AI对银行业性质的重新定义 - 银行业在过去六七十年间已发生根本转变，从传统银行转变为数据处理行业，核心业务如支付、定价、风险计量及市场营销均高度依赖数据分析和模型计算[2] - 人机关系经历深刻演变，从过去人主导、机器辅助，演变为人主要作为机器与客户之间的界面，这一历史性转变已持续六七十年[2] - 金融系统积累的海量数据使得机器学习能够推动传统模型向智能推理模型升级[2] AI在银行业的具体应用与影响 - 银行业主要依托大数据分析和推理模型，未来结构会进一步向此方向发展，银行的从业人员规模会显著受到影响和减少[2] - 近十多年来客户行为发生深刻变迁，越来越多客户更习惯与机器互动，不太愿意或认为没有必要人工介入，这种双向变化正推动AI在支付、定价、风险管理和市场推广等领域发挥更大作用[2] AI在金融监管与稳定中的应用 - 在反洗钱领域，当前系统可利用机器学习从海量数据中识别洗钱等线索，已取得很大进展[3] - 在金融稳定领域，机器学习有望从历史金融数据中推理预知“明斯基时刻”的爆发概率，但需要处理非结构性数据、多模态信息乃至考虑社会情绪[3] AI应用的挑战与政策影响 - AI模型的“黑箱”特性与监管要求的透明度存在矛盾，同时若AI模型过度依赖短期高频数据，其产出可能与金融稳健所需的长期性、基础面导向产生偏差[4] - AI可在物价和微观行为的数据收集、处理、模式识别和推理方面影响货币政策决定，但货币政策是“慢变量”，随经济周期调整而变化不会太快，过快响应可能引发不必要波动，因此慢变量需要慢处理[4] - AI对央行“双支柱”政策框架（货币政策和宏观审慎监管）的影响可能还需要更长时间的观察和研究[4]