姚期智：中国金融科技发展的真正挑战是什么？如何解决？

雷锋网AI金融评论报道，2017年9月17日，由清华大学五道口金融学院、清华大学国家金融研究院主办的“第二届中国金融科技大会（2017）”在京举行， 2000年图灵奖得主、中国科学院院士、清华大学交叉信息研究院院长姚期智，发表了“金融科技对计算机科学和生态的影响”的主题演讲。

雷锋网(公众号：雷锋网)此前报道，2016年10月，清华大学与蚂蚁金服宣布成立校级联合实验室，未来5年内将在金融安全、区块链技术、人工智能、智能投顾等前沿科技领域开展应用研究。这是中国第一个金融科技实验室，而这个实验室设在清华大学交叉信息院，院长姚期智同时兼任实验室负责人。

在今天的演讲中，姚期智院士介绍了金融科技中人工智能和大数据、分布式账本技术和密码学等核心技术，以及以基于人工智能的风控、保护隐私的多方安全计算、隐私与监管的结合（应用零知识证明）的案例做出了金融科技对计算机科学和生态的影响。

姚期智院士表示，在金融科技里面，计算机科学的用途已经从台后走到了台中，对核心金融体系的运作上产生一定的价值。

以下是姚期智院士演讲实录，雷锋网AI金融评论进行了不改变原意的编辑：

金融科技现在对于传统的金融产业的生态有了一个非常大的冲击。

我想，金融科技对于计算机科学和生态，也有一定的冲击，我有很多的计算机科学的教授和同事，他们有些做人工智能的，有些做密码学的，他们现在主要的工作，过去的几年都是在向金融科技方面做的。所以，今天我所想要和大家交流的是，对于金融科技（尤其在中国）计算机科学家能够做什么事情。

我今天开始的时候，很简短地讲一下中国金融科技发展面临有什么样重要的挑战。然后多半的时间我想要谈一下，面对这些挑战，为什么计算机科学对于金融科技能够有影响，它到底哪些关键技术。所以我希望等一下讲完了以后，大家会了解到计算机科学不仅有一些关键技术，它能够帮助金融科技的发展，同时这些关键技术实际上是非常先进的，所以中间还有很多研究成份。

那么要谈金融科技在中国，我们先看看金融科技在美国。

中美金融科技差异：中国Fintech发展面临什么重要的挑战？

金融科技在美国

美国具有相当全面的金融系统，有非常多的金融产品。所以金融科技在美国，现阶段很大的一部分是——怎么样能够让这些金融的产品、金融的运作能够更加有效率，能够做得更实战、更有效。

• 比如，投资——投资人的钱，到达账户资金，中间要经过很多中介。比如说有一些资产经营的人，就有些贩卖金融产品之类的，所以中间可能要经过非常多的人，所以这里面的效率不好。

• 再看看支付，在这里面也很有意思。十年以前美国一个商学院的案例里面，他们说，中国想要做电商，那么挑战是没有一个支付的基本架构，但是在十年以后现在来看，现在中国支付的成本比美国要低得多了，所以现在美国人他们就要感叹，在美国的支付的服务成本太高，也不方便。所以也正在向中国的移动支付方面学习。

• 同时美国还有一个现象，因为它是一个很成熟的环境，所以规则特别多。比如说报税等等，有很多的规则和一些Paper需要做，所以这些都使得它的效率变得比较低落。所以大家都很有兴趣，是不是能够改变金融环境。

中美金融科技差异

在中国和美国不一样的地方是，在过去的5年、10年，其实金融科技在中国最大的一些精力都是在创造一些新的金融产品上。这件事情也有历史原因，因为互联网的兴起给中国一个机会，在中间能够做一些新的金融产品，不一定要每个事情都是经过美国的历史经验。那么就是有了这个新的环境，你已经有了很多的创新的事情可以做。

• 在中国有很多的互联网金融产品，也有一些事情是美国不太能做的，比如说互联网的保险，几毛钱的保单能够自动处理赔偿。像这种事情它的成本就比起美国要经过很多的人的经手，要有效率得多。

• 另外一个很重要的，在美国有FICO，所以说每个人（即使是个人）都有一个经济的历史，他很容易使得电商或者是其他借钱的人，能够有方法做征信，但是在中国没有这样一种有长久历史的系统，所以这个时候大家就需要花很大的精力研究有没有不同的方法，来做一种征信的方法。

• 另外比如说移动支付、电商还有小额消费，把这些金融上的事情都下放到这些供应链上来做，所以这些都是非常有效率的。

所以，中国的精力很多都花在这。因为这里面有一个问题：

我们进到了一个以前别人没有很长时间历史经验的环境，所以这中间有很多的弊病（比如说欺诈就很容易发生），所以风险这件事情就是——中国除了效率之外，我们要特别注重风险。在互联网时代、AI时代、金融时代，这都是非常有活力的一个方向。

