中国银行业信用风险管理系统的重建（序言）第1章：通用框架理论信用风险分析系统第2章：一些信用风险矛盾本质主义第3章（定性学校）练习第7章：ji shaofeng辩证方法
意见负责人丨ji shaofeng
8.辩证的认知和人工智能
（i）JI辩证性认知理论和某些名词的解释
1。应阐明以下几点：该理论不是独立于薄空气而创建的，也没有由单个学者提出。这是我对认识论和信用方法融合的当前趋势的总结。许多专家都对该理论的许多观点进行了解释，理解和应用，但没有系统地组织。这种理论意识形态核心的核心源于我对因果推理的思想，黑格尔的辩证法贝耶西安网络理论，复杂系统的科学理论，社会建构和财务风险管理实践的理论。
2。关于“社会建设”
彼得·贝格（Peter L. “社会建构”一词最初是指“社会建构是通过习惯和制度化的过程，在这种过程中，人类的主观概念和互动客观地转化为人们认为坐着的社会现实。”我引用的原因是，一方面，我想表示信用风险不是静态和固有表达的形式。同时，我们想表达信贷客户的风险表现以及与信贷机构的合同关系。由于许多因素，例如社会规则，文化概念，机构信念等，信用风险分析不能集中于直接信息借款人本身，但也集中于与社会建设有关的间接信息。我已经改变了这个词的原始含义，以补充我的辩证法和信用方法，并构成了我的信用分析结构的重要组成部分。
我最终将社会建设定义为如下：
社会结构是社会规则和文化是指动态发展的风险感知和由四个关键要素形成的决策框架：concentos碎片，机构信念和信用风险分析专家的直觉。它的本质是通过在社会互动中提供问题而形成的集体语义系统。通过制度化，象征性和权力谈判等机制，它继续影响产生，评估和消除信用风险。
社会规则：主要由政府政策导向，财务监管政策，法律专业人士组成的强制性或请求框架行业的愿景和实践。它还包括宏观经济环境，这些环境倾向于干扰风险模型，例如环境变化，竞争行业因素等。
文化概念：特定地区/群体中信用价值的非正式共识表现为收购社会中的隐含保证机制（例如智人的“圈子内的相互保险”，降低了索引率，但放大器的风险是感染的风险），以及对特定行业的道德标签（例如特定行业的道德标签）（例如，“光既既定”的投入型，这些产生的态度是光关的。改变预定的社会成本时还款意图。
制度信念：集体决策的战略和战术设计 - 信贷组织，企业文化和历史经验形成的制定基因。这样的水泥水泥信念通过组织记忆偏好。
专家直觉的凝结：隐性因果知识的价值数千例案例提取的DGE基础是确定盲目数据的风险，预测政策影响的传播和破译灰色的商业信号，但可以通过认知偏见（例如退出区域歧视性贷款）将其边缘化。
随着外部诱导者的增加信用风险，社会保障的安装内容将继续富裕。
3。在“直观专家凝结”上
社会建设因素包括专家直觉的凝结要素。尽管专家因果扣除和专家直觉的凝结都来自专家，但这是两个本质上不同的认知模型。专家的因果扣除是可追溯的逻辑链，例如明确的推论，例如确定“新设备速率较低”。专家的直觉类似于该行业的莫名其妙的集体经验。这类似于“闻到工厂和Feeli”的困难小组经历管理层正在遇到问题。
专家的因果扣除是一个独立的要素。它属于在特定社会环境中可以存在的联合国主观和积极的分析过程。例如，国家信贷官员可以理解“高债务指数逻辑→非合规性”。专业直觉通常融入社会建构中，但本质上是特定社交网络的文化守则，该守则通常具有区域，文化和制度特征。例如，雇主突然加入法国卢德（Ludh）经常→口号行业“逃脱佛”的地图，财务总监拒绝视觉接触并触发隐喻。
（ii）不同的理论观点
学术界仍然有几种不同的观点。换句话说，智能模型和算法基于因果扣除的计算基本上是统计和概率方法得出的，不是真正的人类智能，无法从根本上解决因果扣除的问题。最终，因果扣除仍然需要基于大脑和人类专家的模型和人工智能的局限性，而人类则具有最后的判断权。
