この記事では、金融分野での大規模なニューラルネットワークモデルの透明性の欠如が、信頼性や規制遵守において課題を引き起こすことを述べています。著者たちは、説明可能で信頼性のあるAIを実現するためのアプローチをいくつか提示しています。まず、Time-LLMという時系列の基盤モデルが、誤った予測を避けるためのプロンプトを使用する方法を説明しています。次に、信頼性推定器と組み合わせることで、不正確な予測をフィルタリングすることを示しています。最後に、透明性のある理由付けのためにドメインルールを符号化するための象徴的推論を提案しています。このアプローチにより、信頼性と説明可能性の両方を兼ね備えた予測の実行に重点が置かれています。実験は、エクイティや暗号通貨データを用いて、偽陽性を減少させ選択的な実行を支援する効果を示しています。