ChatGPT對數字金融的影響及其法律規制

劉昭　王波

摘? ?要：ChatGPT作為人工智能發展新的里程碑，在數字經濟時代與數字金融的融合發展，給金融業帶來機遇的同時也伴隨著相應的法律風險。ChatGPT對數字金融發展的影響包括：驅動金融科技研發，優化金融要素配置；拓展金融服務模式，促進金融產業數字化發展；完善金融風險防控，提高金融風險預測能力。但ChatGPT也衍生出了一定的金融法律風險，具體包括：金融數據法律風險、金融算法法律風險、金融算力監管風險和金融應用場景風險。為有效對其進行規制，應該采取四方面措施，一是增進ChatGPT數據規制，確保金融數據合法；二是優化ChatGPT算法，促進算法合理化；三是強化ChatGPT算力規制，推動算力資源共享；四是廓清ChatGPT應用場景規制，優化金融應用場景風險管理。

關鍵詞：ChatGPT；數字金融；數據安全；算法治理；算力監管；人工智能；金融科技

DOI：10.3969/j.issn.1003-9031.2023.09.004

中圖分類號：DF438? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1003－9031（2023）09－0041－13

一、引言

在數字經濟時代，人工智能是引領科技革命和產業變革的戰略性力量。OpenAI①負責研發的ChatGPT（Chat Generative Pre-trained Transformer，對話生成式預訓練模型）作為生成式人工智能（AIGC）技術的最新成果之一，是一種經強化的人工智能深度學習模型?；跀祿?、算法和算力三個方面的技術支撐和強化學習、神經網絡和Transformer模型（深度學習模型）等技術模型，ChatGPT較以往AI系統表現更突出。隨著ChatGPT技術的完善和創新①，對ChatGPT的理解不能僅僅局限于一種聊天軟件，而應進一步將其作為一款具有數字內容生成能力、數字編輯能力和數字分析能力，并能滿足用戶需求的一款強人工智能系統②，更要將其視為一種先進的生產工具。但ChatGPT作為新興人工智能，在數字金融領域的應用尚處初級階段，存在一定的不確定性，如ChatGPT與數字金融領域的合法性、合規性和安全性，均可能涉及諸多法律問題和技術挑戰。

因此，在數字經濟時代，為促進數字經濟和實體經濟結合，加快科技成果轉化和產學深度融合發展，從數字金融視角切入，思考ChatGPT給數字金融帶來的機遇，并以法律規制的方法應對其帶來的挑戰符合國家經濟高質量發展要求和未來經濟發展趨勢，具有一定的前瞻性和現實意義。

二、文獻綜述

（一）ChatGPT數字金融發展的現狀

ChatGPT作為一種新興科技，對數字金融發展既有積極的一面，也存在消極的一面。從積極方面考察，王彥杰等（2023）認為ChatGPT與數字金融的融合發展，將會豐富業務種類、優化金融要素配置、促進金融科技發展和金融產業結構升級。同時，張夏恒等（2023）認為ChatGPT作為新一代人工智能的代表，以技術賦能促進行業轉型，在智能服務、智能研投、智能營銷等方面表現出巨大優勢，提升了數字金融的行業邊界，有效推動了數字經濟的高質量發展。并且，曾雄等（2023）認為ChatGPT具有強大的計算能力和反欺詐技術，與數字金融融合，能夠有效完善金融風險防控，提高金融風險預測能力。

從消極方面看，ChatGPT對數字金融的影響也是多方面的，可能衍生多重法律風險。蒲清平、向往等（2023）認為在數據安全方面，ChatGPT在數據收集和數據篩選方面仍存在不足，由此可能涉及金融數據質量、用戶隱私金融數據監管方面的風險。畢文軒等（2023）認為在算法技術層面，由于算法技術的理論研究還未跟上實踐的步伐，因此，ChatGPT在數字金融領域的廣泛適用仍會出現算法欺騙、算法歧視等缺陷，由此加重金融系統性風險。高婭楠等（2023）認為在算力方面，仍存的法律缺失風險、算力追責風險和算力壟斷風險等影響數字金融安全性的因素。此外，在金融應用場景層面，ChatGPT金融模式及其相應的風控手段尚未經歷過各類經濟周期和宏觀事件的考驗，面對多場景組合仍面臨不同層面和不同程度的場景應用風險。

（二）ChatGPT數字金融法律規制的完善路徑

ChatGPT在數字金融應用過程中以數據、算法、算力為支撐，以具體應用場景為依托，呈現不同方面和不同層次的風險。因此，從數據、算法、算力和應用場景四個方面加強規制，是保障數字金融穩定發展的前提和基礎。從金融數據安全層面考慮，田長星等（2022）認為對ChatGPT數據安全治理要把握三個維度，即完善人工智能數據安全法規、完善金融機構數據治理框架和增強金融數據風險防控能力。從算法治理角度考慮，卡里·科利亞尼斯等（2022）認為ChatGPT的開發和應用階段都是以人主導，故此，在算法治理過程中應該秉持以人為本原則，堅持技術中立，同時，實施分級備案管理制度和加強國際合作。在算力治理方面，張宏科、劉康等（2023）認為要完善相關法律、強化平臺責任、加強算力監管和提供充足保障，以期ChatGPT和數字金融穩定發力。在應對金融應用場景風險方面，戴淑婷等（2021）認為對ChatGPT的規制應該堅持發展與規制并重原則，加強政策引導、分級分類保護和搭建場景化責任體系，促進ChatGPT和數字金融良性發展。

