(Fotoğraf: SAUL LOEB/AFP, Getty Images aracılığıyla)Bir grup araştırmacı, Uluslararası Para Fonu’nun web sitesinde, kredi puanlarının değerlendirilmesinde önemli bir değişiklik yapılması çağrısında bulunan bir blog yazısı yayınladı. Grup, geleneksel metriklere dayanmak yerine, bankaların tarayıcı geçmişiniz de dahil olmak üzere ek bilgileri dahil etmeye başlaması gerektiğine inanıyor.
Fintech hizmetlerinin ve kripto para birimlerinin yükselişi modern bankacılığı çeşitli şekillerde değiştirdi ve bankalar giderek artan sayıda çeşitli üçüncü taraf ödeme işlemcileri kendilerini finansal kurumlar ve geleneksel müşterileri arasına soktuğu için zorluklar. ABD ve Avrupa’da yaygın olarak kullanılan kredi puanlama sistemleri, fatura ödemeleri, ödeme taslakları ve mevcut kredi limitinizin ne kadarına dokunduğunuz gibi “sabit” bilgilere dayanmaktadır.
Araştırmacılar işaret ediyor. “Zor” olarak adlandırılan kredi puanlarının iki önemli sorunu olduğu ortaya çıktı. Birincisi, bankalar, insanların en çok yardıma ihtiyaç duyduğu bir kriz sırasında kredi kullanılabilirliğini azaltma eğilimindedir. İkincisi, kredi geçmişi olmayan şirketler ve bireyler için kredi oluşturmaya başlamak zor olabilir. Sistemde bir miktar yakalama-22 var, bir kurumu size borç vermeye ikna etmek için ihtiyacınız olan şey, sahip olmadığınız bir kredi geçmişinizdir, çünkü kimse size borç vermez.
Sahip olmak Yazarlar, mevcut sistemde iki kusur tespit ettiklerini yazıyorlar:
İnternetin yükselişi, bireylerin göz atma geçmişleri ve çevrimiçi alışveriş davranışları gibi yeni tür finansal olmayan müşteri verilerinin kullanılmasına izin veriyor veya çevrimiçi satıcılar için müşteri puanları.
Literatür, bu tür finansal olmayan verilerin finansal karar verme için değerli olduğunu göstermektedir.
(2019), “dijital ayak izi” (e-posta sağlayıcısı, mobil operatör, işletim sistemi vb.) gibi toplanması kolay bilgilerin borçlu riskini değerlendirmede geleneksel kredi puanlarının yanı sıra performans gösterdiğini göstermektedir. Ayrıca, finansal ve finansal olmayan veriler arasında tamamlayıcılıklar vardır: kredi puanları ile dijital ayak izinin birleştirilmesi, kredi temerrüt tahminlerini daha da iyileştirir. Buna göre, finansal olmayan verilerin dahil edilmesi, finansal aracılıkta önemli verimlilik kazanımlarına yol açabilir.
IMF’nin web sitesinde yayınlanan bir blog yazısında, yazarlar ayrıca şunları da yazıyorlar: “Son araştırma belgeleri, , bir zamanlar yapay zeka ve makine öğrenimi tarafından desteklenen bu alternatif veri kaynakları, genellikle geleneksel kredi değerlendirme yöntemlerinden daha üstündür.”
Bu makalenin yazarları bankacılık sistemleri ve finans hakkında ne kadar bilgi sahibi olsalar da, kesinlikle öyle değiller. AI araştırmalarındaki son gelişmeler hakkında güncel bilgiler. Bu genel olarak kötü bir fikir, ancak şu anda gerçekten korkunç bir fikir.
Bu teklifle ilgili ilk büyük sorun, yapay zekanın bu görevi yapabileceğine veya yakın zamanda olacağına dair hiçbir kanıt olmamasıdır. Microsoft AI araştırmacısı Kate Crawford, bu yazın başlarında The Guardian ile yaptığı röportajda, alandaki liderlerden biri için çalışmasına rağmen yapay zekanın mevcut gerçekliği hakkında bazı sert açıklamalarda bulundu: “AI ne yapay ne de zeki.
