چکیده مقاله
سیستم های بانکی به طور فزاینده ای از الگوریتم های هوش مصنوعی برای تصمیم گیری های خودکار در حوزه هایی مانند اعطای وام، ارزیابی اعتبار، تشخیص تقلب و مدیریت ریسک استفاده می کنند با این حال، ماهیت غیر شفاف و پیچیده بسیاری از مدل های یادگیری ماشین به ویژه روش های مبتنی بر یادگیری عمیق، چالش های مهمی در زمینه پاسخگویی، انصاف و رعایت مقررات ایجاد کرده است این مقاله با استفاده از روش تحقیق ترکیبی مرور سیستماتیک ادبیات و تحلیل مطالعات موردی به بررسی نقش هوش مصنوعی قابل تبیین XAI در افزایش شفافیت تصمیم گیری های خودکار بانکی می پردازد یافته ها نشان می دهد که تکنیک های XAI مانند SHAP Lundberg & Lee, ۲۰۱۷ ، IME ۲۰۱۶, Ribeiro et al و نقشه های اهمیت سهمی می توانند تفسیرپذیری مدل های پیچیده را برای ذینفعان مختلف از جمله مشتریان، ناظران و کارشناسان بانکی بهبود بخشند همچنین، مطالعه موردی پیاده سازی XAI در سه بانک پیشرو نشان می دهد که این روش ها نه تنها باعث افزایش اعتماد مشتریان شده، بلکه انطباق با مقرراتی مانند GDPR ماده ۲۲ و دستورالعمل های Basel III را تسهیل می کند این تحقیق چارچوبی عملی برای ادغام XAI در گردش کار تصمیم گیری بانکی ارائه می دهد که می تواند به عنوان راهنمایی برای موسسات مالی جهت دستیابی به تعادل بهینه بین دقت و شفافیت مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
صمد میرزا محمدی
دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر واحد اقلید، دانشگاه آزاد اسلامی، اقلید، ایران
شیوه ارجاع
میرزا محمدی، صمد،1404،افزایش شفافیت تصمیم گیری خودکار در سیستم های بانکی با استفاده از هوش مصنوعی (XAI) قابل تبیین،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز