লাভ:
- ডেটা এন্ট্রি থেকে চূড়ান্ত স্বাক্ষরিত রিপোর্ট পর্যন্ত কৃত্রিম বুদ্ধিমত্তা দ্বারা সমর্থিত এন্ড-টু-এন্ড প্রক্রিয়া হিসাবে সম্পূর্ণ অ্যাকচুয়ারিয়াল ওয়ার্কফ্লো ডিজাইন করার ক্ষমতা
- ওয়ার্কফ্লোতে কৃত্রিম বুদ্ধিমত্তার সরঞ্জামগুলিকে একীভূত করার সময় সংস্করণ নিয়ন্ত্রণ, অডিট ট্রেল এবং পুনরাবৃত্তিযোগ্যতা শৃঙ্খলা প্রতিষ্ঠা করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তার যুগে বাস্তবিক পেশা কীভাবে রূপান্তরিত হচ্ছে তা বোঝার ক্ষমতা এবং নিজের দক্ষতা বিকাশ এবং পেশাগত দায়িত্বের পরিকল্পনা করা।
মডিউল পরীক্ষা
1. একজন অ্যাকচুয়ারি AI কে জিজ্ঞেস করে "গত বছর আমাদের পোর্টফোলিওর ক্ষতির ফ্রিকোয়েন্সি কত ছিল?" নীতিগত তথ্য প্রদান না করেই। তিনি জিজ্ঞাসা করেন, এবং মডেল একটি আত্মবিশ্বাসী নম্বর দেয়। কোন ঝুঁকি এই পরিস্থিতি সবচেয়ে উদাহরণ করে?
- ক) হ্যালুসিনেশন: মডেলটি ডেটা অ্যাক্সেস ছাড়াই একটি তৈরি নম্বর তৈরি করে ✔
- খ) ওভারফিটিং
- গ) তথ্য ফাঁস
- ঘ) মৃত্যুহার উন্নতি
ব্যাখ্যা: যখন মডেলে কোনো ডেটা দেওয়া হয় না, তখন এটি যে সংখ্যাটি তৈরি করে তা হল হ্যালুসিনেশন: একটি সাবলীল কিন্তু তৈরি আউটপুট যা বাস্তব ডেটার উপর ভিত্তি করে নয়। সংখ্যাসূচক ফলাফল যেমন ফ্রিকোয়েন্সি সবসময় প্রতিষ্ঠানের নিজস্ব ডেটা থেকে গণনা করা উচিত।
2. ক্ষতির মডেলিংয়ে "ফ্রিকোয়েন্সি" এবং "তীব্রতা" এর মধ্যে পার্থক্যের প্রধান কারণ কী?
- ক) কারণ আইনটি মডেলিং ফ্রিকোয়েন্সি এবং তীব্রতা একসাথে নিষিদ্ধ করে
- খ) কারণ এটি শুধুমাত্র জীবন বীমার জন্য বৈধ
- গ) ফ্রিকোয়েন্সি এবং তীব্রতা বিভিন্ন বন্টন অনুসরণ করে; আলাদাভাবে মডেলিং করা এবং সেগুলিকে একত্রিত করা মোট ক্ষতির পূর্বাভাস দেয় আরও সঠিকভাবে ✔
- ঘ) যেহেতু ফ্রিকোয়েন্সি এবং তীব্রতা সবসময় একই মান নেয়, তাই তাদের মধ্যে একটি গণনা করা যথেষ্ট।
ব্যাখ্যা: ক্ষতির সংখ্যা (ফ্রিকোয়েন্সি) এবং ক্ষতি প্রতি পরিমাণ (তীব্রতা) ভিন্ন আচরণ এবং বিভিন্ন সম্ভাব্যতা বন্টন আছে; মোট ক্ষতি (ঝুঁকির প্রিমিয়াম) মডেলিং এবং আলাদাভাবে গুন করে পাওয়া যায়। এই পার্থক্য উভয়ের আরও সঠিক ভবিষ্যদ্বাণী করতে দেয়।
3. IBNR সমতুল্য মানে কি?
- ক) প্রিমিয়াম ফেরতের জন্য বরাদ্দ আইনি তহবিল
- খ) ক্ষয়ক্ষতির ব্যবস্থা করা হয়েছে কিন্তু এখনও রিপোর্ট করা হয়নি ✔
- গ) পুনর্বীমাকারীর কাছ থেকে কমিশন পেতে হবে
- ঘ) প্রদত্ত এবং বন্ধ ক্ষতির মোট
ব্যাখ্যা: IBNR (ইনকারড বাট নট রিপোর্টেড) হল ক্ষতির ভবিষ্যত খরচের জন্য আলাদা করে রাখা বিধান যা হয়েছে কিন্তু এখনও কোম্পানিকে জানানো হয়নি। এটি চেইন ল্যাডারের মতো পদ্ধতি দ্বারা অনুমান করা হয়।
4. চেইন-মই পদ্ধতিতে "উন্নয়ন ফ্যাক্টর" এর ব্যবহার কী?
