1. 人工智能在政策制定中的应用
人工智能 (AI) 的快速发展对金融体系和实体经济产生了深远影响，中央银行和监管机构正积极探索利用 AI 政策制定。报告首先介绍了与公共机构应用相关的核心 AI 概念，重点关注机器学习 (ML)。随后，报告提供了中央银行和监管机构在四个关键领域使用大数据和 ML 的示例：
- 信息收集和官方统计的编制：中央银行使用 ML 技术收集和分析大量数据，例如使用隔离森林检测衍生品数据集中的异常值。
- 宏观经济和金融分析以支持货币政策：ML 技术帮助中央银行利用非结构化数据，例如新闻文章和社交媒体帖子，来预测通货膨胀预期和实时监测经济状况。例如，随机森林可以分析社交媒体上的价格相关消息，并将其分类为预示着通货膨胀、通货紧缩或中性的预期。
- 支付系统监督：ML 模型可以帮助识别复杂的洗钱模式，例如“老鼠仓”账户网络或小额转账网络，从而提高洗钱监测的有效性。例如，BIS 创新枢纽的“奥拉”项目使用合成洗钱数据测试了传统模型与 ML 替代方案的性能，结果表明，ML 方法比传统的基于规则的方法更有效。
- 监管和金融稳定：AI 可以帮助监管机构自动化监管流程，例如文档处理、知识管理和文档审查。例如，欧洲中央银行的“雅典娜”项目使用 AI 对监管内容进行分类、评估情绪和标记新兴主题。
2. 挑战和经验教训
尽管 AI 具有巨大的潜力，但其有效使用也面临着一些挑战：
- 可解释性：复杂的 ML 模型可能难以解释其预测结果，这可能会影响决策的透明度和公众信任。
- 技能短缺：中央银行需要投资于 IT 和人力资本，以培养和吸引具备经济专业知识和编码技能的人才。
- 数据治理：中央银行需要制定有效的数据治理框架，以管理数据的质量、审计和元数据管理。
- 隐私问题：AI 的使用引发了关于个人数据和隐私的担忧，中央银行需要确保其 AI 应用符合隐私法规。
- 运营风险：对少数外部供应商的依赖可能会带来 IT 故障或网络攻击的风险，中央银行需要加强网络安全措施。
- 人才流失：中央银行需要制定有效的人才保留策略，以应对 AI 领域的人才竞争。
3. 合作与经验分享
为了应对这些挑战，中央银行需要加强合作和经验分享。例如，中央银行可以共同采购商业数据、共享细粒度数据、开发和培训 AI 模型，以及标准化数据实践。通过建立“实践社区”，中央银行可以分享知识、数据、最佳实践和 AI 工具，从而降低采用 AI 的门槛并提高效率。
