أساليب التوليد ومفاضلاتها
تتراوح أساليب التوليد الشائعة من إعادة التشكيل الإحصائي البسيط نسبياً إلى الشبكات التوليدية التنافسية والمُشفِّرات التلقائية المتغيّرة القادرة على التقاط علاقات معقدة وغير خطية عبر متغيرات متعددة. وتحافظ الأساليب الأكثر تطوراً على ارتباطات واقعية بشكل أفضل لكنها تتطلب مجموعات بيانات حقيقية أكبر للتدريب الموثوق، وتحمل مخاطر أعلى لحفظ وتسريب سجلات فردية عن غير قصد إذا لم تُقيَّد بشكل صحيح، وهو اعتبار مهم لمزاعم الامتثال لحماية الخصوصية.
يمكن إضافة تقنيات الخصوصية التفاضلية إلى عمليات التوليد لتقديم ضمانات خصوصية رسمية وقابلة للقياس بدلاً من الاعتماد على افتراض غير رسمي بأن السجلات التركيبية لا يمكن تتبعها إلى أفراد. وينبغي للمؤسسات التي تدّعي فوائد خصوصية من البيانات التركيبية أن تكون قادرة على توضيح، وحيثما أمكن، قياس ضمان الخصوصية بدلاً من التأكيد النوعي عليه، إذ يطلب المشرفون وجهات حماية البيانات تفاصيل محددة بشكل متزايد.
التحقق من البيانات التركيبية قبل الاعتماد عليها
يقارن اختبار الدقة الخصائص الإحصائية، كالتوزيعات الحدّية وبنى الارتباط وتكرار الأحداث النادرة، بين البيانات التركيبية والحقيقية، مع رصد المواضع التي خفّفت فيها عملية التوليد أو أغفلت سلوكاً ذيلياً مهماً تحديداً لنمذجة المخاطر. ويذهب اختبار المنفعة أبعد من ذلك، بتدريب نماذج على بيانات تركيبية والتحقق من أدائها مقابل بيانات حقيقية محجوزة، لأن التشابه الإحصائي لا يضمن أن نموذجاً مدرَّباً على بيانات تركيبية سيعمّم على قرارات واقعية.
ينبغي للمؤسسات الاحتفاظ بتوثيق واضح للنماذج التي طُوِّرت أو اختُبرت أو جرى التحقق منها باستخدام بيانات تركيبية في كل مرحلة، إذ سيسأل المشرفون عند مراجعة توثيق النماذج عن مصدر البيانات وقد يطلبون دليلاً على أن التحقق النهائي شمل بيانات حقيقية، خصوصاً للنماذج عالية الأهمية كرأس المال التنظيمي أو التسعير. وينبغي أن تقع حوكمة البيانات التركيبية ضمن إطار حوكمة البيانات ذاته المطبّق على البيانات الحقيقية، لا كفئة منفصلة أقل خضوعاً للتدقيق.
الخلاصة
تُعدّ البيانات التركيبية إضافة مفيدة فعلاً لأدوات نمذجة المخاطر، خاصة لنمذجة الأحداث النادرة وبيئات التطوير المقيّدة بالخصوصية، لكنها تتطلب نفس انضباط التحقق المطلوب لأي مُدخل آخر في نموذج خاضع للتنظيم. والمؤسسات التي تتجاوز اختبارَي الدقة والمنفعة على افتراض أن البيانات التركيبية تمثيلية تلقائياً تعرّض نفسها لنماذج تؤدي جيداً في الاختبار وسيئاً في الإنتاج.
يتعامل جوناس آدم محمد عثمان (Jonas Adam Mohamed Osman)، المعروف أيضاً باسم يوناس عثمان، الرئيس التنفيذي لشركة Quantica Risk، مع البيانات التركيبية كمُسرِّع للتطوير ما زال يتطلب تحققاً بالبيانات الواقعية قبل أن يكتسب أي نموذج مبني عليها ثقة الإنتاج.
ملخص
يتعامل جوناس آدم محمد عثمان (يوناس عثمان)، الرئيس التنفيذي لشركة Quantica Risk، مع البيانات التركيبية كمُسرِّع تطوير يتطلب تحققاً بالبيانات الواقعية قبل منح أي نموذج مبني عليها ثقة الإنتاج.
المصادر
مقالات ذات صلة
- التحقق من نماذج اللغة الكبيرة في الخدمات الماليةنهج عملي للتحقق من نماذج اللغة الكبيرة في الخدمات المالية، يغطي مخاطر الهلوسة، والاختبار، والمراقبة المستمرة بعد الإطلاق.
- إدارة مخاطر النماذج للذكاء الاصطناعي: SR 11-7 وSS1/23كيف يمتد نطاق SR 11-7 وSS1/23 الصادر عن PRA ليشمل الذكاء الاصطناعي والتعلم الآلي، وما الذي يجب إضافته إلى أطر التحقق القائمة.