- ক) মুদ্রাস্ফীতি অনুযায়ী প্রিমিয়াম আপডেট করে
- খ) পলিসির সংখ্যাকে বছর দিয়ে ভাগ করে
- গ) মূলধনের প্রয়োজন সরাসরি গণনা করে
- D) এটি একটি উন্নয়নমূলক সময় থেকে পরবর্তী সময়ে ক্রমবর্ধমান ক্ষতির বৃদ্ধির হার দিয়ে চূড়ান্ত ক্ষতির পূর্বাভাস দিতে ব্যবহৃত হয়। ✔
ব্যাখ্যা: বৃদ্ধির ফ্যাক্টর নির্দেশ করে যে ক্ষতির সময়কালের ক্রমবর্ধমান ক্ষয়ক্ষতি উন্নয়নের এক বছর থেকে পরবর্তী বছর পর্যন্ত কতবার বৃদ্ধি পায়; এই কারণগুলি ব্যবহার করে, অপরিণত পর্যায়ের চূড়ান্ত ক্ষতি অনুমান করা হয়।
5. কেন জিএলএম (সাধারণকৃত রৈখিক মডেল) মূল্য নির্ধারণে ব্যবহৃত হয় অ্যাকচুয়ারিতে ব্যাপকভাবে পছন্দ করা হয়?
- ক) কারণ এটি সর্বদা সর্বোচ্চ ভবিষ্যদ্বাণী নির্ভুলতা দেয়
- খ) যেহেতু সহগগুলি ব্যাখ্যাযোগ্য, তাই প্রিমিয়ামের উপর ঝুঁকির কারণগুলির প্রভাব স্বচ্ছভাবে ব্যাখ্যা করা যেতে পারে ✔
- গ) কারণ এটি ডেটার প্রয়োজন ছাড়াই কাজ করে
- ঘ) কারণ আইন শুধুমাত্র GLM অনুমোদন করে
বর্ণনা: GLM স্বচ্ছভাবে প্রিমিয়ামের প্রতিটি ঝুঁকির কারণের প্রভাব দেখায় কারণ এর সহগ ব্যাখ্যাযোগ্য; এটি আইন, নিরীক্ষা এবং কাজের বিবরণের ক্ষেত্রে একটি গুরুত্বপূর্ণ সুবিধা।
6. একটি মৃত্যুর সারণীতে qx মান কী নির্দেশ করে?
- ক) এক বছরের মধ্যে x বয়সী একজন ব্যক্তির মৃত্যুর সম্ভাবনা ✔
- খ) x বয়স পর্যন্ত মোট প্রিমিয়াম প্রদত্ত
- গ) x-বছরের বার্ষিকীর বর্তমান মূল্য
- ঘ) প্রযুক্তিগত সুদের হার
ব্যাখ্যা: qx হল সম্ভাবনা যে একজন ব্যক্তির বয়স x ছুঁয়েছে এক বছরের মধ্যে মারা যাবে। এটি জীবন বীমা এবং অবসর অ্যাকাউন্টের মৌলিক ইনপুট; বেঁচে থাকার সম্ভাবনা px = 1 - qx দ্বারা পাওয়া যায়।
7. একটি বার্ষিক অ্যাকাউন্টে প্রযুক্তিগত সুদের (ডিসকাউন্ট) হার বৃদ্ধি কীভাবে ভবিষ্যতের অর্থপ্রদানের বর্তমান মূল্যকে প্রভাবিত করে?
- ক) বর্তমান মান বৃদ্ধি করে
- খ) এটি মোটেও প্রভাবিত করে না
- গ) বর্তমান মান হ্রাস করে ✔
- ঘ) এটি শুধুমাত্র মৃত্যুহার পরিবর্তন করে
ব্যাখ্যা: ডিসকাউন্ট রেট বাড়ার সাথে সাথে ভবিষ্যতের অর্থপ্রদানের বর্তমান মূল্য হ্রাস পায় কারণ অর্থের সময় মূল্য আরও জোরালোভাবে প্রয়োগ করা হয়। অতএব, সুদের অনুমান সরাসরি দায় মানকে প্রভাবিত করে এবং সাবধানে বেছে নেওয়া হয়।
8. ফিচার ইঞ্জিনিয়ারিং-এ "ডেটা লিকেজ" বলতে কী বোঝায়?
