موردی برای هوش مصنوعی مولد هدفمند در پیشگیری از کلاهبرداری
موسسات مالی باید تعیین کنند که آیا هوش مصنوعی که به کار گرفته اند برای چشم انداز تهدید امروز و فردا ساخته شده است یا خیر.
جرایم مالی هرگز متوقف نشده است. در نزدیک به سه دهه فعالیتم در خدمات مالی، شاهد حرکت کلاهبرداری با تکنولوژی ساخته شده برای متوقف کردن آن بودهام، و گاهی اوقات حتی یک قدم جلوتر از آن میمانم، با توجه به اینکه کلاهبرداران سرعت فناوری جدید را اتخاذ میکنند.
من شاهد دههها نوآوری هوش مصنوعی بودهام که سطح کشف تقلب را بالا برد، با این حال مجرمان همچنان به آزمایش این مرزها ادامه میدهند. کلاهبرداری همچنان یکی از نگرانی های اصلی مصرف کنندگان است، به طوری که بیش از 87.5 میلیون بزرگسال آمریکایی هر سال یک کلاهبرداری یا کلاهبرداری مالی را تجربه می کنند. این تقریبا یک نفر از هر سه بزرگسال آمریکایی است.
سوال موسسات مالی این نیست که آیا هوش مصنوعی جایگاهی در پیشگیری از کلاهبرداری دارد یا خیر، بلکه این است که آیا هوش مصنوعی که آنها به کار گرفتهاند برای چشمانداز تهدیدی که امروز با آن روبرو هستند - و تهدیدی که در راه است ساخته شده است یا خیر.
محاسبات در نهایت به بینایی ریاضی رسید
برای چندین دهه، دانشمندان داده که روی پیشگیری از تقلب کار میکردند، نظریههایی داشتند که نمیتوانستند اجرا کنند. ایدهها درست بودند، اما رایانههای آن زمان به اندازه کافی قدرتمند نبودند که بتوانند ریاضیات را انجام دهند. آن محدودیت دیگر وجود ندارد.
از لحاظ تاریخی، بیشتر کشف تقلب با ایجاد نمایهای انجام شده است که رفتار معمول مشتری را با استفاده از ویژگیهای پیچیده، شبکه عصبی و تراکنش فعلی مشتری برای علامتگذاری تراکنشهای مشکوک خلاصه میکند. این رویکردی است که توسط محدودیتهای محاسباتی زمان محدود شده است.
امروزه، دسترسی به GPU و سایر محاسبات با کارایی بالا، هنر ممکن را تغییر داده است. به جای تجزیه و تحلیل یک تراکنش در چارچوب یک نمایه، GPUها به ما اجازه می دهند الگوریتم های کاملا جدیدی را پیاده سازی کنیم که می توانند تاریخچه تراکنش گسترده مشتری را در زمان واقعی هنگام انجام تراکنش ارزیابی کنند.
نتیجه، پیشبینی دقیقتر، دقیقتر و هشدارهای نادرست بسیار کمتری است که میتواند خریدهای قانونی را به تأخیر بیندازد یا متوقف کند و اعتماد مشتری را از بین ببرد.
ساخته شده برای یک کار، نه برای هر شغل
به لطف در دسترس بودن بیشتر GPU و قدرت محاسباتی، اکنون شاهد فرصتهای جدیدی برای پشتیبانی از جلوگیری از تقلب با یک ترانسفورماتور مدلسازی توالی هستیم - نه یک ترانسفورماتور عمومی، بلکه یک ترانسفورماتور که برای تجزیه و تحلیل تراکنشها و جرایم مالی ساخته شده است.
با یک معماری ترانسفورماتور هدفمند که منحصرا بر روی داده های تراکنش مالی آموزش دیده و برای یک کار متمرکز مهندسی شده است، موسسات خدمات مالی می توانند با استفاده از شخصی سازی عمیق و زمینه تاریخ تراکنش مشتری، جرم مالی را در زمان واقعی شناسایی کنند.
اینها مدلهای فراگیر «همه کار را انجام دهید» نیستند. آنها مدلهای پایه متمرکزی هستند که بهمنظور ارائه هوش مصنوعی قابل بازرسی، با عملکرد بالا و با تأخیر کم برای مبارزه با جرایم مالی ساخته شدهاند. هر یک از این مدلها در زمینههای متفاوتی مانند تصاحب حساب، کلاهبرداری، شناسایی قاطر و سوء استفاده از طرف اول تخصص دارند.
مدلهای مستقلی که بر تخصص خود متمرکز شدهاند، تصویری کاملتر، دقیقتر و شفافتر از هر مدلی که به تنهایی کار میکند، امکانپذیر میسازد. و این تازه شروع است، زیرا همان روش برای تصمیمگیریهای ریسک، سختیها، مجموعهها و هر برنامهای که درک مشتریان ما منجر به تعامل، محافظت و خدمات بهتر میشود، اعمال میشود.
آینده اکنون است
قابلیت های پیشگیری از تقلب که پنج سال آینده را تعریف می کند، در حال حاضر ساخته می شود. شرکتهایی که برای محافظت از مشتریان در برابر تقلب - چه در حال حاضر و چه در آینده - سرمایهگذاری میکنند، میدانند که مدلهای هدفمند، استفاده از محاسبات تخصصی و عوامل هوش مصنوعی مسیر محافظت از مشتریانشان است.
ریاضیاتی که امروزه از مصرف کنندگان محافظت می کند، دهه ها پیش توسط دانشمندان هوش مصنوعی ابداع شد که حتی قبل از وجود محاسبات و زیرساخت، پتانسیل را در الگوریتم ها مشاهده کردند. من بخش زیادی از دوران حرفهای خود را به دنبال این هدف گذراندهام تا اطمینان حاصل کنم که صنعت آماده ارائه بهترین الگوریتمها هنگام نمایش محاسبات است.
برخی از افتخارآمیزترین کارهای من ناشی از امتناع از تسویه حساب و اعتماد به این موضوع است که فناوری با اختراعات و ریاضیات هوش مصنوعی پیش خواهد رفت. هر حق ثبت اختراع، هر مدل، هر آزمایش هوش مصنوعی هدف یکسانی را دنبال می کند: اطمینان از اینکه صنعت آماده است تا با بهترین ابزارهای هوش مصنوعی به محض اینکه محاسبات به اختراعات علمی برسد، رهبری کند.
آن کار در حال حاضر در حال انجام است. تنها سوال این است که آیا موسسات مالی بخشی از آن هستند یا برای جبران آن رقابت می کنند.
ما بهترین نرم افزار آنتی ویروس را معرفی کرده ایم.
این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.
نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit
متن اصلی (انگلیسی)
The case for purpose-built generative AI in fraud prevention
Financial institutions must determine whether the AI they've deployed is built for today's and tomorrow's threat landscape.