L’adozione dell’intelligenza artificiale (IA) nel settore finanziario sta diventando sempre più diffusa, in particolare nella lotta contro le frodi. Tuttavia, esiste un significativo divario di dati tra le grandi e le piccole banche, con le istituzioni più piccole in svantaggio. Le grandi banche vantano un maggiore possesso di dati interni, che consente loro di sviluppare modelli di IA robusti per individuare e prevenire attività fraudolente. D’altra parte, le banche più piccole affrontano una carenza di tali dati, rendendo difficile per loro beneficiare della tecnologia basata sull’IA.
Per colmare questo divario, il Dipartimento del Tesoro degli Stati Uniti ha sottolineato l’importanza della condivisione dei dati tra le istituzioni finanziarie. La scarsa condivisione dei dati ha ostacolato la capacità di sviluppare modelli di IA efficaci per la prevenzione delle frodi.
In risposta a queste sfide, il Presidente Joe Biden ha annunciato un ordine esecutivo a ottobre che mira a regolamentare l’IA. L’ordine richiede alle agenzie federali di stabilire nuovi standard di sicurezza per i sistemi di IA e obbliga gli sviluppatori a condividere i risultati dei test di sicurezza e altre informazioni critiche con il governo.
Nellie Liang, sottosegretaria al Tesoro per la finanza domestica, ha sottolineato il ruolo trasformativo dell’IA nel settore dei servizi finanziari. Ha dichiarato che il rapporto del Tesoro fornisce una guida per le istituzioni finanziarie per navigare in modo sicuro nel panorama in continua evoluzione delle frodi basate sull’IA.
Il rapporto ha anche sottolineato la maturità della condivisione delle informazioni sulla sicurezza informatica, ma ha riconosciuto la mancanza di progressi nella condivisione dei dati relativi alla prevenzione delle frodi. Per affrontare questo aspetto, il governo degli Stati Uniti potrebbe creare un “data lake” centralizzato di informazioni relative alle frodi accessibile per l’addestramento dell’IA.
Inoltre, il Dipartimento del Tesoro ha proposto l’implementazione di “etichette” che specificano chiaramente l’origine e l’uso dei dati utilizzati per addestrare i modelli di IA per i sistemi forniti dai venditori. Questa trasparenza migliorerebbe la responsabilità e la fiducia nelle tecnologie basate sull’IA.
Inoltre, il rapporto ha sottolineato la necessità di “soluzioni di spiegabilità” per i modelli avanzati di apprendimento automatico. Ciò consentirebbe agli interessati di comprendere il processo decisionale dei sistemi di IA, promuovendo equità e un’implementazione etica.
Infine, il Tesoro ha chiesto una maggiore coerenza nella definizione dell’intelligenza artificiale, garantendo una comprensione comune in tutto il settore finanziario.
Sebbene l’implementazione dell’IA nella lotta contro le frodi offra un enorme potenziale, è cruciale affrontare il divario di dati che ostacola le banche più piccole. Favorire la condivisione dei dati, promuovere la trasparenza e stabilire pratiche standardizzate consentirà alle istituzioni finanziarie di sfruttare il potere dell’IA per combattere le attività fraudolente in modo efficace.
Domande Frequenti
1. Cos’è il divario di dati nell’implementazione dell’IA?
Il divario di dati nell’implementazione dell’IA si riferisce alla disparità tra le grandi e le piccole banche nell’accesso e nell’utilizzo dei dati interni per sviluppare modelli di IA per la prevenzione delle frodi. Le grandi banche dispongono di set di dati più estesi, il che dà loro un vantaggio rispetto alle banche più piccole.
2. Come propone il Dipartimento del Tesoro degli Stati Uniti di ridurre questo divario?
Il Dipartimento del Tesoro degli Stati Uniti raccomanda una maggiore condivisione dei dati tra le istituzioni finanziarie per colmare il divario dei dati. Suggerisce inoltre di stabilire norme di sicurezza per i sistemi di IA e la condivisione di informazioni critiche con il governo.
3. Quali sfide affrontano le banche più piccole nel dispiegare l’IA?
Le banche più piccole affrontano sfide a causa della limitata disponibilità di dati interni per lo sviluppo di modelli di IA efficaci. Ciò ostacola la loro capacità di sfruttare la tecnologia basata sull’IA per la prevenzione delle frodi.
4. Quali misure propone il Dipartimento del Tesoro per migliorare l’implementazione dell’IA?
Il Dipartimento del Tesoro suggerisce la creazione di un “data lake” centralizzato per le informazioni relative alle frodi per supportare l’addestramento dell’IA. Raccomanda inoltre l’implementazione di “etichette” per specificare l’origine e l’uso dei dati per i modelli di IA. Inoltre, il dipartimento sottolinea la necessità di soluzioni di spiegabilità e definizioni standardizzate dell’intelligenza artificiale.
The source of the article is from the blog portaldoriograndense.com