Κέρδη:
- Δυνατότητα συστηματικής λίστας των κύριων ορίων της τεχνητής νοημοσύνης στην οικονομική ανάλυση (κατασκευή, ημερομηνία αποκοπής δεδομένων, τύφλωση αιτιότητας, δομική ρήξη)
- Δυνατότητα δημιουργίας ασφαλούς χρήσης και ροής εργασιών συμβατή με KVKK που προστατεύει εμπιστευτικά δεδομένα, ευαίσθητες στην αγορά πληροφορίες και προσωπικά δεδομένα
- Δυνατότητα σχεδιασμού και εφαρμογής πλαισίου διακυβέρνησης τεχνητής νοημοσύνης σε επίπεδο επιχείρησης (εγγραφή, επαλήθευση, λογοδοσία, αλυσίδα έγκρισης)
Εξέταση Ενοτήτων
1. Ένας κεντρικός τραπεζίτης τοποθετεί μια πρόβλεψη πληθωρισμού που δημιουργείται από την τεχνητή νοημοσύνη απευθείας σε ένα επίσημο σημείωμα πολιτικής χωρίς καμία επαλήθευση. Ποιο είναι το θεμελιώδες λάθος σε αυτή την προσέγγιση;
- Α) Μετατροπή της παραγωγής τεχνητής νοημοσύνης σε απόφαση χωρίς τη σύνδεσή της με την πηγή, τον εκ νέου υπολογισμό της και την οικονομική επαλήθευση· Αγνοώντας ότι η ευθύνη ανήκει στους ανθρώπους ✔
- Β) Απαγορεύεται αυστηρά η χρήση τεχνητής νοημοσύνης σε οικονομικές προβλέψεις
- Γ) Η τεχνητή νοημοσύνη δείχνει πάντα τον πληθωρισμό χαμηλότερο από ό,τι είναι
- Δ) Η πρόβλεψη δεν παρουσιάζεται σε γράφημα
Περιγραφή: Η τεχνητή νοημοσύνη παράγει ένα στατιστικό περίγραμμα. αλλά η ευθύνη για την πρόβλεψη και το περιεχόμενο μιας επίσημης ενημέρωσης πολιτικής βαρύνει τον αρμόδιο οικονομολόγο και το ίδρυμα. Το μη επαληθευμένο αποτέλεσμα είναι εξίσου επικίνδυνο με μια ανυπόγραφη αναφορά. Ο αριθμός πρέπει να συνδεθεί με την αρχική πηγή, να υπολογιστεί εκ νέου και να περάσει από ένα οικονομικό φίλτρο.
2. Ποια είναι η ασφαλέστερη προσέγγιση όταν ρωτάτε την τεχνητή νοημοσύνη, «Δώστε μου το έλλειμμα τρεχουσών συναλλαγών για την Τουρκία το 2024»;
- Α) Εμπιστευτείτε τον αριθμό που δίνει η τεχνητή νοημοσύνη και χρησιμοποιήστε τον απευθείας
- Β) Επιβεβαίωση του αριθμού από την επίσημη δημοσίευση του ισοζυγίου πληρωμών του CBRT και επαλήθευση της ημερομηνίας/μονάδας ✔
- Γ) Λήψη του αριθμού από έναν τυχαίο ιστότοπο ειδήσεων στο διαδίκτυο
- Δ) Αγνοώντας τον αριθμό γιατί έτσι κι αλλιώς θα αλλάξει
Εξήγηση: Ο αριθμός που δίνεται από την τεχνητή νοημοσύνη μπορεί να είναι παλαιότερος από την ημερομηνία λήξης των δεδομένων εκπαίδευσης ή μπορεί να είναι κατασκευασμένος (ψευδαίσθηση). Η μόνη ακριβής πηγή οικονομικών δεδομένων είναι η επίσημη δημοσίευση. Σε αυτό το παράδειγμα, είναι τα στατιστικά στοιχεία του ισοζυγίου πληρωμών CBRT. Ο αριθμός πρέπει να επιβεβαιωθεί από την αρχική πηγή.