İnsanları gelişigüzel bir şekilde iki cinsiyetten birine sınıflandıran makine öğrenimi yazılımı için kullanılan eğitim veri kümeleri; İnsanları ten rengine göre beş ırk kategorisinden birine etiketleyen ve insanların nasıl göründüğüne bağlı olarak ahlaki veya etik karakter atamaya çalışan. Bu belirlemeleri görünüşe göre yapabileceğiniz fikri karanlık bir geçmişe sahiptir ve ne yazık ki sınıflandırma politikası yapay zekanın alt katmanlarına işlenmiştir.
Bu sadece bir tek kişi. Gartner daha önce 2022 yılına kadar yapay zeka projelerinin yüzde 85’inin “verilerdeki, algoritmalardaki veya bunları yönetmekten sorumlu ekiplerdeki önyargı nedeniyle hatalı sonuçlar vereceğini” öngörmüştü. Yakın tarihli bir Twitter Hackathon’u, web sitesinin fotoğraf kırpma algoritmasının üstü kapalı olarak yaşlılara, engellilere, Siyahlara ve Müslümanlara karşı önyargılı olduğuna dair kanıt buldu ve sık sık onları fotoğraflardan kırptı. Twitter o zamandan beri algoritmayı kullanmayı bıraktı çünkü bu tür önyargı sorunları kimsenin çıkarına değil.
Kendi araştırmam fintech’ten çok uzak olsa da, son 18 ayı yapay zeka destekli deneyler yaparak geçirdim. Normal ExtremeTech okuyucularının bildiği gibi yükseltme araçları.
Bu araçlar dikkate değer iyileştirmeler sunma yeteneğine sahip olsa da, diğer taraftan altının çıkacağı beklentisiyle TVEAI’ye kolayca aktarılabilen nadir bir videodur.
Bu çerçeve harika değil, ama çok da değil orijinal kaynak materyale göre de kötü. Dikkat etmediyseniz, Dax’in arka planda ne kadar kötü işlendiğini fark etmeyebilirsiniz (arkadaki konsolda oturan kadındır).
İşte Star Trek: Deep Space’ten 8829 kare Dokuz Bölüm “Defiant.” Kaynağın başlangıç noktası göz önüne alındığında çerçevenin kalitesi makul, ancak Jadzia Dax karşısında bariz bir hatamız var. Bu, tek bir modelin çıktısı ve DS9’un ilk sezonlarını iyileştirmek için birden fazla modelin çıktısını harmanlıyorum. Bu durumda denediğim her model bir şekilde bu sahneyi kırıyordu. Bu örnekte Artemis Medium Quality çıktısını gösteriyorum.
Yakınlaştırdığımızda olan budur.
Çoğu Topaz modelinde (ve test ettiğim her Topaz olmayan modelde) bu sorun vardı ve onarıma karşı dirençli olduğu kanıtlandı. Yüzünü temsil eden çok fazla piksel yok ve orijinal MPEG-2 kalitesi düşük. Henüz bulduğum S1 – S3 bölümünün tamamını doğru şekilde ele alan tek bir AI modeli yok, ancak bu, tüm bölümdeki açık ara en kötü bozulma. Ayrıca, hareket etmeden ve durum düzelmeden önce sadece birkaç saniye ekranda kalıyor.
TVEAI’nin Proteus modelini kullanarak, yönettiğim en iyi onarım çıktısı şöyle görünüyor:
Bir farklı modelde, hasarı yarı onarabiliriz – ama tamamen değil. Çok fazla AI şu anda böyle. Yetenekli, ancak sınırlı ve insan gözetimine bağlı.
Fintech’teki sorunlar hakkında konuşmak için video düzenlemeyi kullanmamın bir nedeni var: AI, herhangi bir çalışma alanında henüz mükemmele yakın değil. Yukarıdaki “düzeltme” kusurludur, ancak elde etmek için saatlerce dikkatli test yapılması gerekir. Çeşitli şirketlerin kendini beğenmiş bir şekilde “AI” dediği şeyin perde arkasında, çok fazla iş yapan birçok insan var.
