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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。