در حوزه مالی، به خصوص در مبارزه با کلاهبرداری، اتخاذ هوش مصنوعی (AI) از روز به روز رواج بیشتری یافته است. با این حال، یک شکاف داده قابل توجه بین بانک‌های بزرگ و کوچک وجود دارد و نهادهای کوچک در معایب هستند. بانک‌های بزرگ دارای مزیت داده‌های داخلی بیشتری هستند که این امکان را فراهم می‌کند تا مدل‌های AI قوی‌تری جهت کشف و پیشگیری از فعالیت‌های کلاهبرداری توسعه دهند. از سوی دیگر، بانک‌های کوچک با محدودیت داده‌های چنینی مواجه هستند و این امر باعث می‌شود که برای آن‌ها سخت باشد که از فناوری AI بهره ببرند.
برای پل سازی این شکاف، وزارت خزانه‌داری آمریکا بر اهمیت به اشتراک گذاری داده بین نهادهای مالی تأکید دارد. کمبود به اشتراک گذاری داده بر امکان توسعه مدل‌های AI موثر برای پیشگیری از کلاهبرداری تأثیر گذار بوده است. با تشخیص این مسئله، رئیس‌جمهور جو بایدن در ماه اکتبر فرمان اجرایی‌ای صادر کرد که هدفمندی از AI را هدف قرار داد. این فرمان از آژانس‌های دولتی برای استقرار استانداردهای ایمنی جدید برای سیستم‌های AI و اجبار توسعه‌دهندگان برای به اشتراک گذاری نتایج آزمون‌های ایمنی و سایر اطلاعات بحرانی با دولت خواستار می‌شود.
نلی لیانگ، معاون داخلی وزارت خزانه‌داری برای مالیات و درآمد‌های داخلی، نقش تحول‌آفرین AI در بخش خدمات مالی را برجسته کرد. او بیان کرد که گزارش وزارت خزانه‌داری یک مسیربرای نهادهای مالی فراهم می‌کند تا با تلاطمات پیوسته چشم‌انداز مبتنی بر AI برای کلاهبرداری مرتبط به طور ایمن را رها سازند.
گزارش همچنین به رشد اطلاعات به اشتراک گذاری سایبربیمه اشاره کرد اما شکل نیاز به پیشرفت در به اشتراک گذاری داده مربوط به پیشگیری از کلاهبرداری را پذیرفت. برای رفع این مشکل، دولت آمریکا می‌تواند یک “دیتا لیک” متمرکز از اطلاعات مرتبط با کلاهبرداری ایجاد کند که برای آموزش AI قابل دسترس باشد.
علاوه بر این، وزارت خزانه‌داری پیشنهاد کرد که “برچسب‌ها”ی قرار داده شود که منشأ و استفاده از داده مورد استفاده برای آموزش مدل‌های AI برای سیستم‌های ارائه‌دهنده خدمات را به وضوح مشخص کند. این شفافیت عدالت و اعتماد به فناوری‌های AI را افزایش می‌دهد.
علاوه بر این، گزارش بر نیاز به “راهکارهای توجیحی” برای مدل‌های پیشرفته یادگیری ماشین تأکید دارد. این امکان را برای ذینفعان فراهم می‌کند تا فرآیند تصمیم‌گیری سیستم‌های AI را درک کنند، عدالت و اجرای اخلاقی را ترویج دهند.
در نهایت، وزارت خزانه‌داری برای پیوستگی بیشتر در تعریف هوش مصنوعی تأکید دارد، ایجاد یک فهم مشترک در سراسر بخش مالی را تضمین می‌کند.
اگرچه اجرای هوش مصنوعی در مبارزه با کلاهبرداری قدرت بیشماری دارد، اما ضروری است که به شکاف داده‌ای که برای بانک‌های کوچک مانع راه قرار داده توجه شود. با ترویج به اشتراک گذاری داده، افزایش شفافیت، و تأسیس روش‌های استاندارد، نهادهای مالی می‌توانند قدرت هوش مصنوعی را به منظور مبارزه موثر با فعالیت‌های کلاهبرداری بهره‌مند شوند.
پرسش‌های متداول
- شکاف داده در اجرای AI چیست؟
شکاف داده در اجرای AI به تفاوت بین بانک‌های بزرگ و کوچک در دسترسی و استفاده از داده‌های داخلی برای توسعه مدل‌های AI برای پیشگیری از کلاهبرداری اشاره دارد. بانک‌های بزرگ دارای مجموعه داده گسترده‌تری هستند که این امر به آن‌ها یک مزیت نسبت به بانک‌های کوچک می‌دهد. - وزارت خزانه‌داری آمریکا چگونه این شکاف را پوشش می‌دهد؟
وزارت خزانه‌داری آمریکا بر یک به اشتراک گذاری داده بیشتر بین نهادهای مالی برای پل کردن شکاف داده تأکید دارد. همچنین پیشنهاد استانداردهای ایمنی برای سیستم‌های AI و به اشتراک گذاری اطلاعات بحرانی با دولت را دارد. - چگونه بانک‌های کوچک با موانع اجرای AI مواجه می‌شوند؟
بانک‌های کوچک به دلیل محدودیت داده‌های داخلی برای توسعه مدل‌های AI موثر مواجه با چالش‌ها هستند. این امر باعث می‌شود که قابلیت استفاده از فناوری AI برای پیشگیری از کلاهبرداری برای آن‌ها دستگیر تر شود. - اقدامات وزارت خزانه‌داری برای افزایش اجرای AI چیست؟
وزارت خزانه‌داری پیشنهاد ایجاد یک “دیتا لیک” متمرکز از اطلاعات مرتبط با کلاهبرداری را برای پشتیبانی از آموزش AI ارائه کرده است. همچنین اجرای “برچسب‌ها” برای مشخص کردن منشأ و استفاده از داده‌های مورد استفاده برای مدل‌های AI را پیشنهاد داده است. به این علاوه، وزارت نیاز به راهکارهای توجیحی و تعریف‌های استاندارد برای هوش مصنوعی را تأکید کرده است.
The source of the article is from the blog tvbzorg.com