当前位置: 首页 > news >正文

英国金融监管机构呼吁强化监管权力以应对AI风险

英国金融行为监管局(FCA)近日发布了一份重要评估报告,敦促政府加强该机构的监管权力,以保护消费者免受AI潜在风险的侵害。

此次由FCA执行董事谢尔顿·米尔斯主导的"米尔斯评估报告",重点研究了AI将如何在2030年后重塑金融服务领域。报告发现,各企业已开始逐步将面向普通消费者的服务从人工主导模式转向AI驱动模式。

报告指出,这一转变有助于提升客户体验,并使低收入家庭更便捷地获得理财建议,但与此同时也显著加剧了欺诈、网络威胁及消费者受损的风险。

FCA表示:"AI很可能成为零售金融服务领域的决定性力量,深刻改变企业运营方式、消费者金融决策方式以及市场运作机制。AI在提升可及性、个性化服务和运营效率方面潜力巨大,但也可能放大欺诈、网络安全、消费者损害及市场集中度等方面的风险。"

报告提出了一系列建议,包括:FCA应引入自身的AI模型来监管相关企业,并建议政府进一步扩大FCA的现有权力。具体而言,这可能包括扩大其对AI公司和云服务提供商等"关键第三方"的管辖范围,并赋予其对科技公司的"直接监管权",以防止数字垄断、促进市场竞争、保护消费者权益。

米尔斯在接受《金融时报》采访时表示,监管机构需要在内部积极采用AI技术,以跟上变化的速度与规模,从而"监测、发现并应对相关风险"。他直言:"这是一场军备竞赛。"

米尔斯在一份声明中表示:"到2030年,人工智能将彻底变革金融服务行业,为消费者、企业和整体经济创造巨大机遇。本报告为行业监管机构和政府如何应对AI驱动变革的下一阶段提供了路线图。"

此次评估于今年1月启动,旨在研究AI未来的演进方向、相关发展对消费者、市场和企业的影响,以及金融监管机构需要如何与时俱进地做出调整。

FCA调查发现,英国约有五分之一的人口(约1100万人)愿意借助AI来辅助金融决策,涵盖储蓄和借贷等方面。值得注意的是,目前AI模型尚未受到金融监管机构的审查,消费者若因此遭受损失也无法获得赔偿。

米尔斯在报告中建议FCA在六个月内启动新一轮评估,重点研究使用AI管理个人财务的消费者所面临的潜在风险,同时审查借助AI技术提供未受监管金融服务的企业所带来的风险,因为此类企业的日常运营通常游离于监管职责范围之外。

本次评估的背景之一,是围绕Anthropic开发的一款强大AI模型的处理方式引发的广泛讨论。这家美国科技公司表示,其名为Mythos的模型对任何机构的网络安全均构成严重潜在威胁,并开始仅向经审查的机构(包括部分英国银行)有限开放使用。各方担忧,一旦Mythos落入不法之手,可能对银行系统造成严重破坏,甚至危及更广泛的金融体系稳定。上个月,特朗普政府叫停了美国企业对Mythos的使用,但上周已部分恢复。

目前,FCA将就如何回应米尔斯评估报告中的各项建议展开进一步研究与讨论。

Q&A

Q1:米尔斯评估报告对FCA提出了哪些主要建议?

A:报告建议FCA引入自身的AI模型来监管企业,同时呼吁政府扩大FCA对AI公司和云服务提供商等关键第三方的管辖范围,并赋予其直接监管科技公司的权力,以防止数字垄断、促进竞争和保护消费者。此外,报告还建议FCA在六个月内启动新一轮评估,专门审查消费者使用AI管理个人财务所面临的风险。

Q2:目前英国有多少人愿意使用AI来做金融决策?

A:根据FCA的调查,英国约有五分之一的人口,即约1100万人,表示愿意使用AI来辅助金融决策,包括储蓄和借贷等方面。但目前AI模型尚未受到金融监管机构的审查,消费者若因此遭受损失也无法获得任何赔偿。

Q3:Anthropic的Mythos模型为何引发金融监管领域的关注?

A:Anthropic表示,Mythos模型对机构网络安全构成严重潜在威胁,因此只向经审查的机构(包括部分英国银行)有限开放。各方担忧该模型一旦被滥用,可能对银行系统造成严重破坏,甚至威胁整体金融体系稳定。美国特朗普政府上个月曾叫停美国企业使用Mythos,上周已部分恢复。

http://www.cnnetsun.cn/news/3212055.html

相关文章:

  • AI 科普:Transformer 的注意力机制,用“读书笔记“来理解
  • 如何永久保存你最爱的小说?novel-downloader小说下载器完全指南
  • 新功能解读系列文章(4):SSL 加密连接——数据校验传输安全再升级
  • Web3应急响应实战:Linux服务器入侵排查与取证全流程解析
  • CBAM 注意力模块 PyTorch 实战:ResNet-34 分类任务涨点 2.1% 代码复现
  • OneNote 笔记导出到本地 Markdown,终于不用一篇篇复制了
  • 变量查看与修改
  • 2026项目管理系统横向盘点:从工具到平台的进化之路
  • SpringBoot + Nacos/Apollo
  • 别让安全预算打水漂:用“滑动标尺模型”校准企业安全投资优先级
  • 动态深度学习的锂离子电池故障检测
  • 不止于省钱,更是零碳新基建:低碳园区“光储充”微电网正在改写规则
  • 致所有还在做梦的人(重构笔记版)
  • 【python零基础教程第10讲】Python 闭包与装饰器
  • 一篇看懂 Linux 终端常用命令:从零掌握增删改查与权限管理
  • 加了Query改写,准确率从71%提到89%
  • MongoDB-集合(表)关联查询
  • 【OpenHarmony/HarmonyOs 】化学学习 App 收藏夹功能实践:AppStorage 本地持久化与响应式刷新
  • 音视频编解码:VP8 / VP9 / H.264 / Opus
  • 2026降AIGC革命:AI率92%暴降至5%!实测10款AI智能降重工具!10款工具深度解析!
  • 3分钟搞定网易云插件安装:BetterNCM-Installer终极解决方案
  • spring通过方法注入,针对多实例的Bean
  • 2026年7月探寻四川信誉优良的GEO优化运营商
  • AutoJS6 + Shizuku 实战:淘金币自动签到与任务脚本
  • 如何一次性解决所有Visual C++运行库问题:终极AIO安装指南
  • Typeahead 2.0 智能搜索体验升级实战
  • 阿里面试:如果Agent 挂100个 Skill ,如何提升召回率、准确度、F1综合值?尼恩 《Skills调优圣经》,来一次 泰山压顶 式的 降维打击
  • rust 学习 闭包
  • 第4章:Linux系统重点复习
  • AI 看不懂老项目?先用“项目说明书 + 目录树”把上下文交给它