中央银行被警告在拥抱AI工具时的风险

在国际清算银行（BIS）最近的一份报告中，全球中央银行被警告要注意其日益依赖人工智能（AI）工具所带来的固有风险。这份题为“中央银行中的人工智能”的九页报告揭示了将大型语言模型（LLMs）整合到其运营中的用例和潜在陷阱。

中央银行通常被视为AI技术的早期采用者，越来越多地转向AI模型用于各种目的。这些AI模型在转变信息收集和处理方面发挥了重要作用，使许多传统的人力工作几乎过时。现在，AI模型被用于数据采样、清理和匹配，帮助中央银行利用经过验证的机器学习技术简化其运营。

AI在中央银行中的一个重要应用是在制定货币政策决策时。通过利用神经网络和随机森林模型，中央银行可以访问实时数据，以评估通胀预期并评估其货币政策的有效性。这些数据不仅来自传统的金融渠道，还来自社交媒体平台上可用的海量信息。

从海量数据中提取洞察

正如报告所指出的，筛选海量数据既耗时又充满挑战，这使得AI模型在高效提取相关洞察方面变得不可或缺。中央银行利用语言模型来总结复杂的金融报告、追踪经济趋势，并解读与企业领袖及市场专家的访谈。此外，这些中央银行语言模型（CB-LMs）已展现出预测市场对货币政策公告反应的能力。

AI系统也在监督和管理支付系统方面证明了其熟练程度。它们在识别异常金融交易方面表现出色，这是打击洗钱和预防网络攻击的关键因素。例如，巴西中央银行最近推出了ADAM，这是一个分类模型，旨在预测可能违约的借款人，从而增强其缓解金融风险的能力。

除了传统应用外，中央银行还转向AI系统来预测消费者对央行数字货币（CBDCs）和其他金融发展的反应。这些预测模型为政策制定者提供了宝贵的见解，以预测市场反应并相应调整。

AI整合的挑战与风险

虽然AI整合的好处显而易见，但报告强调了中央银行面临的挑战和风险。主要的担忧之一是训练AI模型所使用的数据可能导致输出存在偏见。此外，生成式AI模型虽然强大，但需要严密的人工监督，以减少错误和不准确性的可能性。

短期内，中央银行需要投资培训员工掌握新的AI技能，以便将AI系统有效地整合到他们的工作流程中。然而，它们在招聘拥有高级AI专长的员工时，可能会面临私营金融机构的激烈竞争。公共机构与私营部门之间的薪资差距进一步加剧了这种竞争。