3. Ένας αναλυτής δίνει ακατέργαστες σειρές ΔΤΚ στην τεχνητή νοημοσύνη και λέει «υπολογίστε την πραγματική ανάπτυξη». Ποιο από τα παρακάτω είναι σωστή συμπεριφορά επικύρωσης;
- Α) Προσθήκη του αποτελέσματος στην έκθεση χωρίς να το διαβάσετε
- Β) Απλώς εξετάζοντας εάν το αποτέλεσμα «φαίνεται λογικό»
- Γ) Επαληθεύστε το αποτέλεσμα διαβάζοντας τον τύπο/κώδικα που δημιουργήθηκε και υπολογίζοντας με μη αυτόματο τρόπο τουλάχιστον μία περίοδο ✔
- Δ) Ρωτήστε την τεχνητή νοημοσύνη «είσαι σίγουρος;» και να είμαι ικανοποιημένος με την απάντηση «ναι»
Εξήγηση: Σε τυπικούς οικονομικούς υπολογισμούς, όπως η μετατροπή πραγματικού-ονομαστικού, η τεχνητή νοημοσύνη ενδέχεται να μην χρησιμοποιεί τον σωστό τύπο ή να ανακατεύει το έτος βάσης. Ο αναλυτής πρέπει να διαβάσει τον παραγόμενο κώδικα και τον τύπο, να υπολογίσει χειροκίνητα τουλάχιστον μία παρατήρηση και να συγκρίνει το αποτέλεσμα. Προτιμάται η διαφανής, εξηγήσιμη λογιστική.
4. Γιατί γίνεται ο «εκ των υστέρων έλεγχος» στην πρόβλεψη χρονοσειρών;
- Α) Για να δείξουμε πόσο «ωραία» ταιριάζει το μοντέλο με ιστορικά δεδομένα
- Β) Να οριστικοποιηθεί αυτόματα η εκτίμηση
- Γ) Να ωραιοποιήσουν τα δεδομένα
- Δ) Να μετρήσει την πραγματική επιτυχία της πρόβλεψης δοκιμάζοντας το μοντέλο σε προηγούμενες περιόδους που δεν ήταν σε εκπαίδευση ✔
Περιγραφή: Το Backtest μετρά πόσο καλά προβλέπει το μοντέλο σε περιόδους στο παρελθόν που δεν γνωρίζει. Προστατεύει το μοντέλο από την παγίδα της υπερβολικής προσαρμογής κοιτάζοντας μόνο τα δεδομένα που ταιριάζει. Είναι απαραίτητη προϋπόθεση για τη χρηστικότητα του μοντέλου στον πραγματικό κόσμο.
5. Ποιο είναι το «βασικό αποτέλεσμα» στα σχόλια για τον πληθωρισμό και γιατί απαιτεί προσοχή;
- Α) Η ετήσια μεταβολή επηρεάζεται από το χαμηλό/υψηλό της περσινής συγκριτικής περιόδου ✔
- Β) Ο πληθωρισμός πάντα ανεβαίνει
- Γ) Ο βασικός πληθωρισμός είναι υψηλότερος από τον μετρητή
- Δ) Εποχιακή αναπροσαρμογή τιμών
Επεξήγηση: Η επίδραση βάσης είναι ότι ο ετήσιος ρυθμός μεταβολής επηρεάζεται από το χαμηλό ή υψηλό του περασμένου έτους (βασικό) καθώς και από τη φετινή εξέλιξη. Η μείωση του μετρητικού ετήσιου πληθωρισμού μπορεί να οφείλεται στην υψηλή βάση του περασμένου έτους και όχι σε πραγματική επιβράδυνση. Αυτή η παγίδα συχνά παραβλέπεται στις περιλήψεις της τεχνητής νοημοσύνης.
