【环球网科技报道记者林梦雪】近年来，随着科技的飞速发展，智能金融已成为金融行业的重要趋势。通过利用人工智能、大数据等先进技术，智能金融不仅改变了传统金融的服务模式，还提高了金融服务的效率和便捷性。与此同时，智能金融也带来了一系列的风险和挑战。

12月22日，中国证监会原主席肖钢在国民财富发展研究合作平台“AI+金融”峰会期间指出，智能金融虽然改变了甚至颠覆了传统金融的模式，增加了新业态，但其风险性依然不容忽视。人工智能在引领新一轮科技革命和产业变革的同时，也带来了各种复杂的风险和挑战。

肖钢强调，算法并非中性，而是预设了价值立场，并且依赖的数据往往具有局限性，不可能是完美数据。此外，算法应用也具备不确定性和不透明性，这些都给金融AI算法模型带来了潜在的风险。

在金融领域，算法模型的问题已经开始显现。肖钢以美国Zillow公司的智能投资模型为例，该模型在2021年预测房屋价格时出现错误，导致公司投资失败，亏损高达5亿美元。而在我国，部分金融机构虽然利用算法进行信贷模型的风控，但一些黑灰产组织也利用大模型技术，通过模拟模型参数、灌输数据后进行信贷欺诈，给金融机构带来了巨大损失。特别是中小银行，由于其风控能力相对较弱，更容易成为这些欺诈行为的攻击目标。

针对这些问题，肖钢提出了加强金融AI算法与模型治理的迫切性和重要性。他认为，治理的首要目标是建立可信任、可依赖、负责任的人工智能系统，同时确保效能和安全。为此，需要从多个方面入手。

首先，需要完善相关法律法规，建立法律框架，为金融AI算法与模型的治理提供有力的法律保障。其次，大型金融机构应建立专门的算法模型管理委员会，负责算法模型的日常管理和监督。此外，金融机构还需要建立对模型效果的自主评估、审查机制，以及问责机制和救济机制，确保算法模型在应用中始终符合法律法规和道德规范。

肖钢还特别强调了算法模型的分级分类治理。他认为，风控模型应放在最优先的等级，金融机构体系内价值较高、影响较大的模型以及新模型也应放在高等级进行重点管理和监督。这有助于确保算法模型在应用中始终处于可控状态，降低潜在风险。

肖钢还介绍了一些金融机构在算法模型治理方面的成功案例。例如，某国内商业银行设有模型管理委员会，制定了算法模型开发应用的战略和政策规则，建立了模型管理规范，并设有模型风险管理平台，实现了实时展现模型参数的前景、跟进项目进展、自动监控预警等功能。这些举措不仅提高了算法模型的治理水平，也有效防范了潜在风险。

肖钢认为，随着智能金融的快速发展，加强金融AI算法与模型的治理已成为当务之急。只有通过完善的法律法规、专门的组织机构、科学的评估审查机制以及分级分类治理等措施，才能确保智能金融在推动金融创新和发展的同时，始终保持在安全、可控的轨道上运行。