戶提供滿足其風險和收益要求的一系列不同配比的金融產(chǎn)品。這類智能投顧平臺為理財用戶提供建議，并代銷其他機構(gòu)的金融產(chǎn)品。平臺推薦的金融產(chǎn)品大多數(shù)為貨幣基金、債權(quán)基金、股票基金和指數(shù)基金等，有些平臺還配置有股票、期權(quán)、類固收、債券和黃金等。2.綜合理財型。這類模式將智能投顧功能整合到公司原有的運營體系，通過對接內(nèi)部及外部投資標的，既能更好地服務原有體系的客戶，還可以吸引新客戶。這種模式不僅能更好地服務投資者，還可以推動自身理財產(chǎn)品銷售，達到多重效果。其特點在于綜合理財平臺本身就擁有很好的客戶資源，廣泛的銷售渠道，以及多元的資產(chǎn)標的等優(yōu)勢，其智能投顧平臺在客戶獲取和用戶體驗等方面較其他模式更具競爭力。3.配置咨詢型。這一模式通過全市場各類型產(chǎn)品數(shù)據(jù)的實時抓取，統(tǒng)計各類型金融產(chǎn)品的收益率數(shù)據(jù)、風險指標等，對市場上的各類型金融產(chǎn)品進行篩選和排序，結(jié)合用戶的風險評測指標，幫助用戶選取更為適合的金融產(chǎn)品組合，用戶自行完成交易。與獨立建議型相比較，此模式主要針對更專業(yè)的個人投資者，提供了更加豐富、更多維度的智能化數(shù)據(jù)與指標，助力這些資深個人投資者做出投資決策。4.“類智投模式”。多為跟風“智能投顧”概念，幾乎無智能或自動化投資概念。多以量化策略、投資名人的股票組合進行跟投，同時兼具論壇性質(zhì)的在線投資交流平臺。此種模式并非嚴格意義的智能投顧。智能投顧應用到保險領(lǐng)域，也會相應形成智能保顧新模式。智能保顧即智能保險顧問，是指基于人工智能、大數(shù)據(jù)等技術(shù)，以自動化的方式為客戶提供保險服務咨詢、風險測評與保障需求分析、保險產(chǎn)品比價與推薦、保單統(tǒng)一查詢與管理等服務的智能化應用。智能保顧通過機器學習的方式獲取保險領(lǐng)域的專門知識和經(jīng)驗，并自動更新產(chǎn)品庫，與人類保險顧問相比具有更高的服務效率和更低的服務成本。智能保顧應用實例有“大白”風險管家、宜信博誠智能保險營銷、基于高級駕駛輔助系統(tǒng)的UBI車險等，如表3-5所示。表3-5人工智能在互聯(lián)網(wǎng)保險中的應用人工智能技術(shù)與運用人工智能+保險的具體應用舉例相關(guān)業(yè)務類別代表公司案例說明智能機器人智能保顧管理型總代理比價銷售平臺企業(yè)雇員保險“大白”風險管家通過建立智能化風險管理服務，專家為個人用戶提供智能測評、智能健康風險管理等系列功能推薦引擎及協(xié)助過濾算法智能保險營銷場景定制智能投保宣信博誠通過開發(fā)智能保顧產(chǎn)品，提供個性化的風險分析及投保建議情境感知計算高級駕駛輔助系統(tǒng)車聯(lián)網(wǎng)技術(shù)服務迪納科技通過前端

“車行者”實時監(jiān)測用戶行車情況，并貫穿4S集團、UBI車險、車聯(lián)網(wǎng)金融等后端服務知識圖譜機器學習理賠反欺詐：醫(yī)?；丝刭M理賠管理棧略數(shù)據(jù)通過醫(yī)療知識圖譜的機器學習，建立智能風控模型，識別異常診療行為，幫助保險公司決策，管控費用自然語言處理智能保單管理系統(tǒng)經(jīng)紀人展業(yè)工具保單管理保險袋袋通過解析保單照片形成電子保單，向用戶提供保單到期提醒、獲知保障缺失的服務計算機視覺圖像識別人臉識別技術(shù)其他技術(shù)服務網(wǎng)絡互助平臺投保家通過刷臉識別收集用戶信息，從而為用戶推薦保險購買方案【實踐拓學】做中學3-3智能投顧RA服務體驗中國銀行的“中銀慧投”是國內(nèi)具有代表性的獨立建議型智能投顧服務平臺?！