人工智能投資管理 兼顧道德與責任

無法像人類般思考存在偏差

與其他任何領域一樣，在投資管理採用人工智能，儘管有一定的實力，但也潛在弱點，畢竟人工智能無法像人類般思考，使用者須意識到數據的侷限，包括存在偏差。

舉個例子，在數據的分類，資訊被分為幾個領域，從機械學習計劃的訓練，在於鑑定數據的關連，或將結果加以分類。

人工智能算法式可能延續，並擴大現有數據的偏差，以致出現不公平和歧視性成果，因此，專業人士和數據科學家必須確保數據來源，不存在偏差，或通過了解數據，謹慎採用樣本，儘量將偏差減至最低。

在取得數據的過程中，相關方面必須遵守數據隱私法和保障法令。

在任何投資的分析模式，對使用者來說，詮釋能力是必要的，以瞭解和信任模式的結果。不過，一些人工智能算法可能造成投資決策，讓人類不容易明白或解釋，導致缺乏詮釋和透明度不足。

因此，可以詮釋和解釋的人工智能概念，已經成為發展人工智能工具和算法的核心。投資專業人士瞭解這些，包括假設性和侷限性，是他們將投資建議融入任何人工智能計劃的責任。

有時，使用者可能需要評估模式準確性與詮釋性之間，潛在的折衷交易，當然，模式越複雜，越有可能帶來超好表現，只是瞭解這樣的模式如何傳輸成果，可能深具挑戰，或者令人卻步。

鑑於人工智能是新東西，不容易明白，投資客戶可能顧慮人工智能系統的設計，將投資公司的利益放在第一位置，造成出現利益衝突，而且要確定誰需為人工智能導向投資決策，任何的負面成果負責也是有難度。

為了取得客戶的信任，必須要有充足的洞察力，監管和問責機制，確保從人工智能計劃取得適當成果，以管理風險。

此外，在投資管理採用人工智能，必須確保符合道德和責任，道德考量融入人工智能系統的發展與部署，這包括定期展開道德稽查，發展道德指南與政策，在道德人工智能實踐的基礎上，訓練投資專業人士。

全球投資專業人士組織─特許金融分析員協會（CFA），最近發表企業內部發展人工智能道德決策架構，以便在投資管理，推動人工智能科技的發展與革新。

鑑於人工智能程式將廣泛推行，投資機構必須擁有以客戶為中心，革新人工智能的文化，建立風險管理和監管架構，包括例常的測試模式，確保人工智能程式照顧客戶的利益。