Exchange Ranking
Top Exchanges
24h Volume Ranking
Popularity Ranking
Exchange BTC Balance
Proof of Reserves
Decentralized Exchanges
Funding Rate
Funding Heatmap
Liquidation Data
Max Pain
Long/Short Ratio
Whale L/S Ratio
Binance/Okex/Huobi L/S
Bitfinex Margin L/S
ETF Tracker
Solana ETF
XRP ETF
Hong Kong ETF
Bitcoin Treasuries
Crypto Reversal
Ethereum Reserves
HyperLiquid Wallet Analysis
Hyperliquid Whale Watch
Large Transactions
On-chain Movement
Bitcoin ROI
Stablecoin Market Cap
Options Analysis
News
Articles
Economic Calendar
Features
Wallet
Contract Calculator
Security
Collections
Watchlist
Following瑞波前首席技术官大卫·施瓦茨就人工智能在金融领域的系统性风险展开新讨论
瑞波公司（Ripple）荣誉首席技术官大卫·施瓦茨（David Schwartz）近日就人工智能和深度学习在金融领域广泛采用所引发的系统性风险，展开了新一轮讨论。这一讨论源于人们对前美国证券交易委员会（SEC）主席加里·根斯勒（Gary Gensler）于2020年合著的一篇研究论文重新受到关注。
被重新关注的AI与金融警告
X平台用户安德鲁·卡兰（Andrew Curran）最近指出，加里·根斯勒可能已经预见到了随着深度学习技术的成熟及其在金融行业的广泛部署，潜在的危险随之而来。卡兰观察到，随着金融行业逐渐向主流人工智能应用迈进，根斯勒早期的分析显得愈发相关且具前瞻性。
阿波罗全球管理公司（Apollo）的首席经济学家托尔斯滕·索洛克（Torsten Slok）也表达了类似的担忧。他警告称，人工智能代理在金融领域的快速采用可能会引发新型风险。他指出，不断寻找最优策略的AI驱动型投资者，可能会放大诸如银行挤兑等场景。卡兰将这些观点与根斯勒此前的研究联系起来，强调当算法系统大规模运行时，存在导致系统性不稳定的风险。
现任SEC主席的根斯勒在担任麻省理工学院斯隆管理学院职务期间，与莉莉·贝利（Lily Bailey）共同撰写了一篇题为《深度学习与金融稳定》（Deep Learning and Financial Stability）的论文。该论文发表于2020年11月，探讨了向深度学习模型转型如何可能削弱早期监管框架已建立的安全保障。
行业反应与专家见解
麻省理工学院的这篇论文警告称，为上一代技术设计的现有金融监管法规，可能无法遏制深度学习可能引入的新风险。研究表明，人工智能的快速进步可能会超出监管机构确保全球市场稳定的能力。
随着深度学习模型的采用，金融行业正进入一个数据分析迅速发展的新时代，然而基于早期数据分析技术建立的监管框架，很可能不足以应对这些创新带来的系统性风险。
针对这份被重新提及的分析，施瓦茨对根斯勒观点中的某些基本前提提出了质疑。他写道：“我认为其中很多内容是有道理的。但我不认同的部分是‘它们会变得如此聪明，以至于会做出愚蠢的事情’这一说法。”施瓦茨的言论似乎挑战了“人工智能智能水平的提升必然导致非理性金融事件”这一观点，同时也承认了对大规模自动化交易的广泛关注。
自主人工智能系统已经展现出处理复杂在线多步骤任务的能力。这一进展引发了一个问题：如果大量部署独立的AI代理网络，它们将如何互动并影响市场。
日益复杂的市场环境与模因代币动态
关于金融领域深度学习的辩论，与其他技术驱动的市场板块（如模因代币）的快速发展同时发生。在这个高度波动的领域，追踪市场情绪和投资者决策时机已成为关键。在模因代币领域，一个引人注目的案例是“Niu Lai”代币，据报道，初始投资99美元在短短几天内增长至约37万美元。据Fomo App显示，这一案例展示了巨额回报的潜力以及加剧的风险，而像Fomo App这样的工具则为实时代币发现、交易追踪、投资者排名和社会信息流提供了平台。随着新技术和病毒式趋势日益塑造市场行为，监测价格以及投资者活动至关重要。
随着创新和不断演进的算法重塑市场格局，监管机构和行业专家仍在审视，如何通过强有力的监督和审慎的系统设计来维护金融稳定。