爸秀y慧投”通過深度嵌入中國銀行官方App，根據(jù)投資者的風險偏好和資金規(guī)劃為其匹配合適的資產(chǎn)組合并提供“一鍵購買”服務，資產(chǎn)配置范圍以各類公募基金組合為主。在金融科技技術(shù)的賦能下，“中銀慧投”的發(fā)展?jié)M足了新時代年輕互聯(lián)網(wǎng)投資者的投資需求，促進了我國互聯(lián)網(wǎng)理財市場的發(fā)展。本“做中學”將以“中銀慧投”為例，介紹應用智能投顧服務完成互聯(lián)網(wǎng)投資理財?shù)耐暾僮髁鞒?。步驟1：了解智能投顧的服務流程。完整的智能投顧服務一般包括評估用戶風險偏好、大類資產(chǎn)配置、結(jié)合偏好給出投資組合建議、交易執(zhí)行、跟蹤調(diào)整等步驟，如圖3-19所示。圖3-19智能投顧的服務流程步驟2：注冊并登錄中國銀行App，進入“中銀慧投”并了解其主要功能。下載中國銀行App，完成注冊并登錄，在App首頁頂部搜索欄輸入“中銀慧投”，找到“中銀慧投”入口，單擊進入“中銀慧投”平臺，如圖3-20所示。從圖3-20可以看到，“中銀慧投”主要包括“優(yōu)先FOF”“資產(chǎn)診斷”和“智能定投”三大功能。點擊圖3-20中的“去登錄體驗”按鈕，登錄“中銀慧投”。圖3-20“中銀慧投”平臺的進入頁面步驟3：通過風險測評，規(guī)劃專屬資產(chǎn)配置方案。首次登錄“中銀慧投”，首先需要完成風險測評，如圖3-21所示，然后進入“資產(chǎn)診斷”頁面，“中銀慧投”會根據(jù)你的風險測評結(jié)果（風險等級）和現(xiàn)有資產(chǎn)狀況，規(guī)劃和優(yōu)化專屬資產(chǎn)配置方案，如圖3-22所示。圖3-21“中銀慧投”的風險測評頁面（局部）圖3-22“中銀慧投”的資產(chǎn)診斷頁面（局部）步驟4：根據(jù)風險等級和資產(chǎn)診斷結(jié)果，查詢推薦購買的FOF基金組合。完成資產(chǎn)診斷后，點擊“優(yōu)選FOF”標簽，查詢推薦購買的FOF基金組合，如圖3-23所示。FOF基金又稱為“基金中的基金”（FundofFunds），能夠通過投資多種不同類型的基金來分散風險，并且由專業(yè)機構(gòu)進行管理，更加省心省力。如果想購買“中銀慧投”推薦的FOF基金組合，則可以點擊圖3-23中的“立即購買”按鈕，完成“一鍵購買”。圖3-23“中銀慧投”優(yōu)選FOF頁面（局部）步驟5：體驗“中銀慧投”的智能定投功能。點擊“中銀慧投”的“智能定投”標簽，打開智能定投頁面，在該頁面點擊“定投百科”，了解智能定投與傳統(tǒng)基金定投相比的優(yōu)勢，如圖3-24所示。如果打算定投推薦的基金，可以返回智能定投頁面，并點擊該頁面的“開始定投”按鈕，開啟智能定投功能，如圖3-25所示。圖3-24智能定投與傳統(tǒng)基金定投的比較圖3-25“中銀慧投”的智能定投頁面（局部）步驟6：了解“中銀慧投”的智能跟蹤調(diào)倉功能。步驟7：探究對不同投資期限和風險等級的投資者推薦的資產(chǎn)配置組合變化規(guī)律。表3-6 投資期限為0～1年的各風險等級資產(chǎn)配置組合中各類資產(chǎn)占比

