利益:
- 経済分析における人工知能の主な限界（捏造、データカットオフ日、因果関係の盲目、構造的破壊）を体系的にリストアップする能力
- 機密データ、市場の機密情報、個人データを保護する安全な使用法と KVKK 準拠のワークフローを確立する機能
- エンタープライズレベルの AI ガバナンス フレームワーク (登録、検証、説明責任、承認チェーン) を設計および実装する能力
モジュール試験
1. 中央銀行家は、AI が生成したインフレ予測を何の検証もせずに直接公式政策ノートに組み込む。このアプローチの根本的な間違いは何でしょうか?
- A) 人工知能の出力をソースに接続せずに意思決定に変換し、再計算し、経済的検証を受ける。責任は人々にあるということを無視する ✔
- B) 経済予測に人工知能を使用することは固く禁じられています
- C) 人工知能は常に実際よりも低いインフレを示す
- D) 予測はグラフに表示されません
説明: 人工知能は統計的な概要を生成します。しかし、予測と正式な政策概要の内容に対する責任は、有能な経済学者と機関にあります。検証されていない出力は、署名されていないレポートと同じくらい危険です。数値は元のソースにリンクされ、再計算され、経済フィルターを通過する必要があります。
2. 人工知能に「2024 年のトゥルキエの経常赤字の数字を教えてください」と尋ねるとき、最も安全なアプローチは何ですか?
- A) 人工知能によって与えられた番号を信頼し、それを直接使用します
- B) CBRT の公式国際収支発表から数値を確認し、日付/単位を確認する ✔
- C) インターネット上のランダムなニュース サイトから番号を取得する
- D) いずれにせよ変わるので番号を無視する
説明: 人工知能によって与えられた数値は、トレーニング データの締切日よりも古いか、でっち上げられた可能性があります (幻覚)。経済データの唯一の正確な情報源は公式出版物です。この例では、CBRT 国際収支統計です。番号は元の情報源から確認する必要があります。
3. アナリストが生の CPI シリーズを人工知能に与え、「実質成長率を計算してください」と言います。正しい検証動作は次のうちどれですか?
- A) 結果を読まずにレポートに追加する
- B) 結果が「合理的であるように見える」かどうかだけを見ている
- C) 生成された式/コードを読み取り、少なくとも 1 つの期間を手動で計算することで結果を検証します ✔
- D) 人工知能に「本当にそうですか?」と尋ねます。そして「はい」という答えに満足する
説明: 実質名目換算などの標準的な経済計算では、AI が正しい計算式を使用しなかったり、基準年を混同したりする可能性があります。分析者は、生成されたコードと式を読み取り、少なくとも 1 つの観測値を手動で計算し、結果を比較する必要があります。透明性があり、説明可能な会計処理が望まれます。
4. 時系列予測で「バックテスト」が行われるのはなぜですか?
- A) モデルが過去のデータにどれだけ「適切」に適合しているかを示すため
- B) 見積を自動的に確定する場合
- C) データを美しくするため
- D) トレーニング中でなかった前の期間にモデルをテストすることで、実際の予測の成功を測定する ✔
説明: バックテストは、モデルが過去の未知の期間にわたってどの程度正確に予測するかを測定します。モデルが適合するデータのみを調べることで、モデルを過適合の罠から保護します。これは、現実世界でモデルを使いやすくするための前提条件です。
5. インフレに関するコメントにおける「ベース効果」とは何ですか?なぜ注意が必要ですか?
- A) 年間変化は、昨年の比較期間の安値/高値の影響を受ける ✔
- B) インフレは常に上昇する
- C) コアインフレ率がヘッドラインよりも高い
- D) 価格の季節調整
説明: 基本効果とは、年間変化率が昨年の (基準) 最低値または最高値と今年の動向の影響を受けることです。総合的な年間インフレ率の低下は、昨年のベースの高さによるものであり、実際の景気減速ではない可能性がある。 AI の概要では、この落とし穴が見落とされがちです。
6. シナリオスタディで人工知能の役割を最も正確に定義するにはどうすればよいですか?
- A) 未来を確実に知る予言者
- B) 前提条件を自ら決定する最終意思決定者
- C) 明らかな仮定を透明性のある計算に変換し、オプションを可視化するアシスタント。判断力は人間にある ✔
- D) スクリプトを不要にする高精度のツール
説明: このシナリオは予測ではなく、明示的な仮定に基づいた条件付きの「if-then」の実行です。 AI は、仮定をスプレッドシートに変換し、選択肢を可視化するためのアクセラレータです。ただし、仮定の所有権、その合理性、および最終的な判断は経済学者にあります。
7. AI は回帰出力を解釈するときに、「X は Y を増加させる」などの強い因果関係のある言語を使用します。経済学者の正しい反応は何ですか?
- A) 原因となる言語をそのまま受け入れる
- B) 省略された変数/内生性のリスクをチェックし、関係性が因果関係を意味しないという事実を修正して、文言を修正します。
- C) 回帰を完全に捨てる
- D) R2 値が高い場合に因果関係が証明されたと仮定する
説明: 回帰は主に関係 (相関関係) を測定します。因果関係は、適切な設計 (実験、操作変数、自然実験など) と仮定の下でのみ主張できます。変数の省略、内生性、逆因果関係のリスクがあります。経済学者はこの行き過ぎた因果関係の表現を抑制し、状況に疑問を持たなければなりません。
8. 人工知能に経済学のトピックに関する文献概要を作成させましたが、テキストには「(Yılmaz, 2019)」などの参考文献が記載されています。まず何をすべきでしょうか?