所以，比较起来看，在美国是在一个成熟的市场当中，保守地前进，中国是在一个高速的发展情况进入一个未知的领域。

中国金融科技发展的挑战：信任

在中国金融科技发展面临的挑战，它最主要的问题是信任的问题，我们如何能够把商业融资环境不是那么成熟的、有历史性的环境里面，能够建立起一个金融系统，让大家能够非常信任它。在这里面大家对于一个运行的商业及企业来讲的话，重要的就是它有怎样的能够做风控、能够做风险的控制。

当然对于一个企业来讲，他最好的方法就是——全国每一个人的经济资料他都可以得到，这样的话对于风险就能够控制得最好。但是想要追求这种效率的话，就会侵犯到别人的权利，就会侵犯到个人的隐私。对于社会的来讲，一个非常大的商家能够垄断这些数据，这也是侵犯到社会的利益。

当然这些事情政府就不能不管，所以政府在这里面就必须监管。所以这个核心问题是，在这方面的利益，基本上在于风控、在于隐私保护，还有政府的监管，这三方面怎么样能够有一个平衡，能够做出一个大家都能够满意，而且它的效率又非常高的系统。这就是一个需要做的事情。那么这如果处理不好的话，就会有一些严重的后果。比如说政府的监控里面，不可能有一种政策的风险，它可能为了安全的缘故做一刀切，所以所有的这些都是一种可能的结果，所以必须要各方面都需要来讨论。

解决信任问题带来的挑战：AI、大数据、区块链

像这样的问题、理念，计算机科学怎么样能够帮助解决这些问题，事实上这里面有很多问题其实只有科学能够解决，只有信息科学等等非常高端的技术，才让我们能够使得这种平衡能够达到。所以我现在剩下的时间里面，要提到的是三个大的方向的技术：

• 方向一：人工智能和大数据。

• 方向二：分布式系统的可靠性和一致性技术。

• 方向三：密码学。

这三个领域都是非常大的领域，尤其人工智能本身就是一个非常大的领域，其他的两个也都是一些自己独立的领域，在这里面有非常长的历史。过去的三四十年做了很多的事情，有了非常多的了解。

但是很多的都是在一个理论的程度。现在金融科技的产生，产生一个生态的冲击，它的原因就是因为大家发现，这些积累下来非常多的一些知识，它突然之间有一个地方能够造成一个很重要的结果，所以这些能量从这些领域放射出来的话，所以使得这个生态会发生改变。现在我想讲几个例子给大家看一看，这几个例子也是我们院里面老师参加的一些项目。

项目举例1——基于人工智能的风控：无监督学习

我们刚才提到一个最重要地问题，对于中国来讲就是一个风控的问题。

在前几年的时候，因为我们进入这个时代非常快，所以使得很多人在这中间想办法诈骗，这个事情它发展到一个程度，他们甚至成立了很多的诈骗集团，他们是有组织的，他们分工合作，他有变化多端的，平常看不出来什么样的人是不良分子，有没有一些人伙同来做诈骗的事情。人工智能加上大数据，就能够使得我们有这个机会。

到目前为止，很多想要对付诈骗的方法，比如说他用一个黑名单，这种方法慢慢地就失效了，因为诈骗集团也很聪明，他们甚至可以用人工智能，想出对付你们的侦查他的方法。所以说需要有别的方法来做，如何能够用人工智能的方法及时地发现这些诈骗，这是一个非常重要的课题。

那么，我们院里面有老师参加的项目，在过去几年里面来建立一个基于大数据和机器学习的一个反欺诈的平台，基本上你可以从几亿的用户里面，从他们的行为上可以找出一些特征，同时在这些人群里面，你能够看一看，有没有哪些用户他们其实是看起来属于同一个诈骗集团。

所以说这个平台里面，他做了好几件事情（我只谈这其中的一件事儿），这件事情就是看很多用户，你从他们的特征上面来看，是不是其中有一堆人是大家联合在一起从事一个欺诈的。这种方法用的就是非常高端的人工智能的技术，这种叫做无监督学习的方法来学习（unsupervised learning）。

普通一般的机器学习是说你知道是怎么回事儿，你根据他们的特征，你来分辨这里面哪些是好人、哪些是坏人。但是因为这些诈骗集团，他们用了千奇百怪地方法，所以你也不晓得他们从表面上看有什么特征。所以你必须要用一种非常高深的unsupervised learning的方法，这种方法使得这个机器在里面自动找寻特征，自动地来看。