6. Πώς μπορεί να καθοριστεί με μεγαλύτερη ακρίβεια ο ρόλος της τεχνητής νοημοσύνης σε μια μελέτη σεναρίου;
- Α) Ένας μάντης που γνωρίζει το μέλλον με βεβαιότητα
- Β) Ο τελικός λήπτης απόφασης που καθορίζει μόνος του τις παραδοχές
- Γ) Ένας βοηθός που μετατρέπει προφανείς υποθέσεις σε διαφανείς υπολογισμούς και κάνει ορατές τις επιλογές. η κρίση είναι στον άνθρωπο ✔
- Δ) Ένα εργαλείο ακρίβειας που κάνει το σενάριο περιττό
Εξήγηση: Το σενάριο δεν είναι μια πρόβλεψη, αλλά μια υπό όρους άσκηση «αν-τότε» που βασίζεται σε ρητές υποθέσεις. Η τεχνητή νοημοσύνη είναι ένας επιταχυντής για τη μετάφραση των υποθέσεων σε υπολογιστικά φύλλα και την εμφάνιση των επιλογών. Ωστόσο, η κυριότητα των υποθέσεων, η λογική τους και η τελική κρίση ανήκουν στον οικονομολόγο.
7. Η τεχνητή νοημοσύνη χρησιμοποιεί ισχυρή αιτιολογική γλώσσα, όπως το «X αυξάνει το Υ» όταν ερμηνεύει μια έξοδο παλινδρόμησης. Ποια είναι η σωστή απάντηση του οικονομολόγου;
- Α) Αποδοχή της αιτιολογικής γλώσσας ως έχει
- Β) Διορθώστε τη γλώσσα ελέγχοντας τους κινδύνους των παραλειφθέντων μεταβλητών/ενδογένειας και διορθώνοντας το γεγονός ότι η σχέση δεν σημαίνει αιτιότητα.
- Γ) Πλήρης απόρριψη της παλινδρόμησης
- Δ) Υποθέτοντας ότι η αιτιότητα αποδεικνύεται εάν το R-τετράγωνο είναι υψηλό
Εξήγηση: Η παλινδρόμηση μετρά κυρίως τη σχέση (συσχέτιση). Η αιτιότητα μπορεί να διεκδικηθεί μόνο με κατάλληλο σχεδιασμό (πείραμα, οργανική μεταβλητή, φυσικό πείραμα κ.λπ.) και υποθέσεις. Υπάρχουν κίνδυνοι παράλειψης μεταβλητών, ενδογενείας και αντίστροφης αιτιότητας. Ο οικονομολόγος πρέπει να περιορίσει αυτή την υπερβολική αιτιολογική γλώσσα και να αμφισβητήσει τις συνθήκες.
8. Είχατε την τεχνητή νοημοσύνη να ετοιμάσετε μια περίληψη βιβλιογραφίας για ένα θέμα της οικονομίας και το κείμενο παρέχει αναφορές όπως «(Yılmaz, 2019)». Τι πρέπει να κάνετε πρώτα;
- Α) Τοποθέτηση των παραπομπών στην έκθεση ως έχουν
- Β) Υποθέτοντας καλή ποιότητα μόνο και μόνο επειδή υπάρχουν πολλές αναφορές
- Γ) Βλέποντας απλώς τη συνέπεια των ετών έκδοσης
- Δ) Επαληθεύστε από την αρχική πηγή ότι κάθε αναφορά υπάρχει στην πραγματικότητα και περιέχει το εύρημα ✔
Εξήγηση: Η τεχνητή νοημοσύνη μπορεί να παράγει πηγές και αναφορές που στην πραγματικότητα δεν υπάρχουν (ψευδαίσθηση). Κάθε αναφορά πρέπει να επαληθεύεται από την αρχική πηγή ότι υπάρχει στην πραγματικότητα, ότι η απόδοσή της είναι σωστή και ότι περιέχει πραγματικά το ισχυριζόμενο εύρημα. Η μη επαληθευμένη απόδοση αποτελεί ακαδημαϊκό και επαγγελματικό κίνδυνο.
