AI在货币政策领域的应用潜力与局限 - 货币政策本质上是随经济周期或宏观经济指标调整的"慢变量"，调整不会太快，例如CPI数据每月收集一次[3] - AI的高频数据处理能力与货币政策所需的稳健、持续判断特性存在一定差距[1][3] - AI和机器学习技术在数据收集、处理及模式识别方面具有显著优势，但对货币政策的直接影响尚不明显[3] AI在金融稳定与风险防控领域的应用前景 - 人工智能在金融稳定领域的应用潜力更为突出，特别是在预测金融不稳定风险方面[3] - 可利用机器学习和深度学习技术，通过历史金融数据、金融机构健康度变化来提前推测风险，例如应对类似硅谷银行、银门银行等极为突然的倒闭事件[3] - 预测金融系统不稳定风险需要AI处理大量结构性和非结构性数据，包括社会情绪、舆情信息等多模态信息，因其爆发往往经历积累期后突发，与传统正弦波式经济周期不同[3] AI应用带来的监管挑战与问题 - AI带来的"黑箱模型"问题需要关注，若金融机构大量使用不可解释的深度学习模型，监管部门将面临模型结果难以解释、潜在风险不可控的挑战[4] - AI高频短期数据分析可能与央行所需的长期稳定性和基础面导向不完全一致，这是需要认真对待和解决的问题[4]