祝世虎：ChatGPT給金融機構帶來的思考

以下為實錄內容：

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。“2022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：從技術到客戶的珠聯(lián)璧合

誠然ChatGPT的技術非常好，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成功的關鍵之一。

從技術和產(chǎn)品關系的角度分析，首先，我所經(jīng)歷的AI史上第一個里程碑AlaphaGo，雖然其技術是很領先的，但是因為其產(chǎn)品設計使客戶群體僅局限于圍棋的垂直領域，難以形成ChatGPT這樣受歡迎的場景。技術好不是全面的，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，但是二維碼技術推廣同期有更先進的技術，比如門禁卡技術、芯片卡技術。二維碼的成功并不是源于技術先進，而是產(chǎn)品成功，也是延續(xù)易用、好用、實用的路線。以金融機構的視角來看，第一，創(chuàng)新產(chǎn)品、數(shù)字化轉型時一定是業(yè)務引領，而不是科技引領；第二，轉型和創(chuàng)新的成功一定是業(yè)務的成功，而不是科技和風險的成功；第三，業(yè)務成功的關鍵一定是產(chǎn)品的成功；第四，線上唯一可以調動客戶行為的是產(chǎn)品設計。綜上，ChatGPT帶給金融機構的啟示是：路線業(yè)務引領，標志業(yè)務成功，核心是產(chǎn)品成功，產(chǎn)品調動客戶。

3、OpenAI：工程師的桃花源

OpenAI成功的關鍵因素包括兩方面，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。“自由散漫”指的是當技術路線和管理路線發(fā)生沖突時，工程師要站在技術角度進行取舍?！袄硐氤绺摺敝傅氖菆远ㄗ陨砑夹g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人員的占比從側面反映一家金融機構的數(shù)字化轉型的程度。對于金融機構而言，模型人員占比越高，機構的自動化程度越智能；ITBP人員占比越高，機構的科技和數(shù)字化轉型越貼近業(yè)務。

另一方面，OpenAI將算力、專業(yè)化的數(shù)據(jù)處理全部外包。這對于金融機構在設置外包和自主研發(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，重復性勞動能被簡單智能機器所取代，比如金融機構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。雖然會在短時間內對人類的就業(yè)結構產(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)結構發(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)結構、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日益增長的物質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供給。綜合來看，ChatGPT只會短期內對人類的就業(yè)結構造成沖擊，中長期并不會導致人類的大規(guī)模失業(yè)。

二、ChatGPT的技術分析

1、技術路線：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“通用復用”的思維，即強調代碼、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？關于技術路線的選擇，當時NLP領域中存在著兩類技術路線，第一類是深度學習模型，第二類是預訓練模型。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)逐漸被預訓練模型所取代。預訓練模型又存在了兩個技術方案：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路線在開放式領域中的成功只是領域問題，在金融領域內，封閉性Bert技術路線或許更有優(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)字化轉型的成功，都應該是產(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，技術積累。技術積累實際上是不斷試錯的過程，解決的是理論推導和工程實踐中的技術差異。不斷試錯就是技術的積累，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，訓練成本極其昂貴。據(jù)傳聞，微軟為其訓練花費20~30億美金。第三，理念積累。在NLP領域中，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路線的厚積薄發(fā)。對于給金融機構的啟示是，并非誰的技術好就用誰的技術，應該用成本的思維去選擇適合自己的技術。

有些資深專家認為GPT3的成功不僅是技術，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架構設想的堅持；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技術路線還是GPT的技術路線。對于BERT和GPT之爭，它們只是各有所長，在開放式領域GPT有天然優(yōu)勢，但在垂直場景與受控領域，只要堅持下去，BERT也會脫穎而出。

3、融合技術：多模態(tài)大模型

通用人工智能AGI的核心是與任務無關的大模型LLM，目前在自然語言相關領域有三大方向：GPT適用于語言領域、Codex適用于代碼領域、DALLE適用于圖像領域。上述應用讓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)之間的對應關系，例如將一段文本和對應圖片聯(lián)系起來；二是實現(xiàn)不同模態(tài)數(shù)據(jù)間的相互轉化與生成，例如根據(jù)一張圖片生成對應的語言描述。這種技術路線的關鍵是，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的應用邊界、法律與合規(guī)

第一，應用平民化但建模貴族化。應用平民化體現(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，我覺得未來在AGI領域只有中國和美國具有構建基礎底層能力。

第二，AI出現(xiàn)“大而不能改”的現(xiàn)象，迫使人們適應AI。GPT有1750億參數(shù)存儲知識邏輯，其中邏輯關系、相互關系、學習過程等在技術上尚未完全明確。參數(shù)修改主要靠昂貴的模型訓練，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AI模型，還是AI模型適應人？

第三，智能缺陷。ChatGPT通過文本語言等訓練模型，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的工作中。

第四，技術缺陷。ChatGPT具有與傳統(tǒng)人工智能技術類似的缺陷，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》需要強調用戶進行單獨授權。二是在個人數(shù)據(jù)的加工使用階段，ChatGPT使用RLHF的訓練方法，用戶使用過程中的輸入和交互信息可能會用于持續(xù)選代訓練，進一步被用于為其他用戶提供服務，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。三是訓練數(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)相關的信息，可能導致公司敏感信息泄露。五是算法缺簡導致數(shù)據(jù)主體行權困難，例如更改權、刷除權、訪問權等行權困難。

此外，ChatGPT還可能存在3條法律紅線。一是版權問題，ChatGPT撰寫作品的版權歸屬問題。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。三是關于拒不履行信息安全管理義務罪，比如科技公司被監(jiān)管所約談整改，但是由于模型存在“大而不能改”的特性而難以及時修改和完善。

四、ChatGPT在金融行業(yè)的應用與展望

1、ChatGPT的直接應用

第一，ChatGPT的能力分為底層能力和應用能力。大公司應關注底層能力的建設，小公司可以在垂直領域開發(fā)應用能力。

第二，ChatGPT與人機設備的整合。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的功能相結合。

第四，ChatGPT在金融領域的應用。首先，ChatGPT無法改變金融領域的運行規(guī)律，但能提升金融領域的現(xiàn)有智能。比如金融領域的RPA機器人和ChatGPT結合后變成智能RPA機器人；OA系統(tǒng)和ChatGPT結合變成智能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，在保險領域的應用快于在銀行領域，相對銀行簡單的信貸產(chǎn)品，保險產(chǎn)品更復雜，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“內容為王”，ChatGPT可能會改變這一切。假設ChatGPT的賬號是這么設計：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、技術屬性和金融屬性，并且數(shù)據(jù)具有相關性和正外部性。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，而是源于技術加工，數(shù)據(jù)的價值體現(xiàn)于數(shù)據(jù)產(chǎn)品的權益分配，但它受制于傳統(tǒng)的知情同意的授權模式，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)要素市場化的關鍵問題。

金融機構要參與人工智能治理中。第一是技術與內容并重；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合。

4、數(shù)據(jù)信托：數(shù)據(jù)與信托的完美結合

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

第二，數(shù)據(jù)確權中的數(shù)據(jù)信托制度優(yōu)勢。“數(shù)據(jù)二十條”持有權、加工使用權、經(jīng)營權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)信托服務優(yōu)勢。服務信托則具備將政府、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興起堪比文藝復興，文藝復興破除了人類創(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，在明確與AI的邊界線后，立法、工程師、應用才具有邊界和方向。