یک سال بعد، چشم انداز هوش مصنوعی مولد در FS

یک سال بعد، چشم انداز هوش مصنوعی مولد در FS

گره منبع: 3020456

درست بیش از یک سال پیش، GPT چت راه اندازی شد. هیجان، اضطراب و خوش بینی مرتبط با هوش مصنوعی جدید نشانه کمی از کاهش را نشان می دهد. در ماه نوامبر، مدیر عامل OpenAI، سام آلتمن، از سمت خود برکنار شد، اما دوباره بازگشت
چند روز بعد ریشی سوناک میزبان رهبران جهان بود
اجلاس ایمنی هوش مصنوعی بریتانیا
مصاحبه با ایلان ماسک در جمع رهبران جهان و کارآفرینان فناوری. در پشت صحنه، شایعه شده است که محققان هوش مصنوعی به موفقیت های بیشتری نزدیک شده اند. 

همه اینها برای صنایعی که می خواهند از هوش مصنوعی سود ببرند اما از خطرات آن مطمئن نیستند چه معنایی دارد؟

نوعی از یادگیری ماشینی - چیزی که قبلاً آن را هوش مصنوعی می نامیدیم - یک قرن است که وجود دارد. از اوایل دهه 1990، این ابزارها یک عنصر عملیاتی کلیدی در برخی از فرآیندهای بانکی، دولتی و شرکتی بوده اند، در حالی که به طور قابل توجهی در برخی دیگر وجود ندارند.

پس چرا فرزندخواندگی نابرابر؟ به طور کلی، این به ریسک بستگی دارد. ابزارهای هوش مصنوعی برای کارهایی مانند تشخیص تقلب که در آن الگوریتم‌های تثبیت‌شده و آزمایش‌شده می‌توانند کارهایی را انجام دهند که تحلیل‌گران به سادگی نمی‌توانند با بررسی حجم وسیعی از داده‌ها در میلی‌ثانیه انجام دهند، عالی هستند. که تبدیل شده است
هنجار، به ویژه به این دلیل که درک هر تصمیمی با جزئیات ضروری نیست.

سایر فرآیندها در برابر تغییر مقاوم‌تر بوده‌اند. معمولاً این به این دلیل نیست که یک الگوریتم نمی تواند بهتر عمل کند، بلکه به این دلیل است که - در زمینه هایی مانند امتیازدهی اعتباری یا تشخیص پولشویی - احتمال وجود سوگیری های غیرمنتظره غیرقابل قبول است.
زمانی که وام یا وام مسکن ممکن است به دلیل ویژگی‌های غیر مالی - از جمله تعصبات نژادی - رد شود، این امر در امتیازدهی اعتباری شدیدتر است.

در حالی که استفاده از تکنیک‌های قدیمی‌تر هوش مصنوعی سال به سال پیشرفت می‌کند، ورود Generative AI، با مشخصه ChatGPT، همه چیز را تغییر داده است. پتانسیل مدل‌های جدید - چه خوب و چه بد - بسیار زیاد است و نظرات بر این اساس تقسیم شده است.
آنچه واضح است این است که هیچ سازمانی نمی‌خواهد پیشرفت را از دست بدهد. علیرغم صحبت در مورد خطرات مدل های Generative و Frontier، سال 2023 مملو از هیجان در مورد انقلاب پیش رو بوده است.

دو هدف

یک مورد استفاده اولیه برای هوش مصنوعی در فضای جرایم مالی، کشف و جلوگیری از فعالیت های کلاهبرداری و مجرمانه است. تلاش ها عموما حول دو هدف مشابه اما متفاوت متمرکز می شوند. اینها 1) خنثی کردن فعالیت های تقلبی - متوقف کردن شما یا
دوست یا خویشاوند شما از فریب خوردن - و 2) پیروی از دستورالعمل های نظارتی موجود برای حمایت از مبارزه با پولشویی (AML) و مبارزه با تامین مالی تروریسم (CFT).

از لحاظ تاریخی، استقرار هوش مصنوعی در AML و CFT با نگرانی هایی در مورد نادیده گرفتن بالقوه فعالیت های حیاتی در مقایسه با روش های سنتی مبتنی بر قانون مواجه بوده است. این در طول 5-10 سال گذشته تغییر کرده است، و تنظیم کننده ها با تشویق نوآوری، تغییر را آغاز کردند.
برای کمک به پرونده های AML و CFT - اعلام اینکه مبتکران بر اساس نتایج کلی آنها مورد قضاوت قرار خواهند گرفت نه با برخی هشدارهای از دست رفته.

با این حال، علی‌رغم استفاده از مدل‌های یادگیری ماشینی در پیشگیری از تقلب در دهه‌های گذشته، پذیرش در AML/CFT با شیوع سرفصل‌ها و پیش‌بینی‌ها نسبت به اقدام واقعی بسیار کندتر بوده است. به نظر می رسد ظهور هوش مصنوعی Generative تغییر کند
آن معادله به طور چشمگیری

یکی از نقاط روشن هوش مصنوعی در انطباق با 5 سال گذشته، غربالگری مشتریان و طرف مقابل بوده است، به ویژه هنگامی که صحبت از مقادیر گسترده داده های مربوط به غربالگری رسانه های نامطلوب با کیفیت بالا (معروف به اخبار منفی) در سازمان ها می شود.
به دنبال علائم اولیه خطر در رسانه های خبری باشید تا از خود در برابر مسائل احتمالی محافظت کنید.

