Bài viết liên quan
Quản trị rủi ro
Trí tuệ nhân tạo có khả năng giải thích
Explainable AI (XAI)
Tập hợp các phương pháp giúp trích xuất nguyên nhân quyết định của mô hình ML (SHAP value, LIME, Partial Dependence Plot), cho phép truy vết biến nào đóng góp vào điểm tín dụng cuối cùng. Theo Thông tư 13/2018 của NHNN và quy định GDPR quốc tế, quyết định từ chối tín dụng phải giải trình được lý do cụ thể. XAI do đó trở thành yêu cầu bắt buộc khi ngân hàng Việt Nam triển khai ML scoring cho phân khúc khách hàng cá nhân.
Trí tuệ nhân tạo có khả năng giải thích (Explainable AI - XAI) là gì?
Là tập hợp các phương pháp và kỹ thuật giúp con người hiểu được lý do tại sao một mô hình machine learning đưa ra quyết định cụ thể. XAI trích xuất mức độ đóng góp của từng biến đầu vào vào kết quả đầu ra, giúp giải tỏa bản chất "hộp đen" của các thuật toán phức tạp như gradient boosting, neural networks.
Đặc điểm
- SHAP (SHapley Additive exPlanations): tính giá trị đóng góp biên của từng feature (thu nhập, độ tuổi, lịch sử nợ) vào điểm tín dụng cuối cùng theo lý thuyết trò chơi Shapley.
- LIME (Local Interpretable Model-agnostic Explanations): xây dựng mô hình tuyến tính đơn giản cục bộ để xấp xỉ quyết định của mô hình phức tạp cho từng cá nhân.
- Partial Dependence Plot (PDP): biểu diễn trực quan quan hệ giữa một biến (ví dụ tỷ lệ nợ/thu nhập) và xác suất vỡ nợ.
- Theo Thông tư 13/2018/TT-NHNN về phê duyệt hạn mức tín dụng và Thông tư 18/2024, ngân hàng phải giải trình lý do từ chối cụ thể cho khách hàng.
- Tuân thủ nguyên tắc "quyền được giải thích" trong GDPR Article 22 của EU - chuẩn quốc tế áp dụng cho tập đoàn tài chính hoạt động xuyên biên giới.
Ví dụ
Chị Trần Thị Lan bị từ chối khoản vay 200 triệu đồng. Thay vì nhận thông báo "Bị từ chối", hệ thống XAI giải thích: điểm SHAP cho thấy tỷ lệ nợ/thu nhập hiện tại 65% (đóng góp -0.28 điểm), lịch sử trễ hạn 2 lần trong 12 tháng (-0.15), thời gian làm việc 8 tháng quá ngắn (-0.10). Khách hàng hiểu rõ nguyên nhân và có thể khắc phục trong 6 tháng sau.