人工智能投资管理 兼顾道德与责任

无法像人类般思考存在偏差

与其他任何领域一样，在投资管理采用人工智能，尽管有一定的实力，但也潜在弱点，毕竟人工智能无法像人类般思考，使用者须意识到数据的局限，包括存在偏差。

举个例子，在数据的分类，资讯被分为几个领域，从机械学习计划的训练，在于鉴定数据的关连，或将结果加以分类。

人工智能算法式可能延续，并扩大现有数据的偏差，以致出现不公平和歧视性成果，因此，专业人士和数据科学家必须确保数据来源，不存在偏差，或通过了解数据，谨慎采用样本，尽量将偏差减至最低。

在取得数据的过程中，相关方面必须遵守数据隐私法和保障法令。

在任何投资的分析模式，对使用者来说，诠释能力是必要的，以了解和信任模式的结果。不过，一些人工智能算法可能造成投资决策，让人类不容易明白或解释，导致缺乏诠释和透明度不足。

因此，可以诠释和解释的人工智能概念，已经成为发展人工智能工具和算法的核心。投资专业人士了解这些，包括假设性和局限性，是他们将投资建议融入任何人工智能计划的责任。

有时，使用者可能需要评估模式准确性与诠释性之间，潜在的折衷交易，当然，模式越复杂，越有可能带来超好表现，只是了解这样的模式如何传输成果，可能深具挑战，或者令人却步。

鉴于人工智能是新东西，不容易明白，投资客户可能顾虑人工智能系统的设计，将投资公司的利益放在第一位置，造成出现利益冲突，而且要确定谁需为人工智能导向投资决策，任何的负面成果负责也是有难度。

为了取得客户的信任，必须要有充足的洞察力，监管和问责机制，确保从人工智能计划取得适当成果，以管理风险。

此外，在投资管理采用人工智能，必须确保符合道德和责任，道德考量融入人工智能系统的发展与部署，这包括定期展开道德稽查，发展道德指南与政策，在道德人工智能实践的基础上，训练投资专业人士。

全球投资专业人士组织─特许金融分析员协会（CFA），最近发表企业内部发展人工智能道德决策架构，以便在投资管理，推动人工智能科技的发展与革新。

鉴于人工智能程式将广泛推行，投资机构必须拥有以客户为中心，革新人工智能的文化，建立风险管理和监管架构，包括例常的测试模式，确保人工智能程式照顾客户的利益。