（三）對現有研究內容的評析

綜上所述，從目前的發展狀況來看，就科技賦能數字金融行業，大家已經達成共識，但面對ChatGPT這種強大到具有劃時代意義的人工智能，與數字金融的結合，一些人仍保持保留、中立甚至反對態度，從長遠發展看，ChatGPT將會是引領新一輪科技革命和產業革命的戰略性力量。從ChatGPT治理看，目前多集中于安全性、透明性、可解釋性、可控性等治理框架下，忽視了從人工智能本身，即人工智能核心三要素——數據、算法、算力，三個維度展開思考，同時，ChatGPT與人的交互過程中，人類始終占據主導地位，因此，應多從人本位出發，思考解決問題的辦法，而不僅僅是從技術本位出發，避免營造技術恐慌氛圍。ChatGPT畢竟是一項新技術，任何技術在發展初期都會對人類正常生產秩序造成不同程度的干擾，誘發人們的抵觸情緒，從技術向善主義角度看，ChatGPT本身并不具備善或惡，因此，為避免“科林格里奇困境”，我們應該堅持包容審慎的態度，堅持發展與保護并重原則，積極探索ChatGPT與數字金融結合的精切點，抓住機遇，在實現人工智能與數字經濟高質量發展的過程中趨利避害。

三、ChatGPT對數字金融發展的影響

金融產業與人工智能、大數據、云計算技術廣泛結合，使得金融大數據深度挖掘能力和信息實時整合能力得到質的躍升。ChatGPT與金融領域的銜接，借助其龐大的數據支撐和算法邏輯，將促進金融科技和科技金融的創新發展，提升金融信息的利用效率，拓展更多服務模式，優化風險管控能力，給金融市場發展注入新活力。

（一）驅動金融科技研發，優化金融要素配置

金融科技的進步直接影響著金融產業增長的速率與質量。ChatGPT作為一種新型科技產品，象征著數字技術和金融科技的進步，為金融科技的創新和金融產業的繁榮孕育了新動能。作為人工智能發展領域具有里程碑意義的ChatGPT對數字金融產業結構的影響主要表現在以下三個方面。

一是豐富業務種類，滿足企業和個人的金融服務需求。ChatGPT依托Transformer模型和“人工智能三要素”的支撐，將會在傳統金融服務體系基礎上衍生出更多的服務模式，對數字貨幣、移動支付、智能信貸、網上保險等提供更加智能化和多樣化的服務，以滿足企業和個人的階段化需求。

二是優化生產要素配置。數字技術的進步是實現產業結構升級的內生動力。傳統金融服務在數字經濟時代已經疲憊不堪，對實現企業提質增效和服務經濟高質量發展力不從心。而ChatGPT的出現為金融服務的發展提供了新的突破口，ChatGPT巨大的數據配置，增加了企業和金融機構的金融知識儲備，為金融創新提供了充分條件，極大地提高了生產要素的利用率，為數字金融產業結構化轉型創造了良好條件。

三是驅動企業技術投入，提高金融市場競爭力。數字金融時代利用的就是數字技術對行業、企業和個人數據的收集和整合能力，ChatGPT在這一方面的能力遠超同領域其他人工智能，人類更是望塵莫及。隨著金融產業的多元化發展和消費需求的不斷提高，加大金融科技的研發和資金投入，是應對將來數字金融市場變化，增加金融市場競爭力的唯一出路。

（二）拓展金融服務模式，促進金融產業數字化發展

隨著ChatGPT功能的不斷完善與創新，將為數字金融發展拓展更多服務模式，也會促進數字產業化和產業數字化深度融合發展。目前，銀行、證券、信托、基金等金融機構，將AI視為自身發展的重點，未來，以ChatGPT為代表的強人工智能將促進金融科技的創新發展，并加快推進產業數字化和數字產業化的新金融理念的具體實踐。

一是ChatGPT+智能服務。運營成本以效率原則為前提，伴隨ChatGPT技術的進步，未來ChatGPT可應用于多樣化的場景，不斷提高金融綜合性服務水平。首先是智能網點，ChatGPT擁有更加智能化的引導，可以為金融消費者提供更加智能化的服務。如為銀行設置ChatGPT智能機器人引導客戶操作，能夠精簡辦事流程，提高審核速度和準確率，大幅提升業務辦理效率。其次是智能顧問，ChatGPT智能金融顧問可以根據歷史經驗和市場資訊整合金融信息，預測金融資產和價格波動，然后在此基礎上結合客戶的風險承受能力，為客戶提供更加優化的投資方案。最后是智能客服，與人工客服相比，ChatGPT擁有非常龐大和完整的知識儲備，在同行業甚至同領域都堪稱“專家”，它能夠根據不同服務群體，提供更加標準和高質量的服務，滿足不同消費群體的需求。同時，ChatGPT不會因為某些情緒化的波動而使業務能力下降，并且ChatGPT可多業態、全天候提供服務，有效分流了部分簡單業務，降低了人工客服的工作壓力，提高了企業和金融機構的效率。

