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
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。