Bununla birlikte, insanlar hala sürecin her adımında derinden ilgilenmektedir. O zaman bile hatalar var. Bu özel hatayı düzeltmek, bu sahnenin süresi boyunca tamamen farklı bir modelin çıktısını değiştirmeyi gerektirir. Bölümü dikkatli izlemeseydim, sorunu tamamen gözden kaçırabilirdim. AI’nın genel olarak benzer bir sorunu var. AI ağlarında önyargı ile mücadele eden şirketlerin bunu oraya koyma niyeti yoktu. Temel veri kümelerinin kendilerindeki önyargılar nedeniyle oluşturulmuştur. Ve bu veri kümeleriyle ilgili sorun şu ki, onları dikkatli bir şekilde incelemezseniz, çıktınızın yukarıdaki hasar sahnesinin aksine tamamen aşağıdaki gibi karelerden oluştuğunu düşünebilirsiniz:
Bu, nihai çıktı için daha tipiktir; mutlak kalite, orijinal kaynakla sınırlıdır. Korkunç bozulmalar veya başka sorunlar yoktur. Yapay zeka araçları henüz her zaman yüzde 100 doğru olanı yapacak kadar iyi olmadığı için bu süreçlerin insan gözetimi gereklidir. Fintech araçları da öyle değil.
Bu denklemin yapay zeka bileşeni güvenmeye hazır olsa bile, gizlilik sorunları başka bir önemli endişe kaynağı.
O ülkede, yanlış şeyler söylemek veya yanlış web sitelerini ziyaret etmek, kişinin aile üyelerinin kredi vermemesine veya belirli sosyal etkinliklere erişiminin reddedilmesine neden olabilir. Tasarlanan sistem o kadar acımasız olmasa da, yine de yanlış yönde atılmış bir adım.
Amerika Birleşik Devletleri, böyle bir kredi izleme sistemi kurmak için gerekli olacak yasal çerçevenin hiçbirine sahip değil. Başvuranların tarayıcılarına ve alışveriş geçmişlerine dayalı olarak kredibilitesine ilişkin kararlar almak için AI kullanmak isteyen herhangi bir banka veya finans kurumu, herhangi bir gruba karşı önyargı açısından düzenli olarak denetlenmelidir. Bu belgeyi IMF için yazan araştırmacılar, birçok insanın bir mağazaya girip satın almaktan utandıkları şeyler için interneti kullandığını düşünmeden, insanların alışveriş geçmişlerini karıştırmaktan bahsediyorlar. Hangi mağazaların ve satıcıların sayılacağına ve hangilerinin sayılmayacağına kim karar veriyor? Son derece utanç verici bilgilerin kasıtlı olarak veya daha genel olarak bilgisayar korsanları tarafından sızdırılmadığından emin olmak için verileri kim izler?
Banka dışı finans kuruluşlarının bu verilerin bir kısmını kullanmak için şaka yapıyor olabileceği gerçeği (veya zaten kullanıyor) buna izin vermek için bir neden değildir. Bu, söz konusu kuruluşlardan mümkün olduğunca uzak durmak için bir nedendir.
Gizlilik yasalarımız buna hazır değil. Bu alanda çalışan saygın, aklı başında araştırmacılardan gelen tutarlı mesajlar, bu tür hayati hususları bir kara kutuya dönüştürmeye neredeyse hiç hazır olmadığımızdır. Bu makaleyi yazan yazarlar, bankacılığın mutlak sihirbazları olabilir, ancak yapay zeka ağlarının kısa vadedeki durumuyla ilgili iyimserlikleri yersizdir.
Modern hayatta kişinin kredi ve finansal geçmişinden daha önemli çok az şey vardır. ve bu, AI söz konusu olduğunda son derece yavaş hareket etmek için yeterli bir sebep. Bir ya da iki yıl verin ve o zamanları kontrol edin, yoksa önümüzdeki birkaç on yılı, kelimenin tam anlamıyla kendi hataları olmadan çeşitli kişilere karşı yapılan adaletsizlikleri temizlemekle geçireceğiz.
Şimdi Okuyun:
Yapay Zeka Destekli Elektronik Tasarım Otomasyon Araçları Çip Yapımını Yeniden TanımlayabilirABD, Acil Durum Araç Çökmelerinin Ardından Tesla Otopilot Araştırmasını BaşlattıGoogle, İlk Özel Mobil İşlemcisiyle Pixel 6’yı Tanıttı.