單位：%資產(chǎn)類別風險等級123456789固定收益62.6656.4849.8245.3744.4139.2534.9323.8821.94現(xiàn)金及貨幣基金16.5216.1416.2613.4012.0811.499.859.395.12股票類15.0212.3818.8025.8227.6333.3039.2555.1761.79另類及其他5.8015.0015.1215.4115.8815.9615.9711.5611.15表3-7 投資期限為1～3年的各風險等級資產(chǎn)配置組合中各類資產(chǎn)占比 單位：%資產(chǎn)類別風險等級12345678910固定收益57.0155.6145.3044.8744.1438.7034.2327.7320.8617.62現(xiàn)金及貨幣基金16.2216.2015.2212.4210.7710.609.3110.2310.005.50股票類11.7713.1924.1727.4629.9535.4741.1751.2657.9765.78另類及其他15.0015.0015.3115.2515.1415.2315.2910.7811.1711.10表3-8 投資期限為3年及以上的各風險等級資產(chǎn)配置組合中各類資產(chǎn)占比 單位：%資產(chǎn)類別風險等級12345678910固定收益56.2354.9246.5043.9240.9436.7732.3727.7320.8617.62現(xiàn)金及貨幣基金16.7116.1914.1111.8911.4910.149.3610.2310.005.50股票類11.9813.8924.2828.9931.9137.3942.7551.2657.9765.78另類及其他15.0815.0015.1115.2015.6615.7015.5210.7811.1711.10根據(jù)提供的資料，探究相同投資期限、不同風險等級的投資者，“中銀慧投”推薦的資產(chǎn)配置組合有什么變化規(guī)律？不同投資期限、相同風險等級的投資者，“中銀慧投”推薦的資產(chǎn)配置組合又有什么變化規(guī)律？【理論導學】人工智能機器人除了以上智能投顧線上機器人外，還有線下的實體機器人。實體機器人在金融領(lǐng)域最典型的應用就是可以勝任銀行網(wǎng)點的大堂經(jīng)理工作，而且比人更加智能和高效。具體而言，智能機器人大堂經(jīng)理具有以下功能：通過人臉識別，實現(xiàn)客戶主動迎賓問候，更能對VIP客戶精準識別；智能語音交互，實現(xiàn)智能問答，為客戶提供業(yè)務咨詢，引導客戶辦理相關(guān)業(yè)務；自助巡航，導航避障，在網(wǎng)點內(nèi)引領(lǐng)客戶，還能娛樂表演，在客戶等待辦理業(yè)務期間，活躍氣氛。五、智能金融風險及應對（一）智能金融風險1、技術(shù)安全風險2、隱私泄露的風險3、責任主體難以認定風險4、放大市場順周期性風險（二）智能金融風險應對策略要加強隱私保護?？煽紤]建立健全算法、模型報備機制。要加強自動中斷、人工干預等機制研究探索。六、金融科技與監(jiān)管科技的關(guān)系監(jiān)管科技，根據(jù)英國金融行為監(jiān)管局(FinancialConductAuthority,FCA)的定義，指采用新型技術(shù)手段，以滿足多樣化的監(jiān)管要求，簡化監(jiān)管與合規(guī)流程的技術(shù)及其應用。在具體表現(xiàn)形態(tài)上，監(jiān)管科技有兩大分支——運用于監(jiān)管端的監(jiān)管科技(Suptech)和運用于金融機構(gòu)合規(guī)端的合規(guī)科技(Compteh)。從監(jiān)管端來看，監(jiān)管科技在監(jiān)管端的運用可以分為數(shù)據(jù)收集和數(shù)據(jù)分析兩大方面。