The impact of human AI collaboration on AI applications

Abstract

Bu tez çalışması, günümüz dijital dünyasında giderek artan kredi kartı dolandırıcılığına karşı etkili bir çözüm sunmayı amaçlayan, İnsan-Yapay Zeka (YZ) işbirliğine dayalı yenilikçi bir yaklaşımı ortaya koymaktadır. Finansal işlemlerin hacmindeki hızlı artış, işlem verilerinin karmaşık yapısı ve dolandırıcılık yöntemlerinin sürekli değişim göstermesi, mevcut geleneksel sistemlerin yetersiz kalmasına neden olmaktadır. Kural tabanlı yaklaşımlar ve statik makine öğrenmesi modelleri, dolandırıcıların yaratıcı yöntemlerine karşı yeterince esnek ve adaptif olamamaktadır. Bu bağlamda, bu tezde önerilen sistem, derin öğrenme tekniklerinden Uzun-Kısa Süreli Bellek (Long Short- Term Memory – LSTM) ağları ile açıklanabilir yapay zeka yaklaşımlarından SHapley Additive exPlanations (SHAP) çerçevesini bir araya getirerek, kullanıcı geri bildirimi ile sürekli öğrenen bir yapay zeka tabanlı dolandırıcılık tespit sistemi geliştirmeyi hedeflemektedir.This thesis explores an innovative and interactive approach to credit card fraud de- tection by leveraging the strengths of Human-AI collaboration. In recent years, the increasing sophistication of fraudulent techniques and the massive volume of online transactions have posed serious challenges to conventional fraud detection systems. Traditional rule-based or static machine learning models often fail to adapt to the dy- namic and evolving nature of fraud patterns. To address these limitations, this study proposes a dynamic fraud detection framework that integrates Long Short-Term Mem- ory (LSTM) neural networks with the SHapley Additive exPlanations (SHAP) inter- pretability framework, supported by continuous user feedback.