От разъяснения до стимулирования: практическая транспарентность в алгоритмическом страховании

arXiv: 261 0344959v 1 Annuaire Type: New Habstrate: Machine Unerviding Systems (ML) все чаще принимает соответствующие решения в отношении отдельных лиц, включая кредит, наем на работу и страхование. В ходе исследований, посвященных установлению цен на страхование с использованием МЛ, был задан вопрос о том, каким образом можно обеспечить подотчетность самого механизма ценообразования. Однако остается неясным, каким образом следует объяснять каждому отдельному страхователю алгоритмно определенную премию. Мы считаем, что полезное объяснение должно быть обоснованным, осуществимым и надежным. В соответствии с этой моделью действительная рекомендация снижает премию. Исполняемая рекомендация изменяется только в том случае, если обладатель полиса может контролировать ее. Надежная рекомендация имеет реальный результат, который может быть достигнут даже в малоучтенных регионах пространства, где модель является неопределенной. Мы официально оформим эти три требования как аксиомы и разработаем метод, который превращает алгоритмическую премию в рекомендации, которые отвечают им. Данный метод соответствует третьему требованию в соответствии с Конформой