ChatGPT对数字金融的影响及其法律规制

刘昭　王波

摘   要：ChatGPT作为人工智能发展新的里程碑，在数字经济时代与数字金融的融合发展，给金融业带来机遇的同时也伴随着相应的法律风险。ChatGPT对数字金融发展的影响包括：驱动金融科技研发，优化金融要素配置；拓展金融服务模式，促进金融产业数字化发展；完善金融风险防控，提高金融风险预测能力。但ChatGPT也衍生出了一定的金融法律风险，具体包括：金融数据法律风险、金融算法法律风险、金融算力监管风险和金融应用场景风险。为有效对其进行规制，应该采取四方面措施，一是增进ChatGPT数据规制，确保金融数据合法；二是优化ChatGPT算法，促进算法合理化；三是强化ChatGPT算力规制，推动算力资源共享；四是廓清ChatGPT应用场景规制，优化金融应用场景风险管理。

关键词：ChatGPT；数字金融；数据安全；算法治理；算力监管；人工智能；金融科技

DOI：10.3969/j.issn.1003-9031.2023.09.004

中图分类号：DF438          文献标识码：A     文章编号：1003－9031（2023）09－0041－13

一、引言

在数字经济时代，人工智能是引领科技革命和产业变革的战略性力量。OpenAI①负责研发的ChatGPT（Chat Generative Pre-trained Transformer，对话生成式预训练模型）作为生成式人工智能（AIGC）技术的最新成果之一，是一种经强化的人工智能深度学习模型。基于数据、算法和算力三个方面的技术支撑和强化学习、神经网络和Transformer模型（深度学习模型）等技术模型，ChatGPT较以往AI系统表现更突出。随着ChatGPT技术的完善和创新①，对ChatGPT的理解不能仅仅局限于一种聊天软件，而应进一步将其作为一款具有数字内容生成能力、数字编辑能力和数字分析能力，并能满足用户需求的一款强人工智能系统②，更要将其视为一种先进的生产工具。但ChatGPT作为新兴人工智能，在数字金融领域的应用尚处初级阶段，存在一定的不确定性，如ChatGPT与数字金融领域的合法性、合规性和安全性，均可能涉及诸多法律问题和技术挑战。

因此，在数字经济时代，为促进数字经济和实体经济结合，加快科技成果转化和产学深度融合发展，从数字金融视角切入，思考ChatGPT给数字金融带来的机遇，并以法律规制的方法应对其带来的挑戰符合国家经济高质量发展要求和未来经济发展趋势，具有一定的前瞻性和现实意义。

二、文献综述

（一）ChatGPT数字金融发展的现状

ChatGPT作为一种新兴科技，对数字金融发展既有积极的一面，也存在消极的一面。从积极方面考察，王彦杰等（2023）认为ChatGPT与数字金融的融合发展，将会丰富业务种类、优化金融要素配置、促进金融科技发展和金融产业结构升级。同时，张夏恒等（2023）认为ChatGPT作为新一代人工智能的代表，以技术赋能促进行业转型，在智能服务、智能研投、智能营销等方面表现出巨大优势，提升了数字金融的行业边界，有效推动了数字经济的高质量发展。并且，曾雄等（2023）认为ChatGPT具有强大的计算能力和反欺诈技术，与数字金融融合，能够有效完善金融风险防控，提高金融风险预测能力。

从消极方面看，ChatGPT对数字金融的影响也是多方面的，可能衍生多重法律风险。蒲清平、向往等（2023）认为在数据安全方面，ChatGPT在数据收集和数据筛选方面仍存在不足，由此可能涉及金融数据质量、用户隐私金融数据监管方面的风险。毕文轩等（2023）认为在算法技术层面，由于算法技术的理论研究还未跟上实践的步伐，因此，ChatGPT在数字金融领域的广泛适用仍会出现算法欺骗、算法歧视等缺陷，由此加重金融系统性风险。高娅楠等（2023）认为在算力方面，仍存的法律缺失风险、算力追责风险和算力垄断风险等影响数字金融安全性的因素。此外，在金融应用场景层面，ChatGPT金融模式及其相应的风控手段尚未经历过各类经济周期和宏观事件的考验，面对多场景组合仍面临不同层面和不同程度的场景应用风险。

（二）ChatGPT数字金融法律规制的完善路径

ChatGPT在数字金融应用过程中以数据、算法、算力为支撑，以具体应用场景为依托，呈现不同方面和不同层次的风险。因此，从数据、算法、算力和应用场景四个方面加强规制，是保障数字金融稳定发展的前提和基础。从金融数据安全层面考虑，田长星等（2022）认为对ChatGPT数据安全治理要把握三个维度，即完善人工智能数据安全法规、完善金融机构数据治理框架和增强金融数据风险防控能力。从算法治理角度考虑，卡里·科利亚尼斯等（2022）认为ChatGPT的开发和应用阶段都是以人主导，故此，在算法治理过程中应该秉持以人为本原则，坚持技术中立，同时，实施分级备案管理制度和加强国际合作。在算力治理方面，张宏科、刘康等（2023）认为要完善相关法律、强化平台责任、加强算力监管和提供充足保障，以期ChatGPT和数字金融稳定发力。在应对金融应用场景风险方面，戴淑婷等（2021）认为对ChatGPT的规制应该坚持发展与规制并重原则，加强政策引导、分级分类保护和搭建场景化责任体系，促进ChatGPT和数字金融良性发展。

