人工智能的模型能否满足银行行业的可解释性和高可行性?

以智能风控的反欺诈为例,判断用户为存在欺诈行为,如何形成报告对这个结论进行论证,以便更好的对用户进行解说或立案,机器学习的难点之一是如何对结果进行解释,是否足以应对客户的投诉?如果涉及法律问题是否可以作为立案证据?...显示全部

以智能风控的反欺诈为例,判断用户为存在欺诈行为,如何形成报告对这个结论进行论证,以便更好的对用户进行解说或立案,机器学习的难点之一是如何对结果进行解释,是否足以应对客户的投诉?如果涉及法律问题是否可以作为立案证据?

收起
参与3

返回hym38的回答

hym38hym38  软件架构设计师 , 某银行

这个 是世纪难题了。
模型的可解释性的认可度,需要在模型训练及验证过程完成,并且通过投产后的AB Test取得最终共识。只要确定了模型达标,那么在往后的日常中就不需要再为模型解释性折腾了。
而且,模型是否可解释也取决于算法选择,这个也是归结于前期与业务的沟通。反正无论如何,需要在算法选择阶段  完成对模型可解释性要求及 业务成效的平衡工作。

银行 · 2019-09-13
浏览1418

回答者

hym38
hym380314
软件架构设计师某银行
擅长领域: 大数据人工智能安全

hym38 最近回答过的问题

回答状态

  • 发布时间:2019-09-13
  • 关注会员:2 人
  • 回答浏览:1418
  • X社区推广