- A) 引用をそのままレポートに掲載する
- B) 引用が多いからといって品質が良いと考える
- C) 出版年の一貫性だけを見る
- D) 元のソースから、各参考文献が実際に存在し、所見が含まれていることを確認します ✔
説明: 人工知能は、実際には存在しないソースや参照を生成することがあります (幻覚)。各参考文献は、元の情報源から、それが実際に存在すること、その帰属が正しいこと、主張された知見が実際に含まれていることを検証する必要があります。帰属が確認されていないことは、学術上および専門上のリスクとなります。
9. 公開経済報告で不確実性を伝える最も正直な方法は何ですか?
- A) 単一の正確な数値を示し、不確実性についてはまったく言及していない
- B) 最悪のシナリオを隠し、楽観的な数字だけを与える
- C) 予測範囲、シナリオ、前提条件を明確に記載する ✔
- D) 「複雑だ」と言って不確実性を無視する
説明: 経済の予測と分析には不確実性が避けられません。単一の正確な数値ではなく、範囲、シナリオ、仮定を明確に述べることが誠実なコミュニケーションです。曖昧さを隠すと読者に誤解を与え、組織の信頼性を損ないます。
10. グラフが GDP 成長率を示す場合、縦軸は 0% ではなく 2% から始まります。これが誤解を招くのはなぜでしょうか?
- A) 破線の軸は小さな違いを誇張し、変化を実際よりも大きくする可能性があります ✔
- B) 軸の開始位置はグラフにまったく影響しません
- C) グラフは自動的により正確になります
- D) 色の選択のみが重要で、軸は重要ではない
説明: 破線の軸 (ゼロから始まらない) を使用すると、小さな違いが視覚的に拡大され、変化が劇的に見えるようになります。正直な視覚化では、軸の選択によってメッセージが歪められるべきではありません。破線の軸を使用する場合は、明確にマークする必要があります。
11. シンクタンクのアナリストが、まだ公開されていない市場に敏感なデータを公共 (非企業) AI ツールに組み込みます。重要なリスクは何ですか?
- A) リスクはありません。データはすでに数値化されています。
- B) 唯一のリスクは、グラフが間違っていることが判明することです
- C) 人工知能はデータを非常にゆっくりと処理します
- D) データ漏洩、第三者による処理、プライバシー/市場ルール違反のリスク ✔
開示: 機密データまたは市場に敏感なデータを公開ツールに入力すると、データが第三者によって処理されたり、漏洩したり、モデルのトレーニングに使用されたりするリスクが生じます。これは、プライバシー/KVKK の侵害と、市場操作やインサイダー情報のリスクの両方をもたらします。機密データは、機関が承認した安全なツールで処理し、必要に応じて匿名化する必要があります。
12. 2 つの異なる情報源 (TURKSTAT と国際機関) から取得した同じ指標の数値は一致しません。無害である可能性が最も高い説明は何ですか?
- A) 情報源の 1 つは間違いなく嘘をついています
- B) 定義、基準年、範囲、季節調整または改訂に違いがある可能性があります。メタデータは調整する必要があります ✔
- C) 数値の差は重要ではなく、平均を取るだけで十分です
- D) 人工知能に質問して、どれが正しいかを選択させるだけで十分です。
説明: 異なるソースでの同じ指標の違いは、主に定義、基準年、範囲、季節調整またはリビジョン (バージョン) の違いによるものです。数値を比較する前に、メタデータ (定義、単位、期間、補正) を揃える必要があります。
13. AI が経済分析に強く、人間による検証で加速するタスクは次のうちどれですか?
- A) 公式インフレ率のみを最終承認すること
- B) 金融機関に代わって金融政策の決定を行う
- C) データ クリーニング コードの草案作成や長いレポートの要約などのタスクを高速化します ✔
- D) 未検証の推測を公開報告書に掲載する
説明: 人工知能。コードの作成、長いレポートの要約、データ クリーニング手順の提案、書式設定と言語の修正などの機械的および製図タスクに強い。しかし、予測、政策決定、公式数値の作成に対する最終的な責任は人間にあります。正しい使い方は、得意なところで加速し、重要な判断力を自分の中に留めておくことだ。
14. 人工知能の出力が機関内で確実に監視および監査されるようにするための最も適切なガバナンス実践は何ですか?
- A) リクエスト、ツール、データ、検証手順を記録するトレーサビリティと承認チェーンを確立する ✔
- B) 作業負荷が増加しないように、出力をまったく記録しない
- C) 誰もが好きな車両を好きなデータで自由に使用できます。
- D) 最上位の人物のみが人工知能を使用し、記録は残されません
説明: 健全なガバナンス。どのリクエスト、どのツール、どのデータを使用してどの出力が生成されたか、検証ステップと責任ある承認チェーンを記録する必要があります。この記録と承認の規律により、エラーを遡って責任を明確にすることができます。