这项技术引发的一些问题显然具有新性质。我举两个例子。首先，可解释性：随着人工智能算法在该领域的进步，它变得越来越不透明。在金融业等受到监管的行业中，这种不透明度会带来问题。特别是，人工智能系统的日常用户必须充分了解其操作和局限性，以便适当地使用它们，并避免系统性不信任或盲目信任机器的两个陷阱。
第二个例子，公平。人工智能可以放大数据中存在的偏见。这正是欧洲法规的目标之一，即在这些偏见损害公民之前发现并防止它们。这个问题在技术上很复杂，因为禁止使用某些受保护变量不足以保证算法的安全；在发放信贷或保险定价等活动中更是如此，因为客户细分是竞争环境下正常商业行为和风险管理实践的一部分。
金融机构 需要获得新的人力和技术能力并提高其技能。事实上，作为市场监管机构和审慎监管机构，ACPR 将确保风险控制有效。遵守人工智能法规不能沦为内部标记的行政过程：相反，有必要确保算法由了解其深入运作的有能力的人员进行管理和监控。
这意味着财务主管也要提高自己的技能，调整自己的工具和方法。 ACPR 过去已经发表了关于可解释性问题的反思要素：它最终必须掌握关于这一 韩国 WhatsApp 号码 主题以及算法公平性问题的理论。我们还需要开发一套审计人工智能系统的具体方法。
我们不能、也不应该独自采取这一方法步骤。除了与法国和欧洲其他人工智能监管机构建立协同作用外，我们还需要与金融部门进行合作。主管和被主管面临着许多共同的挑战，如果他们能够共同前进，他们将更有效地克服这些挑战。
今天这样的活动让我们能够围绕一个必须广泛分享的项目进行集体动员。通过共同努力，我们可以为金融领域可信的人工智能奠定基础。