二是ChatGPT+智能研投。ChatGPT+智能研投將會降低金融研發成本。人工智能是數字經濟的核心，作為一種計算統計技術，有能力從海量數據中找出隱藏的模式和規律，根據現存數據創造更多的數據信息知識，而更廣泛的信息又可反作用于人工智能的研發與訓練。ChatGPT擁有龐大的數據庫、新穎的算法邏輯和數據模型，通過自然語言識別、知識檢索、深度學習等技術整合各類金融數據，在金融數據的來源、金融數據的獲取、金融數據的處理和金融報告的生成過程中可以發揮更大的作用，為金融機構提供更加可靠的咨詢。通過打破金融機構、金融客戶、企業、投資者和居民之間的信息障礙，降低了傳統金融市場在信息收集、監督履約、談判和違約處理方面的成本，從而縮小金融交易成本的市場間隔，促進金融產品競爭價格的形成，優化金融大數據。

三是ChatGPT+智能營銷。ChatGPT+智能營銷的服務模式將會有力提高金融交易的效率。ChatGPT通過深度學習建立起自己的學習模型，將數字營銷工作數據進行篩選沉淀，結合智能搜索和互聯網素材為金融消費者提供更加個性化的服務。一方面，金融機構或者金融消費者通過提問ChatGPT，它可以在已有的數據庫中對比分析同類型業務，為金融機構或者金融消費者制定更加合適的金融產品和增值服務。同時還可根據大數據分析，判斷金融機構或者金融消費者的風險承受能力，為其推送更加合適的業務。另一方面，基于ChatGPT的龐大數據和強大的算法算力支撐，在智能投資方面可以進一步擴大信息來源和信息整合能力，與以往搜索引擎檢索信息不同的是，ChatGPT提供的是更加智能化的自然語言對話模式，而不僅僅是單一的網頁，通過設定關鍵詞和條件，ChatGPT在優化市場目標、產品競爭和政策追蹤等方面將為投資決策提供更新的方法和思路，從而提高投資研究的效率，節約投資成本。

（三）完善金融風險防控，提高金融風險預測能力

金融風控已經不是一個新話題，做好金融風控，提高金融風險預測能力是保證金融可持續發展的保障。近年來，人工智能與大數據技術在金融風控領域的應用越來越成熟，在風控管理、欺詐檢測和信用評估等方面表現出巨大優勢。因此，將ChatGPT引入金融行業，依托強大的數據、算法邏輯和人性化的表述，ChatGPT智能系統可通過學習以往的案例、處理多維度的結構性及非結構性數據、監測并篩查可疑交易，提升反洗錢、反欺詐的效率。ChatGPT對金融風控的影響表現在三方面，在金融風控管理方面，ChatGPT背后的LLM模型技術①，可實現對關鍵要素提取、資料自動化審核、風險點提示等風控領域的業務流程，提升風控相關業務的自動化水平，幫助金融機構更好地管理風險，包括對信用風險和市場風險的預測、模擬和管理。通過AI和機器學習，金融機構可以更快速和準確地評估借款人的信用風險，降低壞賬率和信用風險成本。在欺詐檢測方面，ChatGPT還可以提高金融機構在欺詐檢測方面的效率。金融機構可以利用ChatGPT的算法模型進行欺詐分析和模式識別，進而預防金融欺詐和犯罪。在信用評估方面，通過使用ChatGPT和機器學習技術，金融機構可以更準確地評估客戶的信用情況，可借助客戶的交易歷史、社交網絡資料等數據來評估客戶信用，這將使得金融機構更有針對性地制定信貸政策，并降低壞賬率。

綜上所述，ChatGPT憑借大數據、大算法、大算力和大智化建構起的技術模型，對金融科技和科技金融的融合發展創造了新的條件，拓展了金融服務發展模式，促進了金融服務多元化發展方向，同時，強大的數據整合能力和數據分析能力，在金融風控方面表現出巨大優勢，提高了金融風險的預測能力。隨著強人工智能技術的發展，未來與數字經濟、數字金融的聯系將更加緊密。

四、ChatGPT衍生的金融法律風險

作為強人工智能的代表，ChatGPT給金融業在技術創新、業務拓展、風控優化等方面帶來機遇的同時，也隱藏著巨大的金融規制風險。ChatGPT作為具有劃時代意義的人工智能，在數據、算法和算力方面都實現了巨大的突破，但也面臨著金融數據、金融算法、金融算力和金融應用場景四方面的法律風險。

（一）金融數據法律風險

金融數據安全不僅具備數據的一般特性，更包含國民個人信息、企業秘密和社會經濟動態等重要內容。ChatGPT賦能金融產業，需要收集消費者和金融機構的信息，金融行業的復雜性、金融信息的龐大化和ChatGPT的信息收集能力成正比，一旦數據泄露，侵犯的不僅僅是消費者和金融機構的合法權益，甚至造成整個行業的不正當競爭和市場紊亂。具體而言，ChatGPT+金融模式引發的金融數據安全風險主要表現在以下方面。

一是金融數據質量安全風險。數據的質量保證數據生命周期的延續。OpenAI目前只公布了訓練ChatGPT數據的范圍，并未說明數據來源的具體邏輯，這其中存在非法收集數據的可能。如此便不能保證金融數據的質量，金融數據投毒和金融數據深度偽造的風險急劇上升。