數(shù)據(jù)收集過程可以形成報告，進行數(shù)據(jù)管理；數(shù)據(jù)分析的具體運用則包括四個方面：虛擬助手、市場監(jiān)管、不端行為檢測和審慎監(jiān)管。從金融機構(gòu)合規(guī)端來看，金融機構(gòu)將監(jiān)管科技作為降低合規(guī)成本、適應監(jiān)管的重要手段和工具。合規(guī)科技的主要著力點包括數(shù)字化、數(shù)據(jù)的識別與分析運用，以及數(shù)據(jù)加密與傳輸技術(shù)。監(jiān)管科技有以下核心特點：敏捷性、速度、集成、分析。金融科技與監(jiān)管科技之間的關(guān)系如圖3-X所示。人工智能、區(qū)塊鏈人工智能、區(qū)塊鏈金融科技云計算、大數(shù)據(jù)監(jiān)管部門金融機構(gòu)應用應用監(jiān)管科技數(shù)字金融創(chuàng)新良性互動圖3-X金融科技與監(jiān)管科技的關(guān)系【案例研學】以區(qū)塊鏈技術(shù)在金融監(jiān)管中的應用為例具體說明。區(qū)塊鏈作為一種新興技術(shù)，具有共識信任、去中心化和不可篡改等特性，讓資金劃轉(zhuǎn)變得透明可監(jiān)督，也為解決金融監(jiān)管問題提供了有效途徑。首先，區(qū)塊鏈提供去中心化的系統(tǒng)運行機制，打破了IT治理邊界，促使數(shù)據(jù)真正地公開透明，通過分布式數(shù)據(jù)存儲，提高了數(shù)據(jù)可追溯性；監(jiān)管機構(gòu)只要成為其中一個節(jié)點，就可以追溯每一筆交易之前的任何歷史痕跡，大大降低了金融監(jiān)管的難度。其次，區(qū)塊鏈的不可篡改特性可以確保數(shù)據(jù)的真實性，通過基于非對稱加密算法的方式，資金來往的雙方都不能偽造業(yè)務數(shù)據(jù)，增強了數(shù)據(jù)權(quán)威性，確保了資金審計的可靠性。最后，數(shù)據(jù)的共享還可以提高金融服務中信任傳遞的效率，降低交易成本，例如中小企業(yè)、大企業(yè)應收賬款數(shù)據(jù)均存入?yún)^(qū)塊鏈網(wǎng)絡，多方數(shù)據(jù)一旦共享，對金融科技平臺也能起到風控和征信的作用。任務三生成式人工智能與金融大模型【理論導學】一、生成式人工智能的概念與能力生成式人工智能（ArtificialIntelligenceGeneratedContent,AIGC）是人工智能技術(shù)的一個前沿分支，具體是指基于機器學習、生成對抗網(wǎng)絡等技術(shù)，通過算法、模型、數(shù)據(jù)、規(guī)則等自動生成文本、圖像、音頻、視頻、代碼等內(nèi)容的新型生產(chǎn)方式。生成式人工智能技術(shù)的核心在于創(chuàng)造性地模仿或擴展現(xiàn)有數(shù)據(jù)的特征。（一）生成式人工智能具有創(chuàng)新內(nèi)容生成能力生成式人工智能它通過學習大量的數(shù)據(jù)集，能夠創(chuàng)造出全新的文本、圖像、音頻和視頻等內(nèi)容。能夠基于學習到的模式和結(jié)構(gòu)，創(chuàng)造出具有一定原創(chuàng)性和創(chuàng)意的作品。（二）生成式人工智能具有強大的自然語言處理和“對話”能力基于生成式人工智能技術(shù)的大語言模型通過預訓練的方式，儲存大量文本數(shù)據(jù)進行學習，并在預訓練的基礎上產(chǎn)生新的互動組合方式。能夠理解更長的上下文，并進行擬人化的思考和回答，與人類的對話溝通也更自然、給予答案也更準確。