最近，罗塞学校的学生有幸聆听了亚历克斯-埃德曼斯（Alex Edmans）教授的讲座，他就人工智能在金融领域的应用以及数据素养的重要性发表了令人信服的论述。这次讲座是学校致力于提供前沿教育经验的一部分，它要求罗兰大学的学生对每天接触到的信息采取更有辨别力的态度。埃德曼斯教授强调，在数据驱动决策的时代，批判性评估信息的能力已成为未来领导者的一项基本技能。他举例说明，如果基础数据存在偏差或方法上的缺陷，即使是由人工智能驱动的复杂金融模型也可能产生误导性结果。在 Le Rosey 的会议上，埃德曼斯教授探讨了现实世界中的各种例子，在这些例子中，看似客观的数据导致了金融市场、投资战略和经济预测中的错误结论。埃德曼斯教授展示了确认偏见是如何经常潜入数据分析的，在这种情况下，分析师会不自觉地寻找支持其既有信念的信息，而忽略相互矛盾的证据。他重点介绍了金融业中几个备受瞩目的案例，在这些案例中，这种现象导致了重大损失。讨论还涉及机器学习算法在金融服务中日益重要的作用，从信用评分到算法交易，以及了解这些技术的能力和局限性的重要性。学生们了解了 '垃圾进，垃圾出 '的概念，即无论使用多么先进的分析工具，有缺陷的输入数据都将不可避免地导致有缺陷的输出。对于可能从事金融、经济或数据科学工作的 Le Rosey 学生来说，这种基础性理解尤为重要。会议强调，虽然人工智能和定量方法已经彻底改变了金融分析，但人类的判断力和批判性思维仍然不可或缺。埃德曼斯教授鼓励学生以健康的怀疑态度对待所有数据，对收集方法、样本大小和潜在的混杂变量提出探究性问题。他认为，这种心态不仅是在金融领域取得成功的必要条件，也是驾驭现代世界复杂信息环境的必要条件。.
埃德曼斯教授深入探讨了人工智能在金融领域的实际应用，同时也非常注重培养学生的批判性评估能力。他通过案例研究展示了人工智能如何改变金融的各个方面，包括风险评估、欺诈检测和投资组合管理。不过，他始终回到他的中心主题：质疑和验证数据驱动的结论的必要性。教授解释了统计意义是如何被操纵或曲解的，以及在金融分析中相关性是如何经常被误认为因果关系的。他分享了自己研究和行业经验中的一些例子，在这些例子中，由于分析师没有考虑其他解释或隐藏的变量，看似可靠的数据导致了错误的投资决策。Le Rosey会议特别强调了人工智能在金融领域的道德层面，讨论了算法偏见如何会延续甚至扩大信贷获取和金融服务方面现有的不平等。埃德曼斯教授要求学生们不仅要考虑数据分析技术在技术上是否可靠，还要考虑其结果是否公平公正。他介绍了金融领域中 '可解释的人工智能 '的概念--理解算法为什么会提出特定建议，而不是盲从其输出结果的重要性。这种方法与 Le Rosey 的教育理念不谋而合，即培养能够驾驭复杂职业环境的全面发展、具有道德意识的人才。讨论还涉及金融决策中数据解读的心理学方面，探讨了即使是经验丰富的专业人士，在与定量信息互动时也会受到认知偏差的影响。埃德曼斯教授提供了识别金融数据和人工智能模型潜在缺陷的实用框架，包括通过多种方法对假设进行压力测试和验证结果的技术。他强调，在金融技术日益复杂的时代，最有价值的技能可能是识别数据或算法产生误导性结果的能力。会议最后进行了互动练习，让 Le Rosey 的学生分析真实的金融数据集，运用所学的批判性思维原则来识别潜在的陷阱和其他解释。这次亲身体验强化了一个信息，即技术能力必须与严谨的思维和道德考虑相结合，才能在金融及其他领域做出真正明智的决策。.