二是金融數據隱私安全風險。在金融大數據時代，隱私保護顯得尤為重要?！吨腥A人民共和國數據安全法》第八條規定，開展數據處理活動，不得危害國家安全、公共利益，不得損害個人、組織的合法權益；《中華人民共和國個人信息保護法》明確了個人信息處理活動應遵循的原則，構建以“告知—同意”為核心的個人信息處理規則，保障個人在個人信息處理活動中的各項權利。然而ChatGPT在發展過程中涌現出許多令研究人員也無法說明的功能，這些功能在金融領域應用過程中可能導致金融數據過度采集和竊取變得隱秘化，侵犯商業秘密和消費者個人隱私的方式也更加難以察覺。進而誘發了國家、金融機構和金融消費者對ChatGPT所提供的金融數據的真實性和合法性的擔憂。

三是金融數據監管風險。ChatGPT+金融發展模式下，數據將會成為金融機構、企業和平臺的重要資源，越來越多的企業需要數據的頻繁流動來協同參與產業鏈，頻繁的數據共享和數據交換使得數據流動路徑變得復雜化，在此過程中可能誘發數據權力擴張、數據權屬不明和數據壟斷等風險。同時，頻繁的數據流動使得數據監管機構對數據追蹤變得更加困難，對數據的溯源治理難度直線上升。并且“ChatGPT+金融”發展模式的交叉性比較強，涉及的法律風險比較復雜，這也讓監管金融數據陷入了窘境。

（二）金融算法法律風險

人工智能算法金融應用的發展和監管是金融行業關注的重點。ChatGPT模型的算法和數據的魯棒性、透明度和可解釋性較弱，具有傳統算法的復雜、不透明等固有缺陷，可能帶來安全和隱私保護方面的風險，如傳播虛假信息、網絡安全威脅、數據安全問題等。雖然OpenAI公司承認自己的算法是公開的，但并未公開具體路徑，因此算法運作仍處于“黑箱”狀態，容易導致以下三方面的問題。

一是算法解釋權與商業秘密保護之間的沖突?！秱€人信息保護法》第24條在立法層面確立了個人獲得算法解釋權的權利，從專利保護制度而言，算法也是一種智力活動的規則，受《中華人民共和國專利法》保護，具有“秘密性”，因此這也為金融機構算法運行的商業秘密保護提供了正當性。然而在“ChatGPT+互聯網金融”的發展模式下，算法必定成為各大金融機構，包括企業的核心競爭力，因此受算法影響的消費者的算法解釋權與金融機構、企業的商業秘密保護之間不可避免存在價值沖突。

二是算法欺騙。ChatGPT在應用過程中出現的一個明顯的缺陷就是“一本正經地胡說八道”，這就可能給消費者帶來誤導性信息，產生錯誤判斷，再進一步便會侵犯消費者的知情權和公平交易權。以智能投顧為例，如果金融機構借助ChatGPT算法欺騙消費者，在業務界面生成一些不合理或者不準確的投資信息，會誤導消費者投資，增加投資風險，消費者的自主選擇權不能得到有效保障。

三是算法歧視。ChatGPT在自動化決策過程中，如果算法本身不具有中立性或者隱含錯誤、被人為操控，可能對消費主體進行差別對待，造成歧視性后果。如金融借貸歧視、平臺型企業大數據“殺熟”、相貌歧視、發表歧視性言論等都可能危及消費主體的合法權益，并進一步導致公平公正的金融市場環境遭到破壞。

（三）金融算力監管風險

算力是數據中心的服務器對數據處理后實現結果輸出的一種能力。數字經濟時代，算力資源是數字經濟發展的重要底座。相較于數據和算法，人們對人工智能算力的認識還存在一定的認識短板。ChatGPT一次訓練所需的計算量最高達3640PFlop/s-day，單月運營算力7034.7PFlop/s-day，對應成本約889萬美元，其認知能力、理解能力和推算能力都是建立在算力的基礎上的。因此，算力對ChatGPT的影響不容忽視。

一是法律缺失風險。算力以數據為基礎，是對數據的處理與加工。我國目前并未針對算力專門立法，只是籠統的見于《中華人民共和國數據安全法》，其第三條規定對數據的處理要保證數據安全和合法。針對ChatGPT這種運算復雜的大型人工智能語言模型，原則性的規定對算力資源的申請、使用、結算和清退的保護不具有實際的可操作性。隨著算力平臺的興起與發展，互聯網算力的規范化運行應提上日程，盡早立法規制，避免算力壟斷、算力違法交易等行為發生。

二是算力追責風險。ChatGPT在計算過程中出現錯誤，造成金融資產流失或者侵犯第三方利益時，對算力的問責是由算力提供平臺承擔、還是由使用算力資源的企業負責，處罰的根據是什么，懲處力度如何判斷，怎樣補償因算力差誤給利益受害者造成的損失等，目前并未有統一的規定。

三是算力壟斷風險。目前我國算力資源平臺方興未艾，要防止平臺進行算力資源的壟斷。同時可能出現部分金融企業與算力資源平臺達成算力壟斷協議、濫用市場支配地位、經營者集中等嚴重干擾金融市場穩定的壟斷行為。

