如何让人工智能变得可解释？

RegTech 公司Hawk: AI的首席技术官沃尔夫冈·伯纳(Wolfgang Berner)的表示，如果你真的可解释性对于许多应用尤为关键。

伯纳表示:“在反洗钱等严格监管的领域，考虑人工智能的使用透明度和可解释性是完全合适的。当AI的决策与原始数据过于脱节，以及算法的工作方式缺乏透明度时，人们就会对这种典型的“黑匣子AI”产生担忧。”

Hawk AI认为，合规行业、信任和接受的关键在于高度的透明度。因此，对于该公司来说，对人工智能可解释性的需求远远超出了纯粹的监管要求。

借助可理解的人工智能，金融机构甚至可以对神经网络等复杂模型进行概览和控制。对于 Hawk AI，可解释性由两个方面组成——人工智能驱动的个人决策的理由是什么？有助于人工智能的算法是如何开发的？

Hawk AI 表示：“对于 Hawk AI 来说，这很清楚——只有技术上可以解释的，最终才会被接受。决策的确切标准或某些风险的统计概率以及算法的组成与 AI 决策过程的完整文档一样重要。同样重要的是，所有这些都以清晰易懂的语言而不是纯粹的技术术语来表达。”

该公司认为，每个细节和每个数据源都必须是可验证的——例如，与特定同行组相比，某些值是显着高还是低。为什么人工智能假设某些预期值以及这些值如何相互关联，必须是透明的。数据情况必须非常清楚，以至于合规官会使用相同的数据做出相同的决定。

此外，一致的反馈和验证流程有助于不断改进决策——因此，人工智能直接从合规团队的决策中学习，并可以在未来更好地支持他们。

Hawk 提到，AI 不仅在其应用之初必须是透明的——因为它通过接触新数据来独立改进，还需要能够理解这样的优化。为此，该公司声称 AI 的每一个变更过程也都记录在软件中，并且需要明确的批准。因此，如果没有合规团队能够理解和控制它，人工智能就永远不会进化。

Hawk AI 总结道：“AI 反洗钱已经准备就绪——有了 Hawk AI，它是透明且安全的。由于这些原因，Hawk AI 谈到了与人工智能相关的“白盒 AI”，与“黑盒 AI”相比，其技术对于合规团队来说是完全可以理解的。因此，我们的软件提供了完全的控制和安全性。人工智能在金融领域的应用正在彻底改变打击金融犯罪的斗争。

“技术驱动的反洗钱不仅在效率和有效性方面明显超越了传统系统，而且由于它能够从犯罪行为模式中学习，因此特别具有前瞻性。因此，从长远来看，使用人工智能打击金融犯罪将成为行业标准。多年来，该技术已在实践中得到验证。即使在非常大的金融机构中，它今天已经在使用，或者至少在第一批试点中已经建立。”

Hawk AI 已与推动金融和零售互联商务的领导者 Diebold Nixdorf 合作，以扩大前者的 AML 解决方案的覆盖范围。

以上是如何让人工智能变得可解释？的详细内容。更多信息请关注PHP中文网其他相关文章！