人工智能在金融业的潜力正在改变行业，但也带来了一些挑战。这份报告讨论了金融行业中人工智能应用的关键问题，包括透明度、解释性、公平性、问责制和值得信赖性。它还强调了对人工智能的合理管理和监管的重要性，为学术界、金融业和监管机构提供了建议。

Aug, 2023

在全球化金融市场中，商业银行面临不断升级的信贷风险，从而对银行资产安全和金融稳定性提出更高要求。本研究利用先进的神经网络技术，特别是反向传播神经网络，开创了一种新的模型来预测商业银行的信贷风险。通过比较分析，阐明了神经网络模型在预测商业银行信贷风险方面的优越性。实验结果表明，该模型有效提高了信贷风险管理的远见性和准确性。

May, 2024

人工智能（AI）在最近几年取得了显著进展，对经济和社会产生了重大影响。然而，仅当 AI 应用根据高质量标准开发并有效地防范新的 AI 风险时，AI 和基于其的商业模式才能充分发挥其潜力。此论文致力于解决 AI 应用可信度的问题，通过提供一个可信 AI 评估目录，旨在帮助开发人员和审计员以结构化的方式评估 AI 应用程序的可信度。

Jun, 2023

金融机构、监管机构和政策制定者越来越认识到应对与自然相关的风险和机遇的重要性。利用人工智能（AI）可以解决数据分析和复杂系统分析的问题，本报告提出了两个不同应用案例的潜在 AI 解决方案，分别是巴西牛肉供应案例和英国水务案例，涵盖了可持续金融的广泛视角和不同挑战。

Apr, 2024

本文使用分层复杂系统框架对人工智能（AI）风险进行建模，并从公共和私营领域的领域专家收集调查数据以分类 AI 影响和可能性，结果显示强大的 AI 代理情景有更多不确定性，对 AI 对齐失败和影响寻求行为的关注增加以及对多智能体环境的信心增强。

Nov, 2022

本文综合回顾了关于使用 AI 工具避免技术债务的现有研究，其中分析了 15 篇涵盖不同 AI 技术的文章，如代码分析与审查，自动化测试，代码重构，预测性维护，代码生成和代码文档化，并探讨了它们在解决技术债务方面的效果、挑战和限制，为想要在软件开发过程中有效减轻技术债务的团队提供了实用指南。

Jun, 2023

在人工智能逐渐融入决策过程的时代，本研究论文综合探讨了偏见和公平性问题，特别着重研究它们在银行业中的影响，其中由人工智能驱动的决策具有重大的社会影响。在这个背景下，公平性、可解释性和人类监督的无缝融合至关重要，最终形成了常常称为 “负责任人工智能” 的概念。这强调了在开发企业文化时解决偏见的关键性，以便与人工智能法规和普世人权标准相一致，特别是在自动决策系统领域。现今，将伦理原则纳入到人工智能模型的开发、训练和部署中对于遵守即将出台的欧洲法规和促进社会公益至关重要。本论文以了解偏见、减少偏见和考虑偏见三个基本支柱为结构，验证了这些贡献在与 Intesa Sanpaolo 的实际应用场景中的实用性。这项合作努力不仅加深了我们对公平性的认识，还提供了实际工具来负责任地实施基于人工智能的决策系统。遵循开源原则，我们已发布了 Bias On Demand 和 FairView 作为易于使用的 Python 包，进一步推动了 AI 公平领域的进展。

Jan, 2024

该篇论文初步探讨了运用神经网络进行信用风险评估时，为提高模型的可解释性，已提出了一些技术。

Nov, 2018

智能金融科技是新一代的金融科技，主要受数据科学和新一代人工智能技术的启发和支持。智能金融科技综合广泛的数据科学和人工智能技术，通过驱动智能、自动化、全面的业务以及个性化的经济和金融企业、服务和系统来改变金融和经济。本文介绍了智能金融企业及其挑战，智能金融生态系统、实现智能金融的数据科学和人工智能技术的研究进展以及未来的研究方向。

Jul, 2020

利用历史数据和人工智能技术，本研究引入了一个数据驱动的框架，以自动识别风险并检查早期风险记录和评估质量。

Nov, 2023