（四）金融應用場景風險

得益于市場需求的多樣化和人工智能產業的迭代升級，ChatGPT在金融應用方面的驅動力不斷加強。然而，作為新興技術，ChatGPT金融模式及其相應的風控手段尚未經過各類經濟周期和宏觀事件的考驗，面對多場景組合仍具有一定風險。具體而言，包括以下三方面的風險。

一是金融應用場景之內風險。金融應用過程本就是客戶與金融服務機構之間相互關聯的過程，在此過程中客戶處于積極主動地位，金融服務機構則一般位于被動地位。因此，金融應用場景之內風險主要是指與客戶本身的信用狀況、欺詐行為等相關的風險。ChatGPT在數字金融領域的應用場景涉及銀行、證券、保險等不同服務機構，以及不同服務機構之間諸如智能客服、智能投顧、智能風控等不同服務階段。這些都需要ChatGPT能夠準確分析客戶的需求、情緒、行為和信用狀況，并提供適合的服務和預警分析。如果ChatGPT語義理解錯誤，或者邏輯推理錯誤，就可能導致客戶與金融服務機構之間的信任度和滿意度問題，甚至出現違約和金融欺詐等法律糾紛和監管風險。

二是金融應用場景本身風險。金融應用場景本身涉及的風險主要是指金融業務的經營管理、技術安全和交易效率等方面的風險。ChatGPT在數字金融領域的應用，主要是依賴其強大的數據資源、計算能力和技術支撐，如果出現硬件故障、網絡故障、軟件故障等問題，輕則影響金融服務機構的日常運營，重則導致金融數據泄露，引發金融數據安全風險，破壞金融領域的穩定性和安全性。

三是金融場景之外的風險。這類風險不是由客戶或者金融服務機構本身導致，而是受金融市場的波動，如宏觀經濟政策、金融監管制度、市場交易機制和國際經濟變化等因素影響，導致ChatGPT金融模型失效和風險防控策略不適應等方面的風險。ChatGPT畢竟是一種新興科技，尚未經歷各種經濟周期和宏觀事件的考驗，面對多場景組合和金融監管，如果缺乏足夠的有效數據訓練和強大的自主學習及更新機制的檢驗，就可能導致ChatGPT在具體應用過程中的預測性不足，造成服務質量下降，甚至破壞整體金融領域的穩定性。

綜上所述，數據、算法和算力作為ChatGPT三大核心要素，在數字金融應用過程中存在金融數據安全、金融算法風險、金融算力監管等技術問題和法律風險。同時，面對金融市場需求的多元化，ChatGPT在不同金融應用場景下承受的風險也有差別。因此，加強對ChatGPT的法律規制顯得尤為重要。

五、ChatGPT數字金融的法律規制

（一）增進ChatGPT數據規制，確保金融數據合法

數據在ChatGPT的訓練過程中發揮著至關重要的作用，高質量的數據可以提高ChatGPT輸出結果的準確性。已經發現ChatGPT在金融數據的質量、隱私保護和監管等方面存在現實的隱患，因此加強對ChatGPT的數據規制有其現實必要性和正當性。針對數據治理，我國先后頒布了一系列規范性文件來強化數據安全與質量管控，如《個人信息保護法》《數據安全法》《網絡安全法》等。歐盟在數據治理方面，先后頒布《數據治理法案》《數位服務法案》《數位市場法案》《人工智能法案》等系列法律政策，試圖從數據要素層面實現對人工智能的源頭治理，確保其全球領先地位。結合國內司法實踐及域外經驗，對ChatGPT數據的治理應從三個方面來規制。

一是要完善人工智能數據安全法律法規。完善的數據法律法規是人工智能技術研發和技術服務的保證。面對ChatGPT這類生成式人工智能的快速發展，國家網信辦于2023年7月10日發布《生成式人工智能服務管理暫行辦法》，并自2023年8月15日起施行。其中22條第2款和第3款規定：“生成式人工智能服務提供者，是指利用生成式人工智能技術提供生成式人工智能服務（包括通過提供可編程接口等方式提供生成式人工智能服務）的組織、個人。生成式人工智能服務使用者，是指使用生成式人工智能服務生成內容的組織、個人?！钡墒饺斯ぶ悄芊者^程不僅包括服務提供者和使用者，還可能涉及技術的研發者、維護者等多位“提供者”，這種對身份界定的模糊性處理可能導致產品提供者責任過重，存在責任承擔不均衡的風險。因此，人工智能數據安全需要建立統一規范的數據安全標準體系。加強與金融機構、金融監管機構和其他行業的大數據管理機構的聯動合作，建立完善數據綜合應用標準規范，貫穿金融數據全生命周期、安全防控全鏈路的技術標準和規范流程，確保金融數據安全性和合法性。

二是完善金融機構數據治理框架。ChatGPT接入金融機構，勢必會打亂傳統金融機構的數據治理框架，因此金融機構要加快完善金融數據治理體系。從數據管理、數據安全性、數據質量、數據治理、數據分發、數據監管和數據使用等方面盡快搭建起適應ChatGPT數字金融應用的數據治理框架，有效提高金融服務能力和風險管理水平。