（三）对现有研究内容的评析

综上所述，从目前的发展状况来看，就科技赋能数字金融行业，大家已经达成共识，但面对ChatGPT这种强大到具有划时代意义的人工智能，与数字金融的结合，一些人仍保持保留、中立甚至反对态度，从长远发展看，ChatGPT将会是引领新一轮科技革命和产业革命的战略性力量。从ChatGPT治理看，目前多集中于安全性、透明性、可解释性、可控性等治理框架下，忽视了从人工智能本身，即人工智能核心三要素——数据、算法、算力，三个维度展开思考，同时，ChatGPT与人的交互过程中，人类始终占据主导地位，因此，应多从人本位出发，思考解决问题的办法，而不仅仅是从技术本位出发，避免营造技术恐慌氛围。ChatGPT毕竟是一项新技术，任何技术在发展初期都会对人类正常生产秩序造成不同程度的干扰，诱发人们的抵触情绪，从技术向善主义角度看，ChatGPT本身并不具备善或恶，因此，为避免“科林格里奇困境”，我们应该坚持包容审慎的态度，坚持发展与保护并重原则，积极探索ChatGPT与数字金融结合的精切点，抓住机遇，在实现人工智能与数字经济高质量发展的过程中趋利避害。

三、ChatGPT对数字金融发展的影响

金融产业与人工智能、大数据、云计算技术广泛结合，使得金融大数据深度挖掘能力和信息实时整合能力得到质的跃升。ChatGPT与金融领域的衔接，借助其庞大的数据支撑和算法逻辑，将促进金融科技和科技金融的创新发展，提升金融信息的利用效率，拓展更多服务模式，优化风险管控能力，给金融市场发展注入新活力。

（一）驱动金融科技研发，优化金融要素配置

金融科技的进步直接影响着金融产业增长的速率与质量。ChatGPT作为一种新型科技产品，象征着数字技术和金融科技的进步，为金融科技的创新和金融产业的繁荣孕育了新动能。作为人工智能发展领域具有里程碑意义的ChatGPT对数字金融产业结构的影响主要表现在以下三个方面。

一是丰富业务种类，满足企业和个人的金融服务需求。ChatGPT依托Transformer模型和“人工智能三要素”的支撑，将会在传统金融服务体系基础上衍生出更多的服务模式，对数字货币、移动支付、智能信贷、网上保险等提供更加智能化和多样化的服务，以满足企业和个人的阶段化需求。

二是优化生产要素配置。数字技术的进步是实现产业结构升级的内生动力。传统金融服务在数字经济时代已经疲惫不堪，对实现企业提质增效和服务经济高质量发展力不从心。而ChatGPT的出现为金融服务的发展提供了新的突破口，ChatGPT巨大的数据配置，增加了企业和金融机构的金融知识储备，为金融创新提供了充分条件，极大地提高了生产要素的利用率，为数字金融产业结构化转型创造了良好条件。

三是驱动企业技术投入，提高金融市场竞争力。数字金融时代利用的就是数字技术对行业、企业和个人数据的收集和整合能力，ChatGPT在这一方面的能力远超同领域其他人工智能，人类更是望尘莫及。随着金融产业的多元化发展和消费需求的不断提高，加大金融科技的研发和资金投入，是应对将来数字金融市场变化，增加金融市场竞争力的唯一出路。

（二）拓展金融服务模式，促进金融产业数字化发展

随着ChatGPT功能的不断完善与创新，将为数字金融发展拓展更多服务模式，也会促进数字产业化和产业数字化深度融合发展。目前，银行、证券、信托、基金等金融机构，将AI视为自身发展的重点，未来，以ChatGPT为代表的强人工智能将促进金融科技的创新发展，并加快推进产业数字化和数字产业化的新金融理念的具体实践。

一是ChatGPT+智能服务。运营成本以效率原则为前提，伴随ChatGPT技术的进步，未来ChatGPT可应用于多样化的场景，不断提高金融综合性服务水平。首先是智能網点，ChatGPT拥有更加智能化的引导，可以为金融消费者提供更加智能化的服务。如为银行设置ChatGPT智能机器人引导客户操作，能够精简办事流程，提高审核速度和准确率，大幅提升业务办理效率。其次是智能顾问，ChatGPT智能金融顾问可以根据历史经验和市场资讯整合金融信息，预测金融资产和价格波动，然后在此基础上结合客户的风险承受能力，为客户提供更加优化的投资方案。最后是智能客服，与人工客服相比，ChatGPT拥有非常庞大和完整的知识储备，在同行业甚至同领域都堪称“专家”，它能够根据不同服务群体，提供更加标准和高质量的服务，满足不同消费群体的需求。同时，ChatGPT不会因为某些情绪化的波动而使业务能力下降，并且ChatGPT可多业态、全天候提供服务，有效分流了部分简单业务，降低了人工客服的工作压力，提高了企业和金融机构的效率。