这些观点认为，基于当前算法的所有因果扣除都有三个基本局限性：
1。数学的基本局限性：
即使最先进的因果模型（例如SCM）仍然基于概率理论（术后数学定义必须符合后门标准）。与偶然的推断基本上是通过贝叶斯网络计算的，并属于概率类别。
2。不可估量的人类认知：
专家信任可以结合“难以形容的知识”，例如研究人员，并确定微代表的完整性根据企业主的企业主，并根据该网站研究的整体直觉获得公司的商业状况。真正的麻省理工学院证明表明，当涉及到远远超出当前算法能力的证据时，人类激活了前额叶友好的皮层的协同机制。
3。价值判断的道德困境：
该模型不能独立权衡“风险回报正义”的多个客观竞争（好像大规模雇主应该放松风险控制标准）。欧盟定律显然要求高风险AI系统保留“人类否决权”。
（iii）为什么专家经验仍然在公司信用分析中占主导地位
信用专家的专家仍然可以在分析和公司决策中克服大数据风险控制模型的原因本质上是由于人类情报在复杂的财务场景中所证明的多维竞争优势。这个优势是反映在三个主要方面：它包括决策逻辑，认知能力，风险反应，最重要的是：
1。弥漫性信号解释的优势，专家可以识别数百个定量信号，例如“垂悬的眼睛”和“办公室中的死植物”。这些微观表达/场景信息包含许多有效的风险警告。例如，直观的判断是“报告数据是合理的，但与共同的行业意识不符”。
2。叙事的逻辑测试能力，通过共同的问题在企业故事中发现泻湖：当公司解释“应收账款峰值”时，专家可以根据实践行业会计师（例如90天，客户的集中度等）建立逻辑闭合循环。该模型基于固定数据字段，但是人类根据对话过程实时生成有问题的树，并发现公司逻辑错误，这些错误通过访谈创造了伪造。
3。尺寸复杂价值判断的ns评估软信息，例如企业主的“朋友圈”，商会和行业地位的“朋友圈”的质量以及对供应商的评估，并确定公司对危机响应的潜力。
4。认知弹性和痕量推断，样本类比的少数情况以及基于少数病例的模式识别。经验丰富的专业人员需要数年的信用验证，以在有限的ACASE累积过程中与本地公司相同的商业行为形成相似之处。与模型相比，人类专家在因果关系中可能具有更高的精度。
5。道德和业务平衡分析风险与绩效之间的动态补偿。对于“暂时困难但具有良好基本概念”的公司的救援决定，有必要整合行业周期，管理声誉等。该模型严格遵循拒绝贷款的门槛，从而导致“阳光明媚和雨天”的“婴儿伞”的循环作用。专家可以根据对情况的普遍认识来进行独立调整，以恢复安全的客户。鉴于社会价值，大型雇主和战略工业公司的风险管理标准差异，这种政治和经济判断超出了算法的范围。
（iv）基于经过考虑的成本和技术能力，AI取代了人类专家，而无需经济和不现实的方法，就可以预测的积分和未来方法。
尽管人工智能技术在识别模式和自动化处理方面取得了重要成就，但试图以整体方式替代人类专家的尝试通常面临着极高的边际成本和无法克服的技术能力天花板。 “非经济替代方案”的这种现象主要由四个维度组成S：
1。模型的建筑和维护成本非常高
数据收集和清洁成本：在人类专家级别获得一系列AI，甚至需要明确标记的高质量和高质量标记的抽样数据。对于包括“高风险，低频”（例如公司贷款的批准）的复杂决策，获得足够的“不良样本”和极端案例非常昂贵且无法使用。数据清洁，标签和功能工程需要大量的人力资源和财务资源。
研发模型以及测试和错误成本：开发可以处理复杂，可修改和非结构化的人才信息的强大系统，第一个频繁的十字架 - 场地人才设备（金融 +计算机），具有长期的R＆D周期的高风险，并且研发成本是天文学的。
持续迭代，运营和维护成本：经济环境，市场规则和客户行为不断变化，“失败”或“恶化”模型，它需要连续监视，频繁的怨恨和版本更新。建立和维护这种运营和维护系统的成本极为昂贵，投资远远超出了一组专家团队的维护成本。
2。“长尾巴问题”导致技术能力的瓶颈并突然下降了盈利能力。