三是增強金融數據風險防控能力。面對ChatGPT固有的數據風險，金融監管機構應完善數據管理，建立規范的金融數據管理機制，確保金融數據可追溯、可控、可信和完整。加強網絡安全、數據備份和恢復、風險預警和監測等方面的能力，提高金融數據的安全性。加強金融數據清洗、金融數據提取和金融數據驗證等方面的工作，提升金融數據的質量，降低金融數據風險。同時，注重金融人才儲備和先進技術的引進，形成“以技術制約技術”的安全防范路線也是提升金融數據風險防控能力的重要舉措。

（二）優化ChatGPT算法，促進算法合理化

人工智能算法就是通過深度學習模仿人類大腦對圖像識別、處理的方法。ChatGPT嵌入數字經濟發展過程中可能存在算法解釋權和商業秘密保護之間的沖突，以及由算法歧視、算法欺騙和算法權力引發的金融商業倫理失衡風險。因此，對ChatGPT進行算法規制有著現實必要性和正當性。就“算法解釋權和商業秘密”之間的沖突重點是對“解釋權”的理解?！敖忉尅笔侵冈谟^察的基礎上進行思考，合理地說明事物變化的原因和事物發展之間的聯系及規律。所以“算法解釋”強調的應是“算法公開”而非“算法透明”。并且“算法解釋權”圍繞的應該是技術開發者與利益相關者之間的決策信任問題，因此并無必要過分強調算法的透明度。對于算法欺騙、算法權力和算法歧視等人工智能存在的算法風險，不僅僅是在應用過程中出現，在算法研發階段也有可能存在。OpenAI公司技術研發人員超過九成為年輕人，研發團隊成員多為美洲和歐洲人，其中很難說清是否存在因價值觀念的不同導致的技術研發存在歧視。因此，有必要從“技術研發”和“技術應用”兩個階段對ChatGPT進行算法的法律規制。針對人工智能算法引發的危機，2022年美國聯邦政府頒布《2022年算法問責法案》對算法透明度和事后問責提出了新理念。歐盟2018出臺的《通用數據保護條例》也對數據治理提出了具體的規范措施。我國于2022年3月施行的《互聯網信息服務算法推薦管理規定》規制了算法要素的治理。綜上，對ChatGPT算法要素的法律規制不應片面討論，應立足技術研發與技術應用的過程當中的全要素，既要從技術本身出發，也要注意人為因素對算法的影響。因此，ChatGPT賦能數字金融過程中應堅持以下幾個原則。

一是技術中立原則。ChatGPT在嵌入數字金融應用過程中，技術研發人員應尊重金融科技發展本身的規律，承認、尊重和不干涉金融算法研發階段的客觀規律，聚焦在金融應用階段的人機交互。這不是在技術研發過程中的算法邏輯中尋找突破口，而是通過設立特定的法定程序讓算法的金融應用支持、協助和促進企業發展。

二是分級備案原則。ChatGPT的技術研發者、利益相關者和服務推薦者應按照算法所涉及金融服務的類型、消費者的規模、算法處理金融數據的重要程度實施分級分類管理。同時，對金融秩序維護和國家經濟發展具有重大影響的算法推薦，應就算法服務提供者的名稱、類型、應用領域等信息進行嚴格落實。對于不履行分類分級和算法備案的企業或者金融機構，應予批評、警告、罰款、吊銷營業執照甚至刑事處罰。

三是共同參與原則。共同參與原則旨在通過ChatGPT和技術研發者、企業、金融機構、消費者、法律工作者等代表多元價值的社會主體共同參與，消除利益相關者之間的歧視和信息的非對稱性，確保算法目標、內容和程序的公平性和可解釋性。

四是加強國際合作。ChatGPT技術在全球范圍內得到迅速發展，但各國對于ChatGPT算法規范的制定存在一定的差異。因此，需要促進國際合作，建立全球范圍內統一的人工智能算法規范，避免ChatGPT與數字金融交互過程中因不同國家的算法標準不同而導致的金融秩序混亂和金融風險。

（三）強化ChatGPT算力規制，推動算力資源共享

算力資源是數字經濟時代發展的重要底座。OpenAI公司推出的GPT-3模型的高性能以規模為代價，使用的最大數據集在處理前容量達到了45TB，參數多達1750億個，計算需求高達3640pfs-day。ChatGPT“脫胎”于OpenAI在2020年發布的GPT-3，實際上是GPT-3.5。GPT-3.5在一定程度上證明了超大數據加上超大算力確實能導致人工智能性能的極大躍升。相較于算法和數據，算力問題受到極大的忽視。觀研網發布的《中國算力行業發展現狀研究與投資前景預測報告（2022—2029）》顯示，近年來國家為了支持互聯網算力發展，制定了一系列促進算力發展的規劃、政策。各單位基于已有的設備、系統、平臺以及應用場景，經過長期的積累已取得諸多成果，陸續發布《中國電信云網運營自智白皮書》《中國移動算力網絡白皮書》《中國聯通算力網絡白皮書》《中國通信學會算力網絡前言報告》。但目前我國在算力領域仍存在限制，應從以下幾個方面進行強化與規范。

一是完善相關立法。目前針對算力的規制多是一些政策指引、行業標準等，并未出臺針對算力的法律法規?！痘ヂ摼W信息服務算法推薦管理規定》是我國出臺的首部規制互聯網算法的規范性文件，但其中并未涉及互聯網算力的相關內容，因此應在其中加入“算力規制”或者另行起草《互聯網信息服務算力管理規定》。