在對話過程中，模型還具有較強的學習反饋能力，能夠像人類一樣舉一反三，根據(jù)前面的內(nèi)容不斷生成客戶需要的回答。甚至還會產(chǎn)生一些創(chuàng)意和想法，超越人類自身的反應和思考，體現(xiàn)了一定的“創(chuàng)造”能力。能夠自動生成自洽的圖形、文本甚至代碼，具備優(yōu)秀的內(nèi)容創(chuàng)作能力。（三）生成式人工智能具有多模態(tài)融合和靈活應變能力多模態(tài)融合是生成式人工智能的一個重要特點，它涉及到將來自不同模態(tài)（如文本、圖像、音頻等）的信息進行整合和處理，以獲得更全面和深入的理解。生成式人工智能的多模態(tài)融合能力，主要體現(xiàn)在以下三個方面。一是跨模態(tài)關(guān)聯(lián)。例如，將文本描述與相應的圖像內(nèi)容相匹配。二是信息互補。如在圖像識別中結(jié)合文本信息可以提高識別的準確性。三是上下文理解。例如，在生成圖像描述時，生成式人工智能不僅考慮圖像內(nèi)容，還能夠結(jié)合相關(guān)的音頻信息。對海量數(shù)據(jù)的學習使得生成式人工智能能夠更加靈活地處理多領(lǐng)域問題、上下文聯(lián)系問題、多語言支持問題等。（四）生成式人工智能推動大模型快速發(fā)展，具有廣泛的應用能力自2022年11月，OpenAI推出ChatGPT以來，國內(nèi)外知名科技公司都在全力推出自己的大語言模型，推動生成式人工智能技術(shù)的廣泛應用，如表3-X所示。可以用作聊天機器人、智能客服、分析文本、信息檢索、翻譯材料等，甚至還可以用來進行情感分析、心理療愈等，成為金融、教育、醫(yī)療、旅游等等行業(yè)提高工作效率的重要工具。表3-X基于生成式人工智能的代表性大模型類別研發(fā)企業(yè)大模型名稱上線時間國內(nèi)阿里巴巴通義千問2023年4月11日百度文小言（文心一言）2023年3月16日月之暗面（MoonshotAI）Kimi智能助手2023年10月10日商湯科技商湯日新2023年4月10日中科聞歌雅意2.02023年12月15日國外OpenAIGPT42023年3月14日谷歌PlaM22023年5月10日亞馬遜Titan2023年4月13日metaLLaMA2023年2月24日【實踐拓學】【做中學3-X】生成式人工智能生成內(nèi)容的比較請下載和登錄兩款國內(nèi)基于生成式人工智能的大模型，如“文小言”App和“Kimi智能助手”App，通過以下兩個步驟，探索和比較其生成的具體內(nèi)容，并分析原因，以加深對生成式人工智能原理的理解。步驟1：向兩款生成式人工智能App提同樣的問題，比較其生成的內(nèi)容。例如，向“文小言”App和“Kimi智能助手”App提出同樣的問題：“生成式人工智能在金融科技領(lǐng)域具體有哪些應用？”，比較兩者生成的內(nèi)容。圖3-X“文小言”App和“Kimi智能助手”App生成內(nèi)容比較步驟2：向同一款生成式人工智能App的不同工具提同樣的問題，比較其生成的內(nèi)容?！景咐袑W】二、生成式人工智能金融應用場景與實例（一）生成式人工智能改善智能客服，并推動個性化服務發(fā)展生成式人工智能可以通過深度學習技術(shù)不斷提高銀行自身自然語言處理能力和自然語言生成能力，能夠更好地處理復雜、模糊或個性化的用戶輸入，更好地掌握用戶的用語習慣，從而提供更貼切的回答和解決方案；能夠迅速響應，直接理解非結(jié)構(gòu)化數(shù)據(jù)，準確掌握客戶的真實需求。例如：美國銀行的“Erica”是一個基于生成式人工智能的虛擬財務助手，其能夠通過分析客戶的賬戶信息和消費習慣，提供個性化的財務管理建議和提醒；還能幫助用戶執(zhí)行交易和支付，并在用戶處理與財務相關(guān)的問題時提供實時幫助。