二是ChatGPT+智能研投。ChatGPT+智能研投将会降低金融研发成本。人工智能是数字经济的核心，作为一种计算统计技术，有能力从海量数据中找出隐藏的模式和规律，根据现存数据创造更多的数据信息知识，而更广泛的信息又可反作用于人工智能的研发与训练。ChatGPT拥有庞大的数据库、新颖的算法逻辑和数据模型，通过自然语言识别、知识检索、深度学习等技术整合各类金融数据，在金融数据的来源、金融数据的获取、金融数据的处理和金融报告的生成过程中可以发挥更大的作用，为金融机构提供更加可靠的咨询。通过打破金融机构、金融客户、企业、投资者和居民之间的信息障碍，降低了传统金融市场在信息收集、监督履约、谈判和违约处理方面的成本，从而缩小金融交易成本的市场间隔，促进金融产品竞争价格的形成，优化金融大数据。

三是ChatGPT+智能营销。ChatGPT+智能营销的服务模式将会有力提高金融交易的效率。ChatGPT通过深度学习建立起自己的学习模型，将数字营销工作数据进行筛选沉淀，结合智能搜索和互联网素材为金融消费者提供更加个性化的服务。一方面，金融机构或者金融消费者通过提问ChatGPT，它可以在已有的数据库中对比分析同类型业务，为金融机构或者金融消费者制定更加合适的金融产品和增值服务。同时还可根据大数据分析，判断金融机构或者金融消费者的风险承受能力，为其推送更加合适的业务。另一方面，基于ChatGPT的庞大数据和强大的算法算力支撑，在智能投资方面可以进一步扩大信息来源和信息整合能力，与以往搜索引擎检索信息不同的是，ChatGPT提供的是更加智能化的自然语言对话模式，而不仅仅是单一的网页，通过设定关键词和条件，ChatGPT在优化市场目标、产品竞争和政策追踪等方面将为投资决策提供更新的方法和思路，从而提高投资研究的效率，节约投资成本。

（三）完善金融风险防控，提高金融风险预测能力

金融风控已经不是一个新话题，做好金融风控，提高金融风险预测能力是保证金融可持续发展的保障。近年来，人工智能与大数据技术在金融风控领域的应用越来越成熟，在风控管理、欺诈检测和信用评估等方面表现出巨大优势。因此，将ChatGPT引入金融行业，依托强大的数据、算法逻辑和人性化的表述，ChatGPT智能系统可通过学习以往的案例、处理多维度的结构性及非结构性数据、监测并筛查可疑交易，提升反洗钱、反欺诈的效率。ChatGPT对金融风控的影响表现在三方面，在金融风控管理方面，ChatGPT背后的LLM模型技术①，可实现对关键要素提取、资料自动化审核、风险点提示等风控领域的业务流程，提升风控相关业务的自动化水平，帮助金融机构更好地管理风险，包括对信用风险和市场风险的预测、模拟和管理。通过AI和机器学习，金融机构可以更快速和准确地评估借款人的信用风险，降低坏账率和信用风险成本。在欺诈检测方面，ChatGPT还可以提高金融机构在欺诈检测方面的效率。金融机构可以利用ChatGPT的算法模型进行欺诈分析和模式识别，进而预防金融欺诈和犯罪。在信用评估方面，通过使用ChatGPT和机器学习技术，金融机构可以更准确地评估客户的信用情况，可借助客户的交易历史、社交网络资料等数据来评估客户信用，这将使得金融机构更有针对性地制定信贷政策，并降低坏账率。

综上所述，ChatGPT凭借大数据、大算法、大算力和大智化建构起的技术模型，对金融科技和科技金融的融合发展创造了新的条件，拓展了金融服务发展模式，促进了金融服务多元化发展方向，同时，强大的数据整合能力和数据分析能力，在金融风控方面表现出巨大优势，提高了金融风险的预测能力。随着强人工智能技术的发展，未来与数字经济、数字金融的联系将更加紧密。

四、ChatGPT衍生的金融法律风险

作为强人工智能的代表，ChatGPT给金融业在技术创新、业务拓展、风控优化等方面带来机遇的同时，也隐藏着巨大的金融规制风险。ChatGPT作为具有划时代意义的人工智能，在数据、算法和算力方面都实现了巨大的突破，但也面临着金融数据、金融算法、金融算力和金融应用场景四方面的法律风险。

（一）金融数据法律风险

金融数据安全不仅具备数据的一般特性，更包含国民个人信息、企业秘密和社会经济动态等重要内容。ChatGPT赋能金融产业，需要收集消费者和金融机构的信息，金融行业的复杂性、金融信息的庞大化和ChatGPT的信息收集能力成正比，一旦数据泄露，侵犯的不仅仅是消费者和金融机构的合法权益，甚至造成整个行业的不正当竞争和市场紊乱。具体而言，ChatGPT+金融模式引发的金融数据安全风险主要表现在以下方面。