9. Ποιος είναι ο πιο ειλικρινής τρόπος να μεταδοθεί η αβεβαιότητα σε μια δημόσια οικονομική έκθεση;
- Α) Δίνοντας έναν μόνο ακριβή αριθμό και χωρίς να αναφέρουμε καθόλου την αβεβαιότητα
- Β) Κρύβοντας το χειρότερο σενάριο και δίνοντας μόνο τον αισιόδοξο αριθμό
- Γ) Δηλώστε ξεκάθαρα το εύρος πρόβλεψης, τα σενάρια και τις υποκείμενες υποθέσεις ✔
- Δ) Απορρίπτοντας την αβεβαιότητα λέγοντας «είναι περίπλοκο»
Εξήγηση: Η αβεβαιότητα είναι αναπόφευκτη στις οικονομικές προβλέψεις και αναλύσεις. Το να δηλώνεις ξεκάθαρα εύρη, σενάρια και υποθέσεις αντί για έναν μόνο ακριβή αριθμό είναι ειλικρινής επικοινωνία. Η απόκρυψη ασάφειας παραπλανά τον αναγνώστη και υπονομεύει την αξιοπιστία του οργανισμού.
10. Όταν ένα γράφημα δείχνει την αύξηση του ΑΕΠ, ξεκινά τον κάθετο άξονα με 2% αντί για 0%. Γιατί μπορεί αυτό να είναι παραπλανητικό;
- Α) Ο διακεκομμένος άξονας μπορεί να αυξάνει τις μικρές διαφορές και να κάνει την αλλαγή μεγαλύτερη από ό,τι είναι ✔
- Β) Το σημείο που ξεκινά ο άξονας δεν επηρεάζει καθόλου το γράφημα
- Γ) Το γράφημα γίνεται αυτόματα πιο ακριβές
- Δ) Μόνο η επιλογή χρώματος είναι σημαντική, ο άξονας δεν έχει σημασία
Εξήγηση: Ένας διακεκομμένος άξονας (που δεν ξεκινά από το μηδέν) μπορεί να μεγεθύνει οπτικά μικρές διαφορές και να κάνει την αλλαγή να φαίνεται δραματική. Στην ειλικρινή απεικόνιση, η επιλογή του άξονα δεν πρέπει να παραμορφώνει το μήνυμα. Εάν χρησιμοποιείται διακεκομμένος άξονας, πρέπει να επισημαίνεται ευκρινώς.
11. Ένας αναλυτής δεξαμενής σκέψης τοποθετεί δεδομένα ευαίσθητα στην αγορά που δεν έχουν δημοσιοποιηθεί ακόμη σε ένα δημόσιο (μη επιχειρηματικό) εργαλείο τεχνητής νοημοσύνης. Ποιος είναι ο βασικός κίνδυνος;
- Α) Δεν υπάρχει κίνδυνος, τα δεδομένα είναι ήδη αριθμητικά
- Β) Ο μόνος κίνδυνος είναι να αποδειχθεί λάθος το γράφημα
- Γ) Η τεχνητή νοημοσύνη επεξεργάζεται δεδομένα πολύ αργά
- Δ) Κίνδυνος διαρροής δεδομένων, επεξεργασίας από τρίτους και παραβίασης των κανόνων απορρήτου/αγοράς ✔
Αποκάλυψη: Η εισαγωγή εμπιστευτικών ή ευαίσθητων για την αγορά δεδομένων σε ένα δημόσιο εργαλείο δημιουργεί τον κίνδυνο επεξεργασίας των δεδομένων από τρίτους, διαρροής ή χρήσης για την εκπαίδευση του μοντέλου. Αυτό εγκυμονεί τόσο παραβίαση απορρήτου/KVKK όσο και κίνδυνο χειραγώγησης της αγοράς και εμπιστευτικών πληροφοριών. Τα ευαίσθητα δεδομένα θα πρέπει να υποβάλλονται σε επεξεργασία σε εγκεκριμένα από το ίδρυμα, ασφαλή εργαλεία και να ανωνυμοποιούνται όταν είναι απαραίτητο.