通過這種智能化的服務，美國銀行顯著提升了客戶的互動體驗，加強了客戶的忠誠度。生成式人工智能還可以通過提供個性化的金融保險咨詢服務，賦能精準營銷，提升產(chǎn)品推薦效率。例如，保險公司可以利用生成式人工智能處理和分析大量的客戶資料，通過構(gòu)建客戶畫像、智能挖掘、滿意度分析等技術(shù)更好地了解客戶需求，從而為其提供更精準的風險評估和個性化保險產(chǎn)品推薦，提高保險推薦效率。例如，2023年2月，“水滴?！蓖瞥隽艘粋€類ChatGPT應用——智能聊天機器人，可以向客戶介紹保險條款較簡單的短期保險產(chǎn)品，根據(jù)客戶的職業(yè)或生活方式推薦額外的保險，以及在此過程中回答客戶問題，從而提升客戶滿意度和保險推薦效率。（二）生成式人工智能加速金融產(chǎn)品研發(fā)，賦能金融產(chǎn)品創(chuàng)新金融機構(gòu)利用生成式人工智能開發(fā)了一系列新的金融產(chǎn)品，如定制化投資組合和個性化信貸產(chǎn)品，如表3-X所示。表3-X生成式人工智能在金融產(chǎn)品創(chuàng)新中的應用實例資料來源：施志暉,陸岷峰.生成式人工智能在金融服務創(chuàng)新中的應用、挑戰(zhàn)與對策[J].金融科技時代,2024,32(8):8-18.（三）生成式人工智能提升金融機構(gòu)風險管理水平和合規(guī)管理能力金融機構(gòu)可以將金融大型語言模型接入風險管理系統(tǒng)，提升企業(yè)“貸款資格審查”、“貸后調(diào)查”、“市場風險評估”中的風險管理水平。同時，生成式人工智能還能幫助金融機構(gòu)遵守日益復雜的合規(guī)監(jiān)管要求，通過自動化的合規(guī)監(jiān)測和報告系統(tǒng)，降低人力成本并減少因人為錯誤導致的合規(guī)風險，提升合規(guī)管理能力。（四）生成式人工智能促進金融包容性和數(shù)字普惠金融應用生成式人工智能通過使金融服務更加普及和可訪問，有助于降低金融服務的門檻，使得偏遠地區(qū)和以往未能充分服務的人群能夠獲得金融產(chǎn)品和服務。。表3-X列示了生成式人工智能在促進金融包容性和數(shù)字普惠金融應用方面的實例。表3-X生成式人工智能在促進金融包容性和數(shù)字普惠金融應用方面的實例資料來源：施志暉,陸岷峰.生成式人工智能在金融服務創(chuàng)新中的應用、挑戰(zhàn)與對策[J].金融科技時代,2024,32(8):8-18.【隨堂測試3-X】請在大模型的輔助下，結(jié)合以上所學知識，尋找和探索更多金融行業(yè)在“智能客戶”“產(chǎn)品創(chuàng)新”“風險管理”“普惠金融”等場景下，應用生成式人工智能技術(shù)，開展金融科技創(chuàng)新的實例，并填入表3-X中。表3-X生成式人工智能金融應用場景實例場景公司/機構(gòu)名稱實例描述智能客服產(chǎn)品創(chuàng)新風險管理普惠金融【理論導學】三、大模型與生成式人工智能的關(guān)系大語言模型（LargeLanguageModel，LLM），簡稱大模型，通常指的是具有大量參數(shù)的深度學習模型，旨在理解和生成人類語言。大模型通常需要大量的數(shù)據(jù)和計算資源來訓練，能夠捕捉和學習數(shù)據(jù)中的復雜模式和關(guān)系，以實現(xiàn)高精度的任務表現(xiàn)。在自然語言處理、計算機視覺等領(lǐng)域，大模型已經(jīng)成為推動技術(shù)進步的關(guān)鍵因素。