- ক) এনক্রিপশন ছাড়াই ডেটা সংরক্ষণ করা
- খ) গড় দিয়ে অনুপস্থিত মান পূরণ করা
- গ) ডেটা ব্যাক আপ না করা
- ঘ) ভবিষ্যদ্বাণী করার সময় বাস্তবে উপলব্ধ নয় এমন তথ্যগুলি মডেলে মিশ্রিত হয় এবং বিভ্রান্তিকরভাবে কর্মক্ষমতা বৃদ্ধি করে ✔
ব্যাখ্যা: ডেটা ফাঁস হল মডেলের মধ্যে তথ্যের প্রবর্তন যা ভবিষ্যদ্বাণী করার সময় প্রকৃতপক্ষে বিদ্যমান নেই (উদাহরণস্বরূপ, ভবিষ্যত ধারণকারী একটি পরিবর্তনশীল)। এটি কৃত্রিমভাবে পরীক্ষার কার্যকারিতা বৃদ্ধি করে এবং মডেলটিকে বাস্তব জগতে ব্যর্থ করে দেয়।
9. একটি মন্টে কার্লো সিমুলেশন মূলত একজন অ্যাকচুয়ারীকে কী প্রদান করে?
- ক) ফলাফলকে একক এবং সুনির্দিষ্ট সংখ্যায় হ্রাস করে
- খ) এটি বিপুল সংখ্যক এলোমেলো পরিস্থিতি তৈরি করে ফলাফলের সম্ভাব্যতা বন্টন এবং লেজের ঝুঁকি দেখতে দেয় ✔
- গ) এটি ঐতিহাসিক তথ্যের প্রয়োজন ছাড়াই সঠিক ভবিষ্যদ্বাণী দেয়।
- ঘ) স্বয়ংক্রিয়ভাবে আইনের পাঠ্য লেখে
ব্যাখ্যা: মন্টে কার্লো এলোমেলো পরিস্থিতিতে অনেক বার পুনরাবৃত্তি করে যাতে ফলাফলটিকে একটি একক বিন্দুর পরিবর্তে একটি সম্ভাব্যতা বন্টন (যেমন লেজের ঝুঁকি, 99.5% স্তর) হিসাবে দেখা হয়। এটি অনিশ্চয়তা পরিমাপ করার একটি শক্তিশালী উপায়।
10. সলভেন্সি II এর কাঠামোর মধ্যে SCR (সলভেন্সি ক্যাপিটাল রিকোয়ারমেন্ট) বলতে কী বোঝায়?
- ক) মোট বার্ষিক প্রিমিয়াম আয়
- খ) মোট পরিশোধিত ক্ষতি
- গ) 99.5% আত্মবিশ্বাসের স্তরে এক বছরের ক্ষতি পূরণের জন্য মূলধনের প্রয়োজন ✔
- ঘ) পুনর্বীমা কমিশনের হার
ব্যাখ্যা: SCR হল মূলধনের প্রয়োজনীয়তা যা কোম্পানিকে 99.5% আত্মবিশ্বাসের স্তরে এক বছরের মধ্যে তার বাধ্যবাধকতা পূরণের জন্য বজায় রাখতে হবে (একটি খারাপ পরিস্থিতিতে যা 200 বছরে প্রায় একবার ঘটবে)। এটি একটি বীমাকারীর আর্থিক স্থিতিস্থাপকতার একটি মূল পরিমাপ।
11. কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত একটি মূল্যের মডেলে কীভাবে "পরোক্ষ বৈষম্য" ঘটে?
- ক) একটি নিষিদ্ধ ভেরিয়েবলের সাথে যুক্ত একটি প্রক্সি ভেরিয়েবল পরোক্ষভাবে একই বৈষম্যমূলক প্রভাব বহন করে ✔
- খ) মডেলটি খুব কম ডেটা ব্যবহার করে
- গ) উচ্চ প্রিমিয়াম সেট করা
- ঘ) কম প্রযুক্তিগত আগ্রহ নির্বাচন করা
ব্যাখ্যা: এমনকি যদি একটি নিষিদ্ধ পরিবর্তনশীল (যেমন জাতিগততা) মডেল থেকে সরানো হয়, একটি দৃঢ়ভাবে সম্পর্কিত সারোগেট পরিবর্তনশীল (যেমন প্রতিবেশী/জিপ কোড) পরোক্ষভাবে একই বৈষম্যমূলক প্রভাব বহন করতে পারে। অতএব, মডেলটিকে শুধুমাত্র স্পষ্ট নয়, পরোক্ষ বৈষম্যের জন্যও পরিদর্শন করা দরকার।
12. একটি সর্বজনীনভাবে উপলব্ধ কৃত্রিম বুদ্ধিমত্তার সরঞ্জামের সাহায্যে নীতি এবং দাবি ডেটা বিশ্লেষণ করার সময় মৌলিক গোপনীয়তার নিয়ম কী?