一是金融数据质量安全风险。数据的质量保证数据生命周期的延续。OpenAI目前只公布了训练ChatGPT数据的范围，并未说明数据来源的具体逻辑，这其中存在非法收集数据的可能。如此便不能保证金融数据的质量，金融数据投毒和金融数据深度伪造的风险急剧上升。

二是金融数据隐私安全风险。在金融大数据时代，隐私保护显得尤为重要。《中华人民共和国数据安全法》第八条规定，开展数据处理活动，不得危害国家安全、公共利益，不得损害个人、组织的合法权益；《中华人民共和国个人信息保护法》明确了个人信息处理活动应遵循的原则，构建以“告知—同意”为核心的个人信息处理规则，保障个人在个人信息处理活动中的各项权利。然而ChatGPT在发展过程中涌现出许多令研究人员也无法说明的功能，这些功能在金融领域应用过程中可能导致金融数据过度采集和窃取变得隐秘化，侵犯商业秘密和消费者个人隐私的方式也更加难以察觉。进而诱发了国家、金融机构和金融消费者对ChatGPT所提供的金融数据的真实性和合法性的担忧。

三是金融数据监管风险。ChatGPT+金融发展模式下，数据将会成为金融机构、企业和平台的重要资源，越来越多的企业需要数据的频繁流动来协同参与产业链，频繁的数据共享和数据交换使得数据流动路径变得复杂化，在此过程中可能诱发数据权力扩张、数据权属不明和数据垄断等风险。同时，频繁的数据流动使得数据监管机构对数据追踪变得更加困难，对数据的溯源治理难度直线上升。并且“ChatGPT+金融”发展模式的交叉性比较强，涉及的法律风险比较复杂，这也让监管金融数据陷入了窘境。

（二）金融算法法律风险

人工智能算法金融应用的发展和监管是金融行业关注的重点。ChatGPT模型的算法和数据的鲁棒性、透明度和可解释性较弱，具有传统算法的复杂、不透明等固有缺陷，可能带来安全和隐私保护方面的风险，如传播虚假信息、网络安全威胁、数据安全问题等。虽然OpenAI公司承认自己的算法是公开的，但并未公开具体路径，因此算法运作仍处于“黑箱”状态，容易导致以下三方面的问题。

一是算法解释权与商业秘密保护之间的冲突。《个人信息保护法》第24条在立法层面确立了个人获得算法解释权的权利，从专利保护制度而言，算法也是一种智力活动的规则，受《中华人民共和国专利法》保护，具有“秘密性”，因此这也为金融机构算法运行的商业秘密保护提供了正当性。然而在“ChatGPT+互联网金融”的发展模式下，算法必定成为各大金融机构，包括企业的核心竞争力，因此受算法影响的消费者的算法解释权与金融机构、企业的商业秘密保护之间不可避免存在价值冲突。

二是算法欺骗。ChatGPT在应用过程中出现的一个明显的缺陷就是“一本正经地胡说八道”，这就可能给消费者带来误导性信息，产生错误判断，再进一步便会侵犯消费者的知情权和公平交易权。以智能投顾为例，如果金融机构借助ChatGPT算法欺骗消费者，在业务界面生成一些不合理或者不准确的投资信息，会误导消费者投资，增加投资风险，消费者的自主选择权不能得到有效保障。

三是算法歧视。ChatGPT在自动化决策过程中，如果算法本身不具有中立性或者隐含错误、被人为操控，可能对消费主体进行差别对待，造成歧视性后果。如金融借贷歧視、平台型企业大数据“杀熟”、相貌歧视、发表歧视性言论等都可能危及消费主体的合法权益，并进一步导致公平公正的金融市场环境遭到破坏。

（三）金融算力监管风险

算力是数据中心的服务器对数据处理后实现结果输出的一种能力。数字经济时代，算力资源是数字经济发展的重要底座。相较于数据和算法，人们对人工智能算力的认识还存在一定的认识短板。ChatGPT一次训练所需的计算量最高达3640PFlop/s-day，单月运营算力7034.7PFlop/s-day，对应成本约889万美元，其认知能力、理解能力和推算能力都是建立在算力的基础上的。因此，算力对ChatGPT的影响不容忽视。

一是法律缺失风险。算力以数据为基础，是对数据的处理与加工。我国目前并未针对算力专门立法，只是笼统的见于《中华人民共和国数据安全法》，其第三条规定对数据的处理要保证数据安全和合法。针对ChatGPT这种运算复杂的大型人工智能语言模型，原则性的规定对算力资源的申请、使用、结算和清退的保护不具有实际的可操作性。随着算力平台的兴起与发展，互联网算力的规范化运行应提上日程，尽早立法规制，避免算力垄断、算力违法交易等行为发生。