二是強化平臺責任。首先，算力服務平臺要不斷提高技術水平，滿足金融機構對于算力資源的多樣化和個性化需求，支持金融業務在不同應用場景下高效運行。其次，算力服務平臺要建立完善的數據保障體系，采用加密、隱私計算和區塊鏈等技術，保護金融數據的完整性、可靠性和可追溯性，不斷提高風險管理能力和水平。最后，算力服務平臺也應強化自身社會責任意識和道德意識，遵循公平、透明、可信原則，避免算法歧視和算力濫用，維護金融市場的穩定性。

三是加強算力監管。金融監管機構有權就算力服務平臺涉及金融數據安全的算力使用流程、測試驗證、數據遷移、數據使用和銷毀方案進行檢查和監督，定期開展安全性檢查和評估。同時，算力服務平臺內部也應建立完備的控制制度，完善數據治理機制，實施數據審計和風險評估，利用大數據和人工智能等技術手段，實現對算力服務平臺的實時監測、精準分析和有效干預，及時發現和處置運行過程中的異常情況，為金融服務過程提供全面保障。

四是提供充足保障。首先，要加強組織保障，各算力服務平臺所在地政府要明確目標責任，加強組織指導，推動算力基礎設施和算力資源調度服務建設。成立算力網絡協會，推動算力服務標準的制定和人才服務、調查研究、金融服務等工作。其次，在人才培育方面，要加強與普通高校和職業院校算力相關專業人才的交流協作，算力行業、金融行業、互聯網行業之間要加強算力人才培訓，保障人才供給。最后，要完善算力評估體系建設，建立完備的算力測評體系，覆蓋算力、算效、能效、碳效等算力發展指標，提升算力資源利用效率，著力打造綠色金融服務標準。

（四）廓清ChatGPT應用場景規制，優化金融應用場景風險管理

相較于宏觀層面對于ChatGPT的關注，以及智能要素層面對于算法、數據及算力的強調，應用場景層面的規制有其特殊性。一方面，ChatGPT已經展現出了強大的潛力，如金融數據篩選、金融風險預警等，但其作為一項新興科技必然具備脆弱性，所以我們要對其進行保護性管理。另一方面，科技是把雙刃劍，ChatGPT也暴露出了它的局限性，如可能導致金融數據泄露，引發金融安全，故又要對其進行限制性管理。因此，對ChatGPT應用場景的規制要堅持區分原則，堅持發展與規制并重。

一是加強政策引導。ChatGPT作為新興科技，雖存在一定風險，但瑕不掩瑜，政府部門應加強對金融機構與ChatGPT等智能科技的融合創造良好的政策環境，如提高對人工智能產業的征稅門檻和加大財政支持等以促進人工智能應用場景的創新發展。

二是分級分類保護?；凇癈hatGPT+互聯網金融”的不同場景的差異性確定場景風險等級，并針對不同級別風險實施不同程度的規制。例如，將對消費者基本人權和市場公平構成明顯威脅的應用場景視為“不可接受”；將可能危及消費者人身安全及基本權利的場景中視為“高風險”；將具有特定透明度義務的應用場景視為“有限風險”；將提供簡單工具性金融服務功能的應用場景視為“極小風險”。從而為金融機構構建起以風險防范為基礎的四級防御體系，為ChatGPT數字金融應用場景搭建安全屏障。

三是搭建場景責任體系。法律責任以法律義務的存在為前提。作為ChatGPT服務的提供者和使用者，金融機構本身便負有合理合法使用ChatGPT的義務。金融監管機構需要根據特定場景中ChatGPT的風險程度、消費者的合理預期、實際預期和合法預期來確定損害程度和確定責任。具體而言，應當依照消費者在單一場景和復合場景中的合理預期，對金融消費信息的收集、存儲和使用的全過程進行界分。同時還要區分ChatGPT自身缺陷產生的侵害，對ChatGPT技術的開發者、銷售者、使用者的責任進行系統性判定。

六、結語

ChatGPT對數字金融的影響是多方位的，既能驅動企業技術創新，又能在智能客服、智能投顧、智能營銷等方面拓展新的服務模式，同時依托數據、算法和算力三方面的技術支撐，有力提高了數字金融的風險防控能力。但由于技術層面和認知層面存在不足，導致ChatGPT在數據、算法和算力和層面帶來一定的法律風險和監管困境。通過對數據、算法、算力和應用場景四方面的法律規制，為ChatGPT與數字金融的交互打通壁壘。ChatGPT作為一種新的生產力，是未來經濟發展的趨勢，我們應該抓住機遇，在實現人工智能與數字經濟高質量發展的過程中趨利避害。

（責任編輯：張恩娟）

參考文獻：

[1]高俊.ChatGPT生成式AI的算法安全風險及治理路徑研究[J].通信與信息技術，2023（4）：122-124+128.

[2]王惠敏，許峰，蔡士林.ChatGPT應用的風險迭代與法律因應研究[J/OL].電子政務：1-12[2023-08-25].http：//kns.cnki.net/kcms/detail/11.5181.TP.20230628.1331.008.html.

[3]邱冬陽，藍宇.ChatGPT給金融行業帶來的機遇、挑戰及問題[J].西南金融，2023（6）：18-29.