“一般案例”和“稀有案例”：AI很好地处理一般和标准化案例（决策问题”，占总数的80％，边际成本低和高效率。但是，其余的20％是奇怪的“长尾巴问题”（复杂，独特和前所未有的情况）。
盈利能力急剧下降。为了处理这20％的极端情况，必须以非常复杂的方式设计AI系统。这可能需要其额外资源投资的99％（数据，计算机能源，研发），但覆盖范围只有1％。入口/输出比DOE突然下降它在经济上寻找100％自动化的替代方案。相比之下，人类专家的边际成本要低得多，以解决有关因果推理和抽象能力的长期尾巴问题。
3。泛化和限制弥漫性情况反应的能力
过渡方案的成本：在一个领域（例如消费贷款）中培训成熟的AI模型无法直接移至另一个领域（例如小贷款）。所有新方案都需要数据收集，并从接近成本中重建模型，重复成本。
解决“未知未知”：人类专家具有基于常识和因果逻辑的“直觉”，并且可以处理从未发现的新情况（“未知”）。 AI只能在历史数据中定义的“已知未知”范围内推断。建立AI的“广义智能”是AI研究中的最后一个问题。您的技术道路仍然未知，成本是无限的。
4。attribu系统的隐性责任成本和系统的可靠性
成本责任：当AI做出错误的决定时，责任的财产将成为一个重要的问题。是开发人员，数据提供商还是使用它的公司？明确的责任机制是商业运营的基础。人类专家体系中有明确的责任链。建立AI决策的道德，法律和监管框架的总成本非常高。
系统风险成本：高度自动化的AI系统中未检测到的泻湖或偏差会导致大型，系统和错误的决定，并导致灾难性损失。人类专家系统是自然分布和异质性的，个人专家错误很难发展为系统性风险。保证AI系统的绝对可靠性所需的重新恢复和安全性。
结论：最好的解决方案不是替代方案，而是人类的补充UTER合作
从对成本和技术能力的不可或缺的考虑来看，最经济和现实的途径是与Hugh Machine合作构建智能系统，尽管它们可能永远不会成为“积分替代方案”，而不是追求成本。
在IA中尽力而为。它处理庞大的数据，执行标准化的流程，确定潜在模式，完整的重复任务，并充当专家的“超级助手”，以将商业决策制定的通常成本减少80％。
让专家做自己的好事。他们专注于20％具有复杂尾巴的病例，即新的长期AI系统。
工作模型的这种分裂不仅利用了人工智能量表的效率，而且还为人类专家的灵活性和深度提供了完美的游戏，从而实现了最佳的成本，效率和可靠性。因此，不是AI不能替代人类，而是在最复杂的领域，“交换”在技术上并不是无关的TED而不是成本，但“改进”和“调整”是最好的解决方案。未来的进步是否是“用于专家体验的数字降水 +真实时代的决策”的智能混合模型？可能是不可能的，但是在重要的否决权中，人类的统治已经存在很长时间了。
先前的文章
（本文的作者简介：我在中国受欢迎的银行和中国银行的监管委员会工作了16年，然后我在私人首都，融资，微洛恩斯和金融技术的Garantija工作。财务和金融专栏作家。
西纳金融公司（Nina Finance）认为的所有专栏都是作者的个人意见，并不代表西纳金融的立场或观点。 关注微信的“官方意见领袖”，并阅读更多令人兴奋的文章。单击微信接口右上角的 +记录，选择“添加朋友”，然后输入您的微信帐户。n领导者“ Kopleader”或扫描下面的QR码以添加您的笔记。意见领导者在金融部门提供专门分析。
作者的个人资料：Ji Shaofeng
他曾在中国的流行银行和银行的监管机构工作16年，然后在私人资本，贷款保证，微观和金融技术工作。中小型微型汇款行业的代表人物，这是中国小型和微复杂机构的CO AllianceBusiness Innovation Operation的发起人，小型和微型公司的实践专家，著名的互联网财务评论员和金融专栏作家。 “为什么99％的P2P死亡”和其他系列的作者，热门文章通常会在小市场和微货币中以精确的趋势和监管趋势进行预测。
