مدل بررسی پایداری، دقت، بی طرفی و شفافیت ابزارهای هوش مصنوعی در امور مالی

مدل های یادگیری ماشین باعث توسعه فناوری های مالی در زمینه هایی از قبیل پرداخت ها، وام دهی همتا به همتا، مدیریت دارایی ها از طریق مشاوران رباتیک و تسویه ها با سکه های بلاک چین شده اند. مدل های پیچیده یادگیری از یک سو باعث افزایش عملکرد و پیش بینی رویدادهای آتی شده و از سوی دیگر صنایع تحت نظارت را با مخاطرات عدم تایید مدل های هوش مصنوعی مواجه نموده است. بر اساس مقررات پیشنهاد شده توسط اتحادیه اروپا برنامه های کاربردی هوش مصنوعی پرخطر مبتنی بر یادگیری ماشین باید قابل اعتماد باشند و بر این اساس مجموعه ای از الزامات اجباری مانند پایداری و بی طرفی را رعایت کنند. تا به امروز هیچ معیار استانداردی که توانایی ارزیابی کلی قابل اعتماد بودن برنامه های کاربردی هوش مصنوعی در امور مالی را تضمین کند طراحی نشده است و برای پرکردن این کمبود، در این مقاله مجموعه ای از روش های آماری یکپارچه مبتنی بر مدل لورنز زونوئید که قادر است برای ارزیابی و نظارت میزان قابل اعتماد بودن یک برنامه کاربردی هوش مصنوعی در طول زمان استفاده شود، طراحی شده است. این مدل قادر است پایداری از نظر تاب آوری در مقابل داده های غیرعادی، دقت از نظر دقت پیش بینی، بی طرفی از نظر سوگیری پیش بینی در گروه های مختلف آماری و شفافیت از نظر درک و نظارت را اندازه گیری نماید.

کلیدواژه ها:

یادگیری ماشین ، پایداری ، دقت ، بی طرفی ، شفافیت ، زونوئید لورنز ، ضریب جینی