課程簡介

案例背景:
人工智能在金融領域的應用越來越多，很多系統的自動判斷，比如各種打分和預測，影響了金融系統中的很多決策工作（比如信貸，營銷等）。同時由于很多決策涉及到個人的敏感數據（比如年齡和種族），其中的歧視和不公平由此成為一個顯著的問題. 由此,很多國家和地區(qū)對此展開了一系列的研究以及規(guī)則制定. 比如歐盟，美國和新加坡。我會講述關于人工智能公正/公平性的具體表現形式，基于機器學習Pipeline的各類可能和判別的指標，以及在金融系統中的具體事例. （演講中使用公開數據；不涉及項目本身的數據和事例）。

解決思路:
1．合理的制定業(yè)務項目的目標，深入了解可能的偏見情況，并將該目標和機器學習的性能指標以及Fairness評價指標聯系起來。
2．規(guī)劃機器學習的pipeline，系統性的分析各個步驟中可能產生的偏差，并及時更正，避免進入下個階段
3．制定適合本企業(yè)的監(jiān)管制度保證后臺決策人和機器輸出更好地協同工作


成果：
我們結合一系列Fairness評價指標和模型的，可以確保機器學習模型性能滿足要求的同時，也可以保證一定的Fairness。Fairness模型對于金融領域的健康發(fā)展有著巨大的幫助，也是在當前金融監(jiān)管,隱私和人工智能道德受到廣泛關注的背景下，有效解決數據和模型的黑箱模式的一條途徑。

目標收益

1． 了解人工智能道德研究的發(fā)展趨勢
2． 理解AI Fairness對于金融行業(yè)的重要性
3． 通過機器學習pipeline，理解具體實施步驟和指標

培訓對象

課程內容

案例方向

---

Fintech/智慧金融/智慧萬物/從工業(yè)機器人到工業(yè)4.0

案例背景

---

人工智能在金融領域的應用越來越多，很多系統的自動判斷，比如各種打分和預測，影響了金融系統中的很多決策工作（比如信貸，營銷等）。同時由于很多決策涉及到個人的敏感數據（比如年齡和種族），其中的歧視和不公平由此成為一個顯著的問題. 由此,很多國家和地區(qū)對此展開了一系列的研究以及規(guī)則制定. 比如新加坡金融管理局 （MAS）聯合多家金融企業(yè)，針對AI 道德方面在金融系統, 展開了名為Veritas的項目。我會講述關于AI Fairness的具體表現形式，基于機器學習Pipeline的各類可能和判別的指標，以及在金融系統中的具體事例. （演講中使用公開數據；不涉及項目本身的數據和事例）。

收益

---

1． 了解人工智能道德研究的發(fā)展趨勢
2． 理解AI Fairness對于金融行業(yè)的重要性
3． 通過機器學習pipeline，理解具體實施步驟和指標

解決思路

---

1．合理的制定業(yè)務項目的目標，深入了解可能的偏見情況，并將該目標和機器學習的性能指標以及Fairness評價指標聯系起來。
2．規(guī)劃機器學習的pipeline，系統性的分析各個步驟中可能產生的偏差，并及時更正，避免進入下個階段
3．制定適合本企業(yè)的監(jiān)管制度保證后臺決策人和機器輸出更好地協同工作

結果

---

我們結合一系列Fairness評價指標和模型的，可以確保機器學習模型性能滿足要求的同時，也可以保證一定的Fairness。Fairness模型對于金融領域的健康發(fā)展有著巨大的幫助，也是在當前金融監(jiān)管,隱私和人工智能道德受到廣泛關注的背景下，有效解決數據和模型的黑箱模式的一條途徑。