12. Τα στοιχεία του ίδιου δείκτη που προέρχονται από δύο διαφορετικές πηγές (TURKSTAT και διεθνής οργανισμός) δεν ταιριάζουν. Ποια είναι η πιο πιθανή αθώα εξήγηση;
- Α) Μία από τις πηγές είναι σίγουρα ψέματα
- Β) Μπορεί να υπάρχει διαφορά στον ορισμό, το έτος βάσης, το πεδίο εφαρμογής, την εποχιακή προσαρμογή ή την αναθεώρηση. τα μεταδεδομένα πρέπει να είναι ευθυγραμμισμένα ✔
- Γ) Η διαφορά στους αριθμούς είναι ασήμαντη, αρκεί η λήψη του μέσου όρου τους
- Δ) Αρκεί να ρωτήσετε την τεχνητή νοημοσύνη και να την αφήσετε να διαλέξει ποια είναι η σωστή.
Επεξήγηση: Η διαφορά στον ίδιο δείκτη σε διαφορετικές πηγές οφείλεται κυρίως σε διαφορές στον ορισμό, το έτος βάσης, το εύρος, την εποχιακή προσαρμογή ή την αναθεώρηση (έκδοση). Τα μεταδεδομένα (ορισμός, μονάδα, περίοδος, διόρθωση) πρέπει να ευθυγραμμιστούν πριν από τη σύγκριση των αριθμών.
13. Ποιο από τα παρακάτω είναι μια εργασία όπου η τεχνητή νοημοσύνη είναι ΔΥΝΑΤΗ στην οικονομική ανάλυση, επιταχυνόμενη με ανθρώπινη επικύρωση;
- Α) Να δοθεί τελική έγκριση μόνο του επίσημου πληθωρισμού
- Β) Λήψη αποφάσεων νομισματικής πολιτικής αντί του ιδρύματος
- Γ) Επιταχύνετε εργασίες όπως η σύνταξη κώδικα καθαρισμού δεδομένων και η σύνοψη μεγάλων αναφορών ✔
- Δ) Τοποθέτηση της μη επαληθευμένης εικασίας στη δημόσια έκθεση
Περιγραφή: Τεχνητή νοημοσύνη. Ισχυρός σε μηχανικές εργασίες και εργασίες σύνταξης, όπως σύνταξη κώδικα, σύνοψη εκτενούς αναφοράς, πρόταση βημάτων καθαρισμού δεδομένων, διόρθωση μορφοποίησης και γλώσσας. Ωστόσο, η τελική ευθύνη για την πρόβλεψη, την πολιτική απόφαση και την παραγωγή επίσημων στοιχείων ανήκει στους ανθρώπους. Η σωστή χρήση είναι να επιταχύνουμε όπου είναι δυνατό και να κρατάμε την κριτική κρίση στο άτομο.
14. Ποια είναι η καταλληλότερη πρακτική διακυβέρνησης για να διασφαλιστεί ότι τα αποτελέσματα τεχνητής νοημοσύνης παρακολουθούνται και ελέγχονται σε ένα ίδρυμα;
- Α) Δημιουργήστε μια αλυσίδα ιχνηλασιμότητας και έγκρισης που καταγράφει το αίτημα, το εργαλείο, τα δεδομένα και τα βήματα επαλήθευσης ✔
- Β) Καθόλου καταγραφή των εξόδων για να μην αυξηθεί ο φόρτος εργασίας
- Γ) Ο καθένας μπορεί να χρησιμοποιήσει ελεύθερα το όχημα που θέλει με τα δεδομένα που θέλει.
- Δ) Μόνο το ανώτερο άτομο χρησιμοποιεί τεχνητή νοημοσύνη, δεν τηρούνται αρχεία
Περιγραφή: Σωστή διακυβέρνηση. Απαιτεί καταγραφή ποια έξοδο παρήχθη με ποιο αίτημα, με ποιο εργαλείο, με ποια δεδομένα, ένα βήμα επαλήθευσης και μια υπεύθυνη αλυσίδα έγκρισης. Αυτή η πειθαρχία της καταγραφής και της αναγνώρισης επιτρέπει τον εντοπισμό σφαλμάτων και την αποσαφήνιση της ευθύνης.