由中国商务部、科技部、工信部、国家发改委、农业农村部、国家知识产权局、中国科学院、中国工程院等国家部委和深圳市人民政府共同举办的“第二十一届中国国际高新技术成果交易会”于2019年11月13日-17日在中国深圳举行。国际银行业联合会（IBFed）总裁海德薇格·挪伦斯出席“新时代、新技术、新经济”主题论坛并演讲。
海德薇格·挪伦斯表示，中国的银行，他们现在在金融科技的应用上面其实已经占据了上风，微众银行就是一个很好的例子。其实微众银行是从一个一无所有，几年前没有任何的基石，完全没有客据库能够发展，现在他们的客户已经呈现了量级的发展，充分地利用了区块链、大数据和人工智能、云计算等等。在过去，他们只有一个在中国类似的银行，现在已经有了许多追随者，我们知道KWC这个过程，了解客户的过程，由于新技术的迭代得到了赋能，更好地了解了客户的背景，知道谁是谁。
以下为演讲实录：
大家下午好，各位尊敬的来宾，女士们、先生们，今天非常荣幸也非常高兴来跟大家做演讲，并且倾听大家的演讲，我们今天是2019年的高新技术论坛，我们也听说今天我们中国银行(3.650, -0.01, -0.27%)业协会也已经成为了我们非常重要的会员，我们有很多的会员都分布在全球各地，我相信有很多的联合会，我们之前也有很多的会员，有95%的银行都是我们的会员，现在我是董事总经理，所以我也能够跟大家做这个演讲，可以跟大家谈一谈我们几年前在北京举办了董事会，当时也进行了非常有趣的讨论。
女士们、先生们，今天有很多的讲者谈到的话题都是高新技术，所以要跟他们保持一致，今天我会跟大家谈一谈人工智能，也会跟大家谈一谈如何去适应不断演变的科技格局。那我们经常都在谈人工智能，包括机器人(13.540, -0.14, -1.02%)学习和物联网话题，还有5G，我相信这些话题他们都表明我们进入了第四次工业革命，而且中国在这几个层面做得都非常好，就像之前工业革命他们的标志都是蒸汽机或者电力，或者是通信技术，但是现在第四次工业革命当中，中国是领先者，我们改变的速度也非常快。就像更多讲者所提到的那样，第四次工业革命需要的是数据，需要很多数据，尤其是大数据。
我们看到很多银行金融科技，他们都会去利用这些技术来更好地管控风险，或者说提升他们的效率，提供更多的创新性金融服务。首先要跟大家讲的就是安全的原则，是英文写的一个原则，在这里每个字母都代表了一个原则，上个月在东京的时候，当然我们也有中国人民银行也在那儿，我们当时有很多的中国的代表团和行业的代表团，我们共同去讨论如何去建立起银行业的管理体系，所以我们有七个字，这里S代表的是健康，也就是说人工智能还有机器学习应该要有更好的解决方案，让这些解决方案能够构建成一个非常有效的健康应对来解决其他的问题。
第二个原则是负责任，这也就意味着我们要非常明确在公司当中谁负责哪块业务，谁来执行这个政策，谁来做到合规。我们在这方面也有很多的例子，尤其是在金融行业当中，我们在其他一些大银行都有类似的做法，他们会有高级的信用模型，会有一个评级去发起或者取消一个贷款，我们也会有独立的一个模型确认团队，他们有的时候会给模型发起很多的质疑和挑战。在执行层面，我们也有银行相关的人士去决定到底是否用这样的模型，我们也会有监管当局和监管的领导，他们允许我们去使用这个资本的模型和建模。
第三个原则就是公平，这也就意味着我们这样的一个模型他们是基于算法的，这样一个模型他们并不应该有偏见，或者说不应该有歧视，有的时候他们会去操控人类的一些行为，我们这方面有很多例子，比如说最近在美国有一家银行，他们受到了惩罚，因为他们歧视客户，会根据他们的交税代码歧视他们的客户，这样的话就不符合这样的原则，他们违反了当地社区的法律。
还有有道德就是指我们要正确地使用我们的权力，我觉得这个很难去界定，因为到底对不对是跟我们的价值观有关，那价值观可能在不同的国家又不一样，不同的客户群体又不一样，所以我觉得在应对道德这个问题上，要具体案例具体看。
还有在智能方面，在银行使用机器学习和人工智能的时候，他在决策的时候要非常地高效，要花足够的时间和精力去培训银行的员工，给客户通知，也让监管者得到一定的知悉，所以今天我们看到了有很多的年轻人，因为我个人会觉得年轻人是生活在数字化的时代，我觉得对你们来说去操控AI会非常简单。
最后的一个原则是透明度，要解释一下在这个盒子当中到底是什么，也就是黑箱子当中到底是什么样的机理，里面的算法一定要非常清晰地记录，类似的条件应该有类似的结果才能保障它的可信赖度，我也印象深刻，因为刚刚一位教授也提到了这一点，我觉得他的见解非常有洞察力。
接下来再跟大家谈到不同的受到审核的一些领域，在这方面，他们可能会有一些问题和一些困难，尤其从法律法规的角度来看，一个就是外包，外包是个大问题，尤其是在中国，我们都知道数据的储存，把它放到云方面是非常高效的，但是也会有很多问题，比如说安全的问题，比如说抗打击能力的一些问题。
但是我们也知道云能够给我们提供一个非常集中化的服务，我们都知道许多的一些银行业，他们都使用了一些措施来去避免系统性集中性的风险，去降低他们的风险。而在云端里面可以有一些不同的数据提供的集中性，能够更好地去覆盖市场，广谱更为广阔的客户。数据的隐私也是敏感的问题，也是每个人要注意的，在欧洲有个非常严谨的框架在实施，也就是个人隐私保护数据法。在美国，其实也有类似的法律，但是在美国对于数据的实时监测，并且在使用客户数据的时候需要有更强的合规。另外，我们讲到系统性风险，其实最重要的一点就是在金融服务提供的时候需要注意的要点，大家可能都同过Libra是脸书推广的跨国界，无国界的数字货币，如果Facebook实施了天平币将会改变格局，所以有些人觉得运用这个不太可能。另外在利用机器和自动化的时候，在这里面我也涵盖了国际金融研究院，就是我们的一个姐妹研究员的比较，他们问银行业的这些CEO您觉得机器学习技术采纳里面最大的挑战是什么？在蓝色这一些柱状图里面，他们认为2019年跟去年相比，对于机器学习大家提高了，人们提出了关于意识、认知的许多问题，大家都觉得机器学习肯定会发生，已经所向披靡了。另外也有一些CEO觉得相关行业对机器学习的内行外延，对于准备是不够的，所以这里面就有了很好的例子，我们有哪些真空地带需要弥补。
