对于为经济保驾护航的政策制定者来说，其中的利害更为重大。央行本身就具有行动更慢、风险规避意愿更强的特点，它们正在截然不同的背景下在学习使用AI并权衡潜在风险。
最近人工智能（AI）的兴起带来了一系列非常有用的应用，例如帮助医生诊断疾病和科学家处理大量数据。那么，中央银行行如何应用这种快速发展的技术？分析大量数据作为中央银行核心工作的一部分，是做出良好决策的基础，有助于维持价格稳定，确保银行体系的安全和稳健。人工智能为中央银行提供了新的方法来收集、清理、分析和解释这些可用数据，以便将洞察力应用于统计、风险管理、银行监管和货币政策分析等领域的工作。
一、AI在欧央行的应用
与欧洲中央银行体系（ESCB）的其他中央银行和单一监管机制的国家主管当局一起，以及通过国际清算银行创新中心等倡议，共同探索人工智能的机遇和挑战。欧央行（ECB） 已经将AI应用于央行内部各个领域之中：
AI可以帮助人类做出重要的数据区分。
第一项举措涉及我们使用的数据。欧央行首席服务官米里安•穆法基尔（Myriam Moufakkir）表示，随着各类数据呈指数级增长，清理数据使其易于理解是一项关键问题。我们的统计人员需要将来自欧洲超过1000万家企业和政府实体（如金融机构、非金融公司或公共部门）收集、处理和传送的数据进行分类，以支持做出正确决策。然而，手动操作非常耗时。机器学习技术的自动化分类过程，意味着能使我们更专注于评估和解释这些数据工作。
第二项举措旨在加深对欧盟价格设定行为和通货膨胀动态的理解。今天，通过应用网络抓取和机器学习，能够收集大量关于单个产品价格的实时数据。然而，其中一个挑战是收集的数据在很大程度上是非结构化的，不适合直接用于计算通货膨胀的模型。因此，我们正在与欧元区其他中央银行的经济学家和研究人员一起，探索利用人工智能通过构建微观数据分析网络，以提高分析价格的准确性。
第三项举措是在银行监管领域。由于监管人员日常需要分析了大量相关文本文件（如新闻文章、监管评估和银行的文件）。为了将所有这些信息整合到一个地方，创建了Athena平台，帮助监管人员查找、提取和比较这些信息。平台采用自然语言处理模型进行主题分类、情感分析、动态主题建模和实体识别。监管人员现在可以在几秒钟内整理这些丰富的文本，更快地理解相关信息，而不是花时间搜索它。
大型语言模型（其中ChatGPT最为知名）是欧央行正在探索的另一个领域。我们已经确定了它们的一些可能用途。它们可用于为专家编写代码初稿，以供分析使用，或更快速、更彻底地测试软件。这些模型还可以分析、总结和比较被监管银行编制的文件。该技术还可以帮助更快地准备摘要和起草简报等，另外，大型语言模型还可以帮助改进工作人员撰写的文本，使欧洲央行的沟通更容易为公众所理解。
当然，我们对人工智能的使用持谨慎态度，并意识到它所带来的风险。我们必须问自己这样的问题：「如何以安全和负责任的方式利用大型语言模型提供的潜力？」以及「如何确保适当的数据管理？」与其他欧洲中央银行系统机构密切合作，我们正在研究数据隐私、法律约束和道德考虑（如公平、透明度和问责制）等领域的关键问题。考虑到这些因素，我们将继续研究使用人工智能的可能性和挑战。上述例子只是冰山一角。通过实施适当的治理、协调、基础设施和投资，将整合我们在人工智能方面的各项工作，并加快其在整个组织中的采用。这将使我们能够充分利用该技术的全部潜力，并使我们能够始终成为一个现代化和创新型中央银行：一个拥抱——并将继续拥抱——未来的欧洲央行。
二、AI其他中央银行和国际金融组织中的应用
AI在一系列中央银行应用中展示出良好前景。巴西央行建造了一个原型机器人， 用于下载消费者对金融机构的投诉，并通过机器学习对其进行分类。印度储备银行今年聘请了咨询公司麦肯锡（McKinsey）和埃森哲（Accenture）来帮助在其监管工作中部署AI并开展相关分析。
巴塞尔银行监管委员会发现，AI可以提高贷款在贷款决策和阻止洗钱方面的效率。这家委员会由央行官员和银行监管机构的成员组成，是世界顶级的监管标准制定机构之一。它还列举了一些风险， 例如理解不透明模型的结果、潜在的偏见和更大的网络风险。该委员会的秘书长尼尔 • 埃索（Neil Esho）去年表示：「用于判断什么是安全和健全的，并能够区分负责任和不负责任的创新的监管程序，无疑需要得到改善」。「就目前而言，我们还有一段路要走。」
国际清算银行（BIS）是一个由全球央行组成、委员会秘书处设在瑞士巴塞尔的机构，其已经测试了AI的各种潜在用途。例如，国际清算银行创新中心的 Aurora项目表明，神经网络（一种机器学习）可以通过探测传统方法无法识别的交易模式和异常情况来帮助发现洗钱活动。