二是算力追责风险。ChatGPT在计算过程中出现错误，造成金融资产流失或者侵犯第三方利益时，对算力的问责是由算力提供平台承担、还是由使用算力资源的企业负责，处罚的根据是什么，惩处力度如何判断，怎样补偿因算力差误给利益受害者造成的损失等，目前并未有统一的规定。

三是算力垄断风险。目前我国算力资源平台方兴未艾，要防止平台进行算力资源的垄断。同时可能出现部分金融企业与算力资源平台达成算力垄断协议、滥用市场支配地位、经营者集中等严重干扰金融市场稳定的垄断行为。

（四）金融应用场景风险

得益于市场需求的多样化和人工智能产业的迭代升级，ChatGPT在金融应用方面的驱动力不断加强。然而，作为新兴技术，ChatGPT金融模式及其相应的风控手段尚未经过各类经济周期和宏观事件的考验，面对多场景组合仍具有一定风险。具体而言，包括以下三方面的风险。

一是金融应用场景之内风险。金融应用过程本就是客户与金融服务机构之间相互关联的过程，在此过程中客户处于积极主动地位，金融服务机构则一般位于被动地位。因此，金融應用场景之内风险主要是指与客户本身的信用状况、欺诈行为等相关的风险。ChatGPT在数字金融领域的应用场景涉及银行、证券、保险等不同服务机构，以及不同服务机构之间诸如智能客服、智能投顾、智能风控等不同服务阶段。这些都需要ChatGPT能够准确分析客户的需求、情绪、行为和信用状况，并提供适合的服务和预警分析。如果ChatGPT语义理解错误，或者逻辑推理错误，就可能导致客户与金融服务机构之间的信任度和满意度问题，甚至出现违约和金融欺诈等法律纠纷和监管风险。

二是金融应用场景本身风险。金融应用场景本身涉及的风险主要是指金融业务的经营管理、技术安全和交易效率等方面的风险。ChatGPT在数字金融领域的应用，主要是依赖其强大的数据资源、计算能力和技术支撑，如果出现硬件故障、网络故障、软件故障等问题，轻则影响金融服务机构的日常运营，重则导致金融数据泄露，引发金融数据安全风险，破坏金融领域的稳定性和安全性。

三是金融场景之外的风险。这类风险不是由客户或者金融服务机构本身导致，而是受金融市场的波动，如宏观经济政策、金融监管制度、市场交易机制和国际经济变化等因素影响，导致ChatGPT金融模型失效和风险防控策略不适应等方面的风险。ChatGPT毕竟是一种新兴科技，尚未经历各种经济周期和宏观事件的考验，面对多场景组合和金融监管，如果缺乏足够的有效数据训练和强大的自主学习及更新机制的检验，就可能导致ChatGPT在具体应用过程中的预测性不足，造成服务质量下降，甚至破坏整体金融领域的稳定性。

综上所述，数据、算法和算力作为ChatGPT三大核心要素，在数字金融应用过程中存在金融数据安全、金融算法风险、金融算力监管等技术问题和法律风险。同时，面对金融市场需求的多元化，ChatGPT在不同金融应用场景下承受的风险也有差别。因此，加强对ChatGPT的法律规制显得尤为重要。

五、ChatGPT数字金融的法律规制

（一）增进ChatGPT数据规制，确保金融数据合法

数据在ChatGPT的训练过程中发挥着至关重要的作用，高质量的数据可以提高ChatGPT输出结果的准确性。已经发现ChatGPT在金融数据的质量、隐私保护和监管等方面存在现实的隐患，因此加强对ChatGPT的数据规制有其现实必要性和正当性。针对数据治理，我国先后颁布了一系列规范性文件来强化数据安全与质量管控，如《个人信息保护法》《数据安全法》《网络安全法》等。欧盟在数据治理方面，先后颁布《数据治理法案》《数位服务法案》《数位市场法案》《人工智能法案》等系列法律政策，试图从数据要素层面实现对人工智能的源头治理，确保其全球领先地位。结合国内司法实践及域外经验，对ChatGPT数据的治理应从三个方面来规制。

一是要完善人工智能数据安全法律法规。完善的数据法律法规是人工智能技术研发和技术服务的保证。面对ChatGPT这类生成式人工智能的快速发展，国家网信办于2023年7月10日发布《生成式人工智能服务管理暂行办法》，并自2023年8月15日起施行。其中22条第2款和第3款规定：“生成式人工智能服务提供者，是指利用生成式人工智能技术提供生成式人工智能服务（包括通过提供可编程接口等方式提供生成式人工智能服务）的组织、个人。生成式人工智能服务使用者，是指使用生成式人工智能服务生成内容的组织、个人。”但生成式人工智能服务过程不仅包括服务提供者和使用者，还可能涉及技术的研发者、维护者等多位“提供者”，这种对身份界定的模糊性处理可能导致产品提供者责任过重，存在责任承担不均衡的风险。因此，人工智能数据安全需要建立统一规范的数据安全标准体系。加强与金融机构、金融监管机构和其他行业的大数据管理机构的联动合作，建立完善数据综合应用标准规范，贯穿金融数据全生命周期、安全防控全链路的技术标准和规范流程，确保金融数据安全性和合法性。