大模型與生成式人工智能具有密切的關(guān)系。（一）大模型是生成式人工智能的實現(xiàn)基礎大模型通過深度學習和大量數(shù)據(jù)的訓練，具備了生成新內(nèi)容的能力。大模型通常采用復雜的神經(jīng)網(wǎng)絡架構(gòu)，如Transformer，能夠有效處理序列數(shù)據(jù)，捕捉長距離依賴關(guān)系，為生成連貫內(nèi)容提供了技術(shù)保障。大模型的參數(shù)數(shù)量通常達到數(shù)十億甚至數(shù)千億級別，這使得模型能夠捕捉到更細微的數(shù)據(jù)模式，生成更高質(zhì)量的內(nèi)容。大模型通過在大規(guī)模數(shù)據(jù)集上的預訓練，學習語言、圖像等數(shù)據(jù)的分布特征。OpenAI歷代GPT模型的參數(shù)量和預訓練數(shù)據(jù)量如表3-X所示。表3-XOpenAI歷代GPT模型的參數(shù)量和預訓練數(shù)據(jù)量發(fā)布時間模型參數(shù)量預訓練數(shù)據(jù)量2018年6月GPT-11.17億約5GB2019年2月GPT-215億40GB2020年5月GPT-31750億45TB2022年11月GPT-3.5(ChatGPT)不詳不詳2023年3月GPT-45000億百TB以上在多模態(tài)能力方面，隨著技術(shù)的發(fā)展，大模型開始融合多種模態(tài)的數(shù)據(jù)，如文本、圖像、聲音等，這使得生成式人工智能能夠跨模態(tài)生成內(nèi)容，提供更豐富的應用場景。（二）生成式人工智能是大模型重要的應用領(lǐng)域生成式人工智能作為大模型應用的一個重要領(lǐng)域，涵蓋了多種創(chuàng)造性任務，如文本生成、圖像創(chuàng)作、音樂制作等。（三）大模型的涌現(xiàn)能力進一步拓展生成式人工智能應用范圍涌現(xiàn)能力指的是當模型規(guī)模達到一定程度時，模型表現(xiàn)出一些意料之外的新能力和特性。這種現(xiàn)象在生成式人工智能中尤為明顯，例如在大語言模型中，當參數(shù)數(shù)量增加到一定閾值時，模型突然能夠完成一些之前無法完成的復雜任務，如理解隱喻、生成創(chuàng)造性文本等。四、金融大模型的功能金融機構(gòu)在應用大模型到金融業(yè)務場景的過程中，可能面臨通用大模型的金融專業(yè)性不足、難以滿足金融場景的定制化需求、不符合金融領(lǐng)域應用合規(guī)要求等挑戰(zhàn)。面對上述挑戰(zhàn)，一般需要經(jīng)過兩個主要步驟：一是從通用大模型進一步訓練調(diào)優(yōu)出專業(yè)的大模型；二是以大模型為核心，結(jié)合金融專業(yè)知識庫、金融專業(yè)工具庫、“智能體”、安全合規(guī)組件等構(gòu)成一個可滿足金融領(lǐng)域安全應用要求的應用系統(tǒng)，來支撐在金融應用各場景中的應用，如圖3-X所示。圖3-X金融大模型落地應用路線金融大模型的功能，主要體現(xiàn)在提升金融服務效率、提高投資決策水平、加強風險管理和反欺詐、增強金融機構(gòu)市場競爭力、拓展金融教育和培訓形式等方面。（一）提升金融服務效率金融大模型在提升金融服務效率方面展現(xiàn)出巨大的潛力，尤其在自動化客戶服務和加快業(yè)務審批速度等方面，通過優(yōu)化操作流程、減少人力成本、提高決策速度和準確性，極大地提升了金融服務的整體效率。例如，中國郵政儲蓄銀行的新一代智能客服“小郵”，基于金融大模型能夠提供“7×24”小時的客戶服務，處理各種常見的查詢和交易請求。在業(yè)務審批方便，金融機構(gòu)可以將金融