An Artificial Intelligence Value at Risk Approach: Metrics and Models
Luis Enriquez Alvarez
人工智能风险本质上是多维度的，因为相同的风险场景可能具有法律、运营和金融风险维度。随着新的人工智能法规的出现，由于即将出台的AI法规，人工智能风险管理的最新技术水平似乎非常不成熟。尽管出现了几种方法和通用标准，但考虑到最重要的问题是为特定AI风险场景定制人工智能风险指标和风险模型，具有实际实施价值的指南仍然很少见。此外，财务部门、法律部门和政府风险合规团队似乎仍然不了解AI系统的许多技术方面，而数据科学家和AI工程师则成为最合适的实施者。将人工智能风险问题分解为几个维度至关重要：数据保护、公平性、准确性、鲁棒性和信息安全。因此，主要任务是开发适当的指标和风险模型，以减少决策过程中的不确定性，以便就AI系统的风险管理做出明智决策。本文的目的是引导AI利益相关者了解AI风险管理的深度。虽然它不是极其技术性的，但需要具备风险管理、不确定性量化、FAIR模型、机器学习、大语言模型和AI上下文工程的基本知识。所提供的示例旨在非常基础和易于理解，提供可以在特定AI定制环境中开发的简单想法。人工智能风险管理中有许多问题需要解决，本文将全面概述AI风险的相互依赖性，以及如何在风险场景中共同建模它们。
Artificial intelligence risks are multidimensional in nature, as the same risk scenarios may have legal, operational, and financial risk dimensions. With the emergence of new AI regulations, the state of the art of artificial intelligence risk management seems to be highly immature due to upcoming AI regulations. Despite the appearance of several methodologies and generic criteria, it is rare to find guidelines with real implementation value, considering that the most important issue is customiz...