ماهیت غربالگری با حجم بالا در برابر میلیاردها سند بدون ساختار به این معنی است که مزایای یادگیری ماشین و هوش مصنوعی بسیار بیشتر از خطرات است و سازمان ها را قادر می سازد تا بررسی هایی را انجام دهند که به سادگی امکان پذیر نیست.
در غیر این صورت.

اکنون بانک ها و سایر سازمان ها می خواهند مرحله ای فراتر بروند. از آنجایی که مدل‌های هوش مصنوعی نسلی شروع به نزدیک شدن به AGI (هوش عمومی مصنوعی) می‌کنند، جایی که می‌توانند به طور معمول از تحلیل‌گران انسانی بهتر عمل کنند، سؤال این است که چه زمانی و نه اینکه آیا می‌توانند از این فناوری استفاده کنند.
بهتر از تصمیمات حمایت می کند و به طور بالقوه حتی تصمیمات را به صورت یک طرفه اتخاذ می کند.

ایمنی هوش مصنوعی در انطباق

اجلاس ایمنی هوش مصنوعی در سال 2023 نقطه عطف مهمی در اذعان به اهمیت هوش مصنوعی بود. این اجلاس منجر به امضای 28 کشور شد که بیانیه ای را برای ادامه جلسات برای رسیدگی به خطرات هوش مصنوعی امضا کردند. این رویداد منجر به افتتاحیه شد

موسسه ایمنی هوش مصنوعی
، که به تحقیقات و همکاری های آینده برای اطمینان از ایمنی آن کمک خواهد کرد.

اگرچه تمرکز بین‌المللی بر روی مکالمه هوش مصنوعی مزایایی دارد، مدل‌های ترانسفورماتور GPT محور اصلی در طول اجلاس سران بود. این خطر ساده‌سازی یا سردرگمی بیش از حد طیف وسیع‌تر هوش مصنوعی را برای افراد غیرعادی به همراه دارد.

هوش مصنوعی فقط مولد نیست و فناوری های مختلف طیف گسترده ای از ویژگی های مختلف را ارائه می دهند. به عنوان مثال، در حالی که روشی که هوش مصنوعی مولد کار می کند تقریباً کاملاً مات یا "جعبه سیاه" است، بسیاری از هوش مصنوعی قدیمی می تواند دلایل آن را به نمایش بگذارد.
تصمیم گیری است.

اگر نمی خواهیم با وحشت هوش مصنوعی به عقب برگردیم، تنظیم کننده ها و دیگران باید پیچیدگی را درک کنند. بانک ها، سازمان های دولتی و شرکت های جهانی باید رویکردی متفکرانه برای استفاده از هوش مصنوعی داشته باشند. آنها باید بر ایمنی مناسب، دقت،
و استفاده قابل توضیح هنگام استفاده در داخل و خارج از چارچوب های انطباق.

راه پیش رو

چشم انداز انطباق نیازمند بازنگری استانداردها برای استفاده مسئولانه از هوش مصنوعی است. ایجاد بهترین شیوه‌ها و اهداف روشن برای کمک به سازمان‌ها برای دور کردن راه‌حل‌های هوش مصنوعی عجولانه که دقت را به خطر می‌اندازد، ضروری است. دقت، قابلیت اطمینان،
و نوآوری برای کاهش ساختگی یا اطلاعات غلط احتمالی به همان اندازه مهم هستند.

در بخش بانکی، هوش مصنوعی برای حمایت از تحلیلگران انطباق که در حال حاضر با محدودیت‌های زمانی و مسئولیت‌های نظارتی رو به رشد دست و پنجه نرم می‌کنند، استفاده می‌شود. هوش مصنوعی می تواند به طور قابل توجهی به تیم ها با خودکارسازی کارهای روزمره، تقویت فرآیندهای تصمیم گیری کمک کند.
و افزایش کشف تقلب

بریتانیا می تواند و باید از آخرین فرصت ها بهره مند شود. ما باید یک اکوسیستم نوآوری را پرورش دهیم که پذیرای نوآوری های هوش مصنوعی در سراسر فین تک، رگ تک و فراتر از آن باشد. وضوح از دولت و رهبران فکری در مورد هوش مصنوعی متناسب با پیاده سازی های عملی
در صنعت کلیدی است. ما همچنین باید پذیرای فارغ‌التحصیلان جدید از استخر استعدادهای رو به رشد جهانی برای هوش مصنوعی باشیم تا موقعیت کشور را در راه‌حل‌های پیشگام مبتنی بر هوش مصنوعی و ادغام یکپارچه آنها تقویت کنیم. در میان تغییرات صنعت، اولویت بندی و حمایت
استقرار هوش مصنوعی مسئول برای نبرد موفق مداوم علیه تمام جنبه های جرایم مالی بسیار مهم است.

تمبر زمان:

بیشتر از فینسترا