人工智能模型治理:重新思考我们的方法
机构名称:
¥ 1.0

模型治理(包括模型验证)是一门实践良好的学科。多年来,传统方法在业界发挥了良好的作用。这些方法通常涉及回溯测试、执行方法和文档审查、对模型进行基准测试以及进行定性评估等活动。此治理流程的核心部分是模型可解释性,其中了解确切的变量及其权重被视为关键。在新兴的人工智能 (AI) 和机器学习模型领域,理解模型组件通常非常困难,传统方法可能并不理想。这种被称为黑箱模型的新模型需要我们重新思考如何进行模型治理。本文提出了一个新的模型治理框架,它不依赖于了解模型内部的具体细节。这种方法可以使机构(尤其是受监管的金融机构)能够放心使用黑箱模型。

人工智能模型治理:重新思考我们的方法

人工智能模型治理:重新思考我们的方法PDF文件第1页

人工智能模型治理:重新思考我们的方法PDF文件第2页

人工智能模型治理:重新思考我们的方法PDF文件第3页

人工智能模型治理:重新思考我们的方法PDF文件第4页

人工智能模型治理:重新思考我们的方法PDF文件第5页

相关文件推荐

人工智能的治理
2024 年
¥1.0
人工智能治理
2022 年
¥2.0
对人工智能的思考
2020 年
¥1.0
对人工智能的思考
2021 年
¥1.0
人工智能治理
2023 年
¥2.0
现代人工智能方法
2023 年
¥1.0
人工智能治理框架
2024 年
¥1.0
人工智能治理报告
2023 年
¥3.0