二是完善金融机构数据治理框架。ChatGPT接入金融机构，势必会打乱传统金融机构的数据治理框架，因此金融机构要加快完善金融数据治理体系。从数据管理、数据安全性、数据质量、数据治理、数据分发、数据监管和数据使用等方面尽快搭建起适应ChatGPT数字金融应用的数据治理框架，有效提高金融服务能力和风险管理水平。

三是增强金融数据风险防控能力。面对ChatGPT固有的数据风险，金融监管机构应完善数据管理，建立规范的金融数据管理机制，确保金融数据可追溯、可控、可信和完整。加强网络安全、数据备份和恢复、风险预警和监测等方面的能力，提高金融数据的安全性。加强金融数据清洗、金融数据提取和金融数据验证等方面的工作，提升金融数据的质量，降低金融数据风险。同时，注重金融人才储备和先进技术的引进，形成“以技术制约技术”的安全防范路线也是提升金融数据风险防控能力的重要举措。

（二）优化ChatGPT算法，促进算法合理化

人工智能算法就是通过深度学习模仿人类大脑对图像识别、处理的方法。ChatGPT嵌入数字经济发展过程中可能存在算法解释权和商业秘密保护之间的冲突，以及由算法歧视、算法欺骗和算法权力引发的金融商业伦理失衡风险。因此，对ChatGPT进行算法规制有着现实必要性和正当性。就“算法解释权和商业秘密”之间的冲突重点是对“解释权”的理解。“解释”是指在观察的基础上进行思考，合理地说明事物变化的原因和事物发展之间的联系及规律。所以“算法解释”强调的应是“算法公开”而非“算法透明”。并且“算法解释权”围绕的应该是技术开发者与利益相关者之间的决策信任问题，因此并无必要过分强调算法的透明度。对于算法欺骗、算法权力和算法歧视等人工智能存在的算法风险，不仅仅是在应用过程中出现，在算法研发阶段也有可能存在。OpenAI公司技术研发人员超过九成为年轻人，研发团队成员多为美洲和欧洲人，其中很难说清是否存在因价值观念的不同导致的技术研发存在歧视。因此，有必要从“技术研发”和“技术应用”两个阶段对ChatGPT进行算法的法律规制。针对人工智能算法引发的危机，2022年美国联邦政府颁布《2022年算法问责法案》对算法透明度和事后问责提出了新理念。欧盟2018出台的《通用数据保护条例》也对数据治理提出了具体的规范措施。我国于2022年3月施行的《互联网信息服务算法推荐管理规定》规制了算法要素的治理。综上，对ChatGPT算法要素的法律规制不应片面讨论，应立足技术研发与技术应用的过程当中的全要素，既要从技术本身出发，也要注意人为因素对算法的影响。因此，ChatGPT赋能数字金融过程中应坚持以下几个原则。

一是技术中立原则。ChatGPT在嵌入数字金融应用过程中，技术研发人员应尊重金融科技发展本身的规律，承认、尊重和不干涉金融算法研发阶段的客观规律，聚焦在金融应用阶段的人机交互。这不是在技术研发过程中的算法逻辑中寻找突破口，而是通过设立特定的法定程序让算法的金融应用支持、协助和促进企业发展。

二是分级备案原则。ChatGPT的技术研发者、利益相关者和服务推荐者应按照算法所涉及金融服务的类型、消费者的规模、算法处理金融数据的重要程度实施分级分类管理。同时，对金融秩序维护和国家经济发展具有重大影响的算法推荐，应就算法服务提供者的名稱、类型、应用领域等信息进行严格落实。对于不履行分类分级和算法备案的企业或者金融机构，应予批评、警告、罚款、吊销营业执照甚至刑事处罚。

三是共同参与原则。共同参与原则旨在通过ChatGPT和技术研发者、企业、金融机构、消费者、法律工作者等代表多元价值的社会主体共同参与，消除利益相关者之间的歧视和信息的非对称性，确保算法目标、内容和程序的公平性和可解释性。

四是加强国际合作。ChatGPT技术在全球范围内得到迅速发展，但各国对于ChatGPT算法规范的制定存在一定的差异。因此，需要促进国际合作，建立全球范围内统一的人工智能算法规范，避免ChatGPT与数字金融交互过程中因不同国家的算法标准不同而导致的金融秩序混乱和金融风险。

