Relatore:  Paolo Pagnottoni (Università di Pavia)
Titolo: Intelligenza Artificiale Spiegabile in Finanza: perchè e come
ABSTRACT:  Un’applicazione affidabile dell’Intelligenza Artificiale richiede di misurare in anticipo i suoi possibili rischi. Quando applicati a settori regolamentati, come quello bancario, finanziario e assicurativo, i metodi di intelligenza artificiale non sono spiegabili e, pertanto, le autorità preposte al monitoraggio dei rischi potrebbero non convalidarli. Per risolvere questo problema, proponiamo metodi di apprendimento automatico spiegabili per “interpretare” i modelli a scatola nera. Tra questi, i valori di Shapley stanno diventando popolari: sono indipendenti dal modello e facili da interpretare. Tuttavia, non sono normalizzati e, quindi, non possono diventare una procedura standard. Proponiamo un metodo di apprendimento automatico spiegabile alternativo, basato su Lorenz Zonoids, che è statisticamente normalizzato e può quindi essere utilizzato come standard per l’applicazione dell’Intelligenza Artificiale in finanza. L’analisi empirica che verrà presentata conferma i vantaggi del metodo proposto.