[4]畢文軒.生成式人工智能的風險規制困境及其化解：以ChatGPT的規制為視角[J].比較法研究，2023（3）：155-172.

[5]張欣.生成式人工智能的算法治理挑戰與治理型監管[J].現代法學，2023，45（3）：108-123.

[6]曾雄.ChatGPT在金融行業的應用探討[J].金融科技時代，2023，31（5）：19-22.

[7]易憲容.ChatGPT的顛覆性影響及其應對：以數字經濟為主線[J].江海學刊，2023（3）：78-85.

[8]Tianyu Wu，Shizhu He，Jingping Liu，Siqi Sun，Kang Liu，Qing-Long Han，Yang Tang.A Brief Overview of ChatGPT：The History，Status Quo and Potential Future Development[J].IEEE/CAA Journal of Automatica Sinica，2023，10（5）：1122-1136.

[9]王洋，閆海.生成式人工智能的風險迭代與規制革新——以ChatGPT為例[J].理論月刊，2023（6）：14-24.

[10]蒲清平，向往.生成式人工智能——ChatGPT的變革影響、風險挑戰及應對策略[J].重慶大學學報（社會科學版），2023，29（3）：102-114.

[11]王慶華.ChatGPT對經濟社會發展的影響及啟示[J].中國物價，2023（4）：7-9.

[12]Fei-Yue Wang，Jing Yang，Xingxia Wang，Juanjuan Li，Qing-Long Han.Chat with ChatGPT on Industry 5.0：Learning and Decision-Making for Intelligent Industries[J].IEEE/CAA Journal of Automatica Sinica，2023，10（4）：831-834.

[13]張夏恒.新一代人工智能技術（ChatGPT）可能引發的社會變革[J].產業經濟評論，2023（3）：22-30.

[14]王彥杰，孫曉曦.數字金融、技術進步與產業結構升級[J].河南科技學院學報，2023，43（3）：33-40.

[15]Fei-Yue Wang，Qinghai Miao，Xuan Li，Xingxia Wang，Yilun Lin.What Does ChatGPT Say：The DAO from Algorithmic Intelligence to Linguistic Intelligence[J].IEEE/CAA Journal of Automatica Sinica，2023，10（3）：575-579.

[16]賀裴菲，劉穎格，韓瀚，郭奕君.ChatGPT與金融科技：中國的機遇與挑戰[J].清華金融評論，2023（3）：91-94.

[17]鄧建鵬，朱懌成.ChatGPT模型的法律風險及應對之策[J].新疆師范大學學報（哲學社會科學版），2023，44（5）：91-101+2.

[18]張夏恒.ChatGPT的邏輯解構、影響研判及政策建議[J].新疆師范大學學報（哲學社會科學版），2023，44（5）：113-123.

[19]張夏恒.基于新一代人工智能技術（ChatGPT）的數字經濟發展研究[J/OL].長安大學學報（社會科學版）：1-10[2023-08-25].http：//kns.cnki.net/kcms/detail/61.1391.C.20230221.1718.002.html.

[20]高婭楠，王慧娟，王喆，盧薇青，張正卿，韓喆.算力網絡助推金融元宇宙的落地[J].郵電設計技術，2023（2）：1-5.

[21]van Dis Eva A M，Bollen Johan，Zuidema Willem，van Rooij Robert，Bockting Claudi L.ChatGPT：five priorities for research[J].Nature，2023，614（7947）：224-226.

[22]梁晶.大數據時代下的算法價格歧視研究[J].價格月刊，2023（3）：17-22.

[23]劉琳.算法解釋權與商業秘密保護的沖突化解[J].行政法學研究，2023（2）：168-176.

[24]中國人民銀行南京分行科技處課題組，田長星.金融科技在金融數據治理領域的應用[J].金融縱橫，2022（11）：32-36.

[25]卡里·科利亞尼斯，孟李冕，宋華琳.算法規制：作為治理工具的機器學習[J].湖湘法學評論，2022，2（2）：148-160.

[26]宋黎磊，戴淑婷.中美歐人工智能治理領域的競爭與合作[J].當代中國與世界，2021（4）：58-67.

[27]程琬清，孫明春.人工智能技術在金融業的應用與挑戰[J].現代金融導刊，2021（2）：7-13.

[28]夏詩園.人工智能在金融市場應用優勢、風險及監管研究[J].金融理論與教學，2021（1）：8-13.

[29]張立書.人工智能在金融服務體系中的創新應用[J].河北金融，2020（3）：4-6+23.

[30]習近平.高舉中國特色社會主義偉大旗幟? 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[J].黨建，2022（11）：4-28.

收稿日期：2023-08-14

作者簡介：劉 昭（1998-），男，陜西漢中人，西安財經大學法學院碩士研究生；

王 波（1974-），男，陜西西安人，西安財經大學法學院教授。

①在數據支持上，OpenAI主要使用網絡爬蟲抓取開放數據，數據集來源包括維基百科、書籍、期刊、Reddit（一個綜合性的社交新聞網站）鏈接、CommonCrawl（一個開放的網絡爬蟲數據倉庫）等。

① LLM模型技術可以理解和生成自然語言文本，它最大的特點是可以在大量的文本數據上進行預訓練，學習語言的統計規律和知識，然后在特定的任務上進行微調，提高模型的性能和泛化能力。