另外一个就是做这个平台，你做好了以后，你怎么样让别人愿意用这个平台。因为机器学习这个东西像一个黑盒子一样，你只知道他的结果相当好，但是你不知道这里面到底是什么原因，这里面会不会冤枉好人，这里面可能还有一个法律问题。所以说做这种平台不是一个容易的事情，要非常高深的技术，同时还要配合这个。

这个是我们院里面一个老师所参加的项目。

项目举例2：保护隐私的多方安全计算。

这是一个很昌盛的领域，基本上大家重视隐私，但是大家的数据有的时候要合在一起才能够真正地做成一件事情。我们院里面有一个项目，这个具体的场景就是做一个多头的借贷防范，在这个里面譬如说有一个人向一个互联网的金融公司借钱，那么这个互联网的金融公司就想知道你是不是现在已经欠了很多钱了，我是不是就不应该再借给你。

但是，怎么样能够知道这些数目，这就是一个问题。因为基本上你也不可能去问别的金融公司，说你有没有借钱给这个人，你问他别人可能也不愿意告诉你，因为大家都是在竞争、抢顾客。所以像这种事情你怎么样能够把它做好，而使得每一个人的隐私（包括他向谁借钱、借了多少钱），这种事儿全部都不知道，你怎么样做。那么这个事情听起来不可能，但是实际上在密码学里面，它有一个很大的方向，就是叫做多方安全计算。在这个里面基本上你任何大家明着可以计算的东西，你都可以保护大家的隐私来做的。

我跟大家讲一下为什么这件事情听起来不可能。

譬如说我们现在两个人（你和我），我想卖一个画，你能够出多少钱来买这个画，我们两个人在一起有没有方法能够交流，然后知道你想出的价钱够不够买我这个画。现在如果第一次听到这个问题的话，你怎么样来想也不可能想出一个方法，能够解决这个问题，但是不泄漏任何你自己的隐私，就是这个交易如果做不成的话，这两个人对对方的隐私是完全摸不着头脑的，但是在多方计算里面是可以做到这件事情的。

多方计算这么好的一个东西（我们已经知道几十年了），为什么到现在大家都一直没有用，主要是因为这个问题要把它实用化，让它变得在计算机上能够操作，还是一个相当困难的问题。所以现在突然之间在过去的一两年里面，多方计算变成了非常热门的题目（在密码学界里面），在最高级的会议里面常常有很多的文章都是关于做这个，怎么样把它实用化的这种方法。

项目举例3：隐私与监管的结合（应用零知识证明）

清华大学有一个精英班里面有一个本科学生，他做毕业设计是做的这样一个问题，我觉得蛮有意思的。大家觉得区块链非常好用，有一种方法能够使得区块链里面每个人都保守他的隐私（就是Zerocash的系统，核心是零知识证明），基本上大家都不知道别人的数据，但是像这种情况里面，你也变成一个没有用的，基本上你什么事儿也不能做。

所以这个问题是，这个学生想做的事情，他是怎么样把Zerocash这个区块链，能够把它激活起来，监管单位有哪一个人，哪些账户，他想要监控，你拥有这个账户的人，必须每个交易的时候，同时要写一个报告给这个监控单位，但是你要让这个区块链上面别的人都满意，觉得你这个人是按规矩做事儿。但是，你又不能把这件事情公开。

在密码技术里面其中一个技术，他可以把一个知识可以证明一件事情已经做了，而它对于这件事情里面的细节完全都不知道。所以说在这个事情里面，它所做的事情就是，如果我是被监控的，那么我每次做一个交易以后，我要寄一个报告给监控机关，同时我要给其他所有区块链上的用户，我要给它一个证明，证明说我这两个报告是一样的，就是我没有欺骗这个监管单位，而且实际上我做了这件事情。这件事情也是零知识能够做出这件事情的。主要的就是要怎么样让它有效率、有管理。

总结

最后我总结一下：

我们刚刚看到了怎么样用计算机的先进技术，能够使得金融科技非常有效地运转，也能够在欺诈上做出贡献，这也是为什么有很多的计算机科学家对此非常有兴趣（既使在学校里面），他的目的并不是为了赚钱，而是说给了他们一些新的机会，能够做一些最尖端的研究。

最后，我就想提到，基本上在金融科技里面，他使得计算机的用途从台后完全是一个支持的做很笨的计算的角色，走到了台中，能够真正地在核心金融体系的运作上，能够产生一定的价值。所以我觉得这个发展对于我们在学校的老师非常高兴，因为我觉得我们也有了一个机会能够培养出金融科技方面的人才，将来能够替社会、国家服务。

。