在这个信息化迅猛发展的时代,反欺诈领域的专家们正站在一个新的技术革命的门槛上——生成式人工智能(AI)。这项技术以其独特的能力,即从现有数据中学习并生成新的信息,引起了广泛的关注。据最新研究显示,超过八成的反欺诈专家预计到2025年,他们的工作将与生成式AI紧密相连。
这项由SAS和美国注册舞弊审查师协会(ACFE)联合进行的研究,揭示了一个不容忽视的现实:尽管对生成式AI的兴趣空前高涨,但其在实际应用中仍面临诸多挑战。《2024反欺诈技术基准报告》汇集了来自全球近1200位ACFE成员的调查结果,展现了自2019年以来反欺诈技术的关键演进趋势。
报告中的数据显示,人们对AI和机器学习(ML)技术的关注已达到前所未有的高度。18%的反欺诈专业人士已经在使用AI/ML技术,另有32%的专业人士计划在未来两年内开始实施这些技术。这一趋势预示着,到明年年底,使用AI/ML技术的比例可能会增长近三倍。
然而,AI和ML技术的部署并没有达到预期的速度。自2019年以来,这些技术在欺诈侦测和防范领域的实际应用增长了5%,远低于之前预期的采用率。这一现象表明,尽管对高级分析技术的需求强烈,但将其应用于实践却是一个复杂的过程。
此外,报告还指出,尽管许多数据分析技术已经成熟,但生物识别和机器人技术在反欺诈领域的应用仍在稳步增长。特别是在银行和金融服务业,这些技术的应用尤为广泛。
面对生成式AI的易获取性和易用性,ACFE总裁John Gill警示道,一旦这些工具落入不法之徒之手,可能带来严重后果。因此,企业在增加反欺诈技术预算的同时,也需要考虑如何在符合伦理道德的前提下使用这些技术。
SAS风险与欺诈管理、合规解决方案高级副总裁Stu Bradley强调了选择合适技术合作伙伴的重要性,并提到SAS Viya这样的云原生、支持多种编程语言的AI平台,可以帮助企业更轻松地从风险管理解决方案中获益。SAS还提供了在线数据仪表板,让用户可以根据行业、区域和组织规模查阅调查结果,进一步了解反欺诈技术的跨行业趋势。
生成式AI的未来究竟是繁荣还是衰败?这个问题的答案尚未揭晓。但可以肯定的是,企业在采用生成式AI和其他AI技术时,必须慎之又慎。在追求创新的同时,企业需要不断自问:“我们能做什么?”和“我们应该做什么?”随着时间的推移,生成式AI的能力将不断增强,它在反欺诈工作中的作用也将越来越显著。企业需要制定合适的指导方针,以最大限度地减少错误和偏见。ACFE研究总监Mason Wilder的话或许是对未来最好的概括:“让我们拭目以待,看这项技术的采用速度将会有多快。”
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。