엔비디아(CEO 젠슨 황)는 미 대형은행 웰스파고(Wells Fargo)가 엔비디아 GPU를 통해 규제당국에 위험 모델 변수를 보여주고, 소비자에 대출 결정에 대한 설명을 돕는 AI 모델을 개발 중이라고 밝혔다.
대출기관들은 대출 여부 결정을 알리기 위해 재무 예측을 위한 선형 및 비선형 회귀 모델과 디폴트(채무불이행) 위험에 대한 로지스틱 및 생존성 모델을 적용했다. 이러한 간단하고 수십 년 된 방법은 고객에게 설명하기 쉽다.
반면, 머신러닝과 딥러닝 모델은 위험성을 새로운 방식으로 예측하고 있으며, 이 과정에서 고객과 규제 당국 공시를 위해 설명가능한 AI(XAI)가 필요하다. 머신러닝과 딥러닝 기법은 더 정확하지만 더 복잡하므로, 은행들은 고객과 규제 당국에 대출 여부 결정을 설명하는데 더 많은 노력이 요구되기 때문이다.
설명가능한 AI는 은행이 대출의 위험성을 더 잘 이해할 수 있도록 하며, 단순한 모델로 거절되었을 신청자의 대출을 승인할 수 있게 할 수도 있다. 설명가능한 AI는 더 높은 처리능력이 요구되므로, 웰스파고와 같은 금융서비스 기업들은 처리 능력, 정확성, 설명성(explainability)을 향상시키고 소비자와 규제 당국에 결과를 더 빠르게 제공하기 위해 GPU 가속화 모델을 도입하고 있다.
XAI는 AI 모델 내의 수학을 이해하는 데 도움을 주는 툴과 기술 모음이다. XAI는 사람들이 이해할 수 있는 방식으로 데이터 입력을 모델의 데이터 출력과 매핑한다.
선형 반복 기능 임베딩(Linear Iterative Feature Embedding, LIFE) 알고리즘은 높은 예측 정확성, 해석 용이성 및 효율적인 계산을 위해 개발되었다. 웰스파고는 LIFE가 직접 훈련된 단일 계층 네트워크뿐만 아니라 실험 중인 많은 다른 벤치마크 모델보다 성능이 뛰어나다고 밝혔다.
은행은 LIFE를 사용하여 모델 해석 가능성과 상관관계가 있는 코드를 생성할 수 있으며, 결정에서 어떤 변수의 무게가 가장 높았는지에 대한 올바른 설명을 제공한다. 예를 들어, 높은 총부채상환비율이나 특정 대출상품에 대해 설정된 최소값 이하로 떨어진 FICO 점수에 대해 코드가 생성될 수 있다. 거절 사유를 설명하기 위해 40에서 80가지 변수가 고려될 수 있다.
|
