RegTech公司Hawk：AI首席技术官沃尔夫冈·伯纳（WolfgangBerner）表示，如果真的可以解释，那么可解释性对于很多应用来说尤为关键。“在反洗钱等受到高度监管的领域，考虑人工智能使用的透明度和可解释性是完全合适的，”伯纳说。对于这种典型的“黑盒AI”，会有人担心。”HawkAI认为，行业合规、信任和接受的关键在于高度透明。因此，对于公司而言，对AI可解释性的需求远不止于此。纯粹的监管要求。借助可理解的人工智能，金融机构甚至可以了解和控制神经网络等复杂模型。对于HawkAI，可解释性包括两个维度——人工智能驱动的个人决策的理由是什么？算法如何对人工智能开发有贡献吗？HawkAI表示：“对于HawkAI来说，这一点很明确——只有技术上可以解释的东西最终才会被接受。决策的确切标准或某些风险的统计概率以及算法的组成是AI决策过程不可或缺的组成部分。文档与文档一样重要。同样重要的是，所有这些都以清晰易懂的语言表达，而不是纯粹的技术术语。”该公司认为，每个细节和每个数据源都必须是可验证的——例如，与特定同行相比，某些值是否显着更高或更低。为什么AI会假设某些预期值以及这些值如何相互关联必须是透明的。数据情况必须非常清楚，以至于合规人员使用相同的数据来做出相同的决定。此外，一致的反馈和验证流程有助于持续改进决策——因此AI可以直接从合规团队的决策中学习，并可以在未来更好地支持他们。Hawk提到，AI不仅在其应用程序开始时必须透明——因为它通过接触新数据独立改进——而且还需要能够理解此类优化。为此，该公司声称对AI的每个更改过程也记录在软件中并需要明确批准。因此，如果合规团队无法理解和控制人工智能，人工智能将永远不会发展。HawkAI总结道：“AIAML已经准备就绪——有了HawkAI，它是透明和安全的。”基于这些原因，HawkAI将“白盒AI”与“人工”相提并论，其技术对于合规团队来说是完全可以理解的。因此，我们的软件提供了完整的控制和安全性。人工智能在金融领域的应用是彻底改变打击金融犯罪的方式。“技术驱动的反洗钱不仅在效率和有效性上明显超越传统系统，而且由于能够从犯罪行为模式中学习，因此特别具有前瞻性。因此，从长远来看，利用人工智能打击金融犯罪将成为行业标准。多年来，该技术已在实践中得到验证。即使在非常大的金融机构中，它今天也在使用，或者至少在第一批试点中建立。”HawkAI一直致力于推动金融发展，零售互联商务领域的领导者DieboldNixdorf已合作扩大前者AML解决方案的范围。
