ГЕНЕРАТИВНІ МОДЕЛІ ШТУЧНОГО ІНТЕЛЕКТУ В ПРОГНОЗУВАННІ РИЗИКІВ

Ольга Супрун, Анна Кримська, Данило Миколайович Шабанов · Наука і техніка сьогодні · 2025

ГЕНЕРАТИВНІ МОДЕЛІ ШТУЧНОГО ІНТЕЛЕКТУ В ПРОГНОЗУВАННІ РИЗИКІВ Анотація.Досліджено можливості генеративних моделей штучного інтелекту в прогнозуванні ризиків, проведено оцінювання їх ефективності та визначено підходи до підвищення точності прогнозів у різних сферах застосування.Актуальність дослідження зумовлена необхідністю вдосконалення методів оцінювання ризиків в умовах високої невизначеності, обмеженості історичних даних та зростання складності аналітичних процесів.Генеративні моделі розглянуто як інструмент, що дозволяє не лише аналізувати великі обсяги даних, але й моделювати альтернативні сценарії розвитку подій, що є важливим для підвищення стійкості прогнозування у фінансовому секторі, екологічному моніторингу, кібербезпеці та медицині.Метою дослідження є оцінювання потенціалу генеративних моделей штучного інтелекту для прогнозування ризиків, визначення рівня їх ефективності та розроблення підходів, що сприятимуть підвищенню точності прогнозів і покращенню їх адаптивності в різних сферах застосування.Методологія дослідження ґрунтується на аналізі наукових джерел, порівнянні характеристик генеративних і традиційних аналітичних моделей, а також оцінюванні факторів, що впливають на точність прогнозування.Застосовано методи системного підходу, когнітивного моделювання та параметричного оцінювання ефективності алгоритмів, що дозволило визначити ключові переваги та обмеження генеративних моделей у сфері № 6(47) 2025 1621 управління ризиками.Виявлено, що генеративні моделі демонструють високу гнучкість у прогнозуванні, здатні працювати з неповними даними та адаптуватися до змінних умов.Водночас доведено, що їх впровадження супроводжується певними проблемами, зокрема низькою пояснюваністю прогнозів, залежністю від навчальних вибірок та високими обчислювальними витратами.

Cited by 0 works. doi:10.52058/2786-6025-2025-6(47)-1620-1635 Open-access PDF

Authors