金融行业中人工智能（AI）的应用日益普及，特别是在打击欺诈方面。然而，在大型银行和小型银行之间存在着显著的数据差距，使较小机构处于劣势地位。大型银行拥有更多内部数据，可以开发强大的AI模型来检测和防止欺诈活动。而另一方面，较小银行缺乏这样的数据，使它们难以从AI技术中获益。
为了弥合这一鸿沟，美国财政部强调金融机构之间数据共享的重要性。数据共享不足阻碍了开发有效的防止欺诈的AI模型的能力。为了解决这些挑战，乔·拜登总统在10月发布了一项行政命令，旨在监管人工智能。该命令要求联邦机构制定新的AI系统安全标准，同时要求开发者与政府分享安全测试结果和其他关键信息。
财政部国内金融次长宁亚丽（Nellie Liang）强调了AI在金融服务行业的变革作用。她表示，财政部的报告提供了金融机构安全地应对不断发展的由AI驱动的欺诈格局的路线图。
报告还强调了网络安全信息共享的成熟性，但承认在与欺诈预防有关的数据共享方面缺乏进展。为了解决这个问题，美国政府可以建立一个中央化的欺诈相关信息的“数据湖”，可用于AI培训。
此外，财政部提出了“标签”制度的实施，清晰地指明用于供应商提供系统培训AI模型的数据来源和用途。这种透明度将增强AI技术的问责和信任。
此外，报告强调了先进机器学习模型的“可解释性解决方案”的必要性。这将使利益相关者能够了解AI系统的决策过程，促进公平和道德实施。
最后，财政部呼吁在定义人工智能方面更加一致，确保金融领域对人工智能的共同理解。
虽然在打击欺诈方面AI的实施具有巨大潜力，但解决妨碍较小银行的数据差距至关重要。通过促进数据共享、提升透明度和建立标准化做法，金融机构可以充分利用人工智能的力量有效地打击欺诈活动。
### 常见问题解答
1. 什么是AI实施中的数据差距？
– AI实施的数据差距指的是大型银行和小型银行在获取和利用内部数据以开发用于防范欺诈的AI模型上的差距。大型银行拥有更广泛的数据集，这使它们比小型银行具有优势。
2. 美国财政部如何建议缩小这一差距？
– 美国财政部建议金融机构之间加强数据共享，以弥合数据差距。它还建议建立AI系统的安全标准，并与政府分享关键信息。
3. 小型银行在部署AI时面临哪些挑战？
– 由于内部数据有限，小型银行面临着开发有效AI模型所需数据的不足。这阻碍了它们利用AI技术进行欺诈预防的能力。
4. 财政部提出了哪些措施来增强AI的实施？
– 财政部建议建立一个中央化的“数据湖”来支持AI培训所需的与欺诈相关的信息。它还建议实施“标签”制度，以明确指定用于供应商提供系统培训AI模型的数据的来源和用途。此外，该部门强调了可解释性解决方案的需求以及对人工智能的标准化定义。
金融行业中人工智能的应用正处于蓬勃发展的阶段，特别是在打击欺诈方面。做一个对应小银行的统一数据情况的数据平台，就如此重要且必不可少。
The source of the article is from the blog lanoticiadigital.com.ar