（三）强化ChatGPT算力规制，推动算力资源共享

算力资源是数字经济时代发展的重要底座。OpenAI公司推出的GPT-3模型的高性能以规模为代价，使用的最大数据集在处理前容量达到了45TB，参数多达1750亿个，计算需求高达3640pfs-day。ChatGPT“脱胎”于OpenAI在2020年发布的GPT-3，实际上是GPT-3.5。GPT-3.5在一定程度上证明了超大数据加上超大算力确实能导致人工智能性能的极大跃升。相较于算法和数据，算力问题受到极大的忽视。观研网发布的《中国算力行业发展现状研究与投资前景预测报告（2022—2029）》显示，近年来国家为了支持互联网算力发展，制定了一系列促进算力发展的规划、政策。各单位基于已有的设备、系统、平台以及应用场景，经过长期的积累已取得诸多成果，陆续发布《中国电信云网运营自智白皮书》《中国移动算力网络白皮书》《中国联通算力网络白皮书》《中国通信学会算力网络前言报告》。但目前我国在算力领域仍存在限制，应从以下几个方面进行强化与规范。

一是完善相关立法。目前针对算力的规制多是一些政策指引、行业标准等，并未出台针对算力的法律法规。《互联网信息服务算法推荐管理规定》是我国出台的首部规制互联网算法的规范性文件，但其中并未涉及互联网算力的相关内容，因此应在其中加入“算力规制”或者另行起草《互联网信息服务算力管理规定》。

二是强化平台责任。首先，算力服务平台要不断提高技术水平，满足金融机构对于算力资源的多样化和个性化需求，支持金融业务在不同应用场景下高效运行。其次，算力服务平台要建立完善的数据保障体系，采用加密、隐私计算和区块链等技术，保护金融数据的完整性、可靠性和可追溯性，不断提高风险管理能力和水平。最后，算力服务平台也应强化自身社会责任意识和道德意识，遵循公平、透明、可信原则，避免算法歧视和算力滥用，维护金融市场的稳定性。

三是加强算力监管。金融监管机构有权就算力服务平台涉及金融数据安全的算力使用流程、测试验证、数据迁移、数据使用和销毁方案进行检查和监督，定期开展安全性检查和评估。同时，算力服务平台内部也应建立完备的控制制度，完善数据治理机制，实施数据审计和风险评估，利用大数据和人工智能等技术手段，实现对算力服务平台的实时监测、精准分析和有效干预，及时发现和处置运行过程中的异常情况，为金融服务过程提供全面保障。

四是提供充足保障。首先，要加强组织保障，各算力服务平台所在地政府要明确目标责任，加强组织指导，推动算力基础设施和算力资源调度服务建设。成立算力网络协会，推动算力服务标准的制定和人才服务、调查研究、金融服务等工作。其次，在人才培育方面，要加强与普通高校和职业院校算力相关专业人才的交流协作，算力行业、金融行业、互联网行业之间要加强算力人才培训，保障人才供给。最后，要完善算力评估体系建设，建立完备的算力测评体系，覆盖算力、算效、能效、碳效等算力发展指标，提升算力资源利用效率，着力打造绿色金融服务标准。

（四）廓清ChatGPT应用场景规制，优化金融应用场景风险管理

相较于宏观层面对于ChatGPT的关注，以及智能要素层面对于算法、数据及算力的强调，应用场景层面的规制有其特殊性。一方面，ChatGPT已经展现出了强大的潜力，如金融数据筛选、金融风险预警等，但其作为一项新兴科技必然具备脆弱性，所以我们要对其进行保护性管理。另一方面，科技是把双刃剑，ChatGPT也暴露出了它的局限性，如可能导致金融数据泄露，引发金融安全，故又要对其进行限制性管理。因此，对ChatGPT应用场景的规制要坚持区分原则，坚持发展与规制并重。

一是加强政策引导。ChatGPT作为新兴科技，虽存在一定风险，但瑕不掩瑜，政府部门应加强对金融机构与ChatGPT等智能科技的融合创造良好的政策环境，如提高对人工智能产业的征税门槛和加大财政支持等以促进人工智能应用场景的创新发展。

二是分级分类保护。基于“ChatGPT+互联网金融”的不同场景的差异性确定场景风险等级，并针对不同级别风险实施不同程度的规制。例如，将对消费者基本人权和市场公平构成明显威胁的应用场景视为“不可接受”；将可能危及消费者人身安全及基本权利的场景中视为“高风险”；将具有特定透明度义务的应用场景视为“有限风险”；将提供简单工具性金融服务功能的应用场景视为“极小风险”。从而为金融机构构建起以风险防范为基础的四级防御体系，为ChatGPT数字金融应用场景搭建安全屏障。

三是搭建场景责任体系。法律责任以法律义务的存在为前提。作为ChatGPT服务的提供者和使用者，金融机构本身便负有合理合法使用ChatGPT的义务。金融监管机构需要根据特定场景中ChatGPT的风险程度、消费者的合理预期、实际预期和合法预期来确定损害程度和确定责任。具体而言，应当依照消费者在单一场景和复合场景中的合理预期，对金融消费信息的收集、存储和使用的全过程进行界分。同时还要区分ChatGPT自身缺陷产生的侵害，对ChatGPT技术的开发者、销售者、使用者的责任进行系统性判定。

六、结语

ChatGPT对数字金融的影响是多方位的，既能驱动企业技术创新，又能在智能客服、智能投顾、智能营销等方面拓展新的服务模式，同时依托数据、算法和算力三方面的技术支撑，有力提高了数字金融的风险防控能力。但由于技术层面和认知层面存在不足，导致ChatGPT在数据、算法和算力和层面带来一定的法律风险和监管困境。通过对数据、算法、算力和应用场景四方面的法律规制，为ChatGPT与数字金融的交互打通壁垒。ChatGPT作为一种新的生产力，是未来经济发展的趋势，我们应该抓住机遇，在实现人工智能与数字经济高质量发展的过程中趋利避害。

（责任编辑：张恩娟）

参考文献：

[1]高俊.ChatGPT生成式AI的算法安全风险及治理路径研究[J].通信与信息技术，2023（4）：122-124+128.