- ক) ডেটা ছোট হলে, বেনামীকরণের প্রয়োজন নেই
- খ) সব ক্ষেত্রে শুধু নাম পরিবর্তনই যথেষ্ট
- গ) ডেটা এনক্রিপ্ট করা থাকলে তা যেকোনো গাড়িতে আপলোড করা যায়
- ঘ) ব্যক্তিগত/প্রাইভেট ডেটা বেনামে রাখুন, অপ্রয়োজনীয় ডেটা শেয়ার করবেন না এবং একটি সুরক্ষিত/প্রাতিষ্ঠানিক টুল বেছে নিন ✔
ব্যাখ্যা: ব্যক্তিগত এবং বিশেষ ডেটা (টিআর আইডি, নাম, রোগ নির্ণয়, প্রোটোকল) শেয়ার করার আগে বেনামে থাকা উচিত; যদি সম্ভব হয়, ডেটা প্রসেসিং চুক্তি সহ কর্পোরেট সরঞ্জামগুলিকে পছন্দ করা উচিত যা মডেল প্রশিক্ষণে ডেটা ব্যবহার করে না। KVKK এর জন্য এটি প্রয়োজন।
13. কেন একজন অ্যাকচুয়ারি বর্নহুয়েটার-ফার্গুসন (BF) পদ্ধতির সাথে চেইন ল্যাডারের তুলনা করে প্রায়শই অপরিপক্ক (নতুন) ক্ষতির সময়কালের জন্য BF পছন্দ করে?
- ক) কারণ BF আইন দ্বারা বাধ্যতামূলক
- খ) কারণ BF এর জন্য ডেটার প্রয়োজন হয় না
- গ) নতুন সময়কালে, চেইন ল্যাডার ফ্যাক্টরগুলি খুব অস্থির হয়ে ওঠে; BF প্রত্যাশিত ক্ষতির হার ব্যবহার করে আরও স্থিতিশীল ভবিষ্যদ্বাণী দেয় ✔
- ঘ) কারণ শৃঙ্খল মই শুধুমাত্র জীবন বীমায় কাজ করে
ব্যাখ্যা: যেহেতু নতুন পিরিয়ডে খুব কম ক্ষতি হয়, তাই চেইন ল্যাডার ডেভেলপমেন্ট ফ্যাক্টরগুলো অত্যন্ত সংবেদনশীল এবং ছোট ওঠানামার জন্য উদ্বায়ী হয়ে ওঠে। BF প্রত্যাশিত ক্ষতির হার (একটি অগ্রাধিকার) তথ্য ব্যবহার করে এই অস্থিরতাকে মসৃণ করে এবং আরও স্থিতিশীল পূর্বাভাস দেয়।
14. যদি একজন অ্যাকচুয়ারি সরাসরি এআই-জেনারেটেড রিজার্ভ অ্যাকাউন্টে স্বাক্ষর করে এবং নিয়ন্ত্রকের কাছে পাঠায় তাহলে প্রধান সমস্যা কী?
- ক) দায়িত্ব এবং চূড়ান্ত অনুমোদন অ্যাকচুয়ারির উপর থাকে; যাচাই না করা প্রিন্টআউটে স্বাক্ষর করা পেশাদার এবং আইনি ঝুঁকি দূর করে না ✔
- খ) কৃত্রিম বুদ্ধিমত্তা আউটপুট সবসময় ভুল এবং ব্যবহার করা উচিত নয়
- গ) নিয়ন্ত্রক কৃত্রিম বুদ্ধিমত্তার ব্যবহার সম্পূর্ণ নিষিদ্ধ করেছে
- ঘ) কৃত্রিম বুদ্ধিমত্তা আউটপুট স্বাক্ষর প্রয়োজন হয় না
বর্ণনা: এআই আউটপুট একটি খসড়া; পদ্ধতি নির্বাচন, অনুমান এবং চূড়ান্ত চিত্রের দায়িত্ব স্বাক্ষরকারীর উপর। অসমাপ্ত আউটপুট স্বাক্ষর করা একটি স্বাক্ষরবিহীন প্রতিবেদন প্রকাশের মতোই ঝুঁকিপূর্ণ এবং পেশাদার/আইনগত দায়বদ্ধতা দূর করে না।