[2]王惠敏，许峰，蔡士林.ChatGPT应用的风险迭代与法律因应研究[J/OL].电子政务：1-12[2023-08-25].http：//kns.cnki.net/kcms/detail/11.5181.TP.20230628.1331.008.html.

[3]邱冬阳，蓝宇.ChatGPT给金融行业带来的机遇、挑战及问题[J].西南金融，2023（6）：18-29.

[4]毕文轩.生成式人工智能的风险规制困境及其化解：以ChatGPT的规制为视角[J].比较法研究，2023（3）：155-172.

[5]张欣.生成式人工智能的算法治理挑战与治理型监管[J].现代法学，2023，45（3）：108-123.

[6]曾雄.ChatGPT在金融行业的应用探讨[J].金融科技时代，2023，31（5）：19-22.

[7]易宪容.ChatGPT的颠覆性影响及其应对：以数字经济为主线[J].江海学刊，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，闫海.生成式人工智能的风险迭代与规制革新——以ChatGPT为例[J].理论月刊，2023（6）：14-24.

[10]蒲清平，向往.生成式人工智能——ChatGPT的变革影响、风险挑战及应对策略[J].重庆大学学报（社会科学版），2023，29（3）：102-114.

[11]王庆华.ChatGPT对经济社会发展的影响及启示[J].中国物价，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]张夏恒.新一代人工智能技术（ChatGPT）可能引发的社会变革[J].产业经济评论，2023（3）：22-30.

[14]王彦杰，孙晓曦.数字金融、技术进步与产业结构升级[J].河南科技学院学报，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]贺裴菲，刘颖格，韩瀚，郭奕君.ChatGPT与金融科技：中国的机遇与挑战[J].清华金融评论，2023（3）：91-94.

[17]邓建鹏，朱怿成.ChatGPT模型的法律风险及应对之策[J].新疆师范大学学报（哲学社会科学版），2023，44（5）：91-101+2.

[18]张夏恒.ChatGPT的逻辑解构、影响研判及政策建议[J].新疆师范大学学报（哲学社会科学版），2023，44（5）：113-123.

[19]张夏恒.基于新一代人工智能技術（ChatGPT）的数字经济发展研究[J/OL].长安大学学报（社会科学版）：1-10[2023-08-25].http：//kns.cnki.net/kcms/detail/61.1391.C.20230221.1718.002.html.

[20]高娅楠，王慧娟，王喆，卢薇青，张正卿，韩喆.算力网络助推金融元宇宙的落地[J].邮电设计技术，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.大数据时代下的算法价格歧视研究[J].价格月刊，2023（3）：17-22.

[23]刘琳.算法解释权与商业秘密保护的冲突化解[J].行政法学研究，2023（2）：168-176.

[24]中国人民银行南京分行科技处课题组，田长星.金融科技在金融数据治理领域的应用[J].金融纵横，2022（11）：32-36.

[25]卡里·科利亚尼斯，孟李冕，宋华琳.算法规制：作为治理工具的机器学习[J].湖湘法学评论，2022，2（2）：148-160.

[26]宋黎磊，戴淑婷.中美欧人工智能治理领域的竞争与合作[J].当代中国与世界，2021（4）：58-67.

[27]程琬清，孙明春.人工智能技术在金融业的应用与挑战[J].现代金融导刊，2021（2）：7-13.

[28]夏诗园.人工智能在金融市场应用优势、风险及监管研究[J].金融理论与教学，2021（1）：8-13.

[29]张立书.人工智能在金融服务体系中的创新应用[J].河北金融，2020（3）：4-6+23.

[30]习近平.高举中国特色社会主义伟大旗帜  为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[J].党建，2022（11）：4-28.

收稿日期：2023-08-14

作者简介：刘 昭（1998-），男，陕西汉中人，西安财经大学法学院硕士研究生；

王 波（1974-），男，陕西西安人，西安财经大学法学院教授。

①在数据支持上，OpenAI主要使用网络爬虫抓取开放数据，数据集来源包括维基百科、书籍、期刊、Reddit（一个综合性的社交新闻网站）链接、CommonCrawl（一个开放的网络爬虫数据仓库）等。

① LLM模型技术可以理解和生成自然语言文本，它最大的特點是可以在大量的文本数据上进行预训练，学习语言的统计规律和知识，然后在特定的任务上进行微调，提高模型的性能和泛化能力。