銀行如何使用AI捕捉罪犯并發現偏見_人工智能

想象一下一種算法，該算法每秒檢查數千個金融交易并標記欺詐交易。由于近年來人工智能的發展，這已經成為可能，對于充斥著大量日常交易以及對抗金融犯罪，洗錢，金融融資的挑戰越來越大的銀行來說，這是一個非常有吸引力的價值主張。恐怖主義和腐敗。

但是，人工智能的好處并不是完全免費的。使用AI來偵查和預防犯罪的公司還面臨著新的挑戰，例如算法偏差，當AI算法導致一組特定性別，種族或宗教的系統性劣勢時，就會發生此問題。在過去的幾年中，算法偏差沒有得到很好的控制，從而損害了使用它的公司的聲譽。時刻警惕這種偏見的存在是非常重要的。

例如，在2019年，運行Apple信用卡的算法被發現偏向女性，這導致對該公司的公關反應強烈。在2018年，亞馬遜不得不關閉由AI驅動的招聘工具，該工具也顯示出對女性的偏見。

動態 | 參議院銀行委員會主席宣布Libra聽證會正式開始:金色財經直播報道，參議院銀行委員會主席麥克·克拉波（Mike Crapo）宣布Libra聽證會正式開始，他表示自己和副主席謝羅德·布爾文（Sherrod Brwon）從今年五月開始就一直在關注包括信用信息和個人數據在內的Libra問題。Mike Crapo表示，雖然存在不確定性，但Facebook支付系統的目標值得稱贊，因為根據世界銀行的數據，目前全世界仍然有17億人沒有銀行賬戶，而他個人非常支持數據隱私，每個人都是自己的數據合法所有者。[2019/7/16]

銀行面臨著類似的挑戰，這就是他們如何在避免陷阱的同時利用人工智能打擊金融犯罪。

抓the徒

動態 | 光大銀行副行長：以區塊鏈基礎技術平臺等為依托建設數字銀行:據中國金融家報道，光大銀行副行長李杰在談及建設數字化銀行時表示，將在新技術應用平臺建設上，以生物識別平臺、智能語音及文字平臺、區塊鏈基礎技術平臺等為依托，建設基礎技術能力，為新技術的快速應用提供技術支撐。此前，光大集團與京東集團正式簽署戰略合作協議，未來還將加強物聯網金融、區塊鏈、云計算等金融創新領域的合作。[2018/8/6]

打擊金融犯罪涉及監視許多交易。例如，總部位于荷蘭的荷蘭銀行目前約有3400名員工，從事篩選和監控交易。

傳統的監視依賴于基于規則的系統，該系統是嚴格的，并且不包括許多新出現的金融威脅，例如恐怖主義融資，非法販運以及野生動植物和醫療保健欺詐。同時，它們會產生許多誤報，被標記為可疑的合法交易。這使得分析師很難跟上大量的數據。

動態 | 韓國Korbit：客戶預托金保管在銀行:韓國虛擬貨幣交易所Korbit再次與韓國申韓銀行達成實名認證存取資金賬戶服務。Korbit準備將客戶的預托金存入申韓銀行保管管理，以此確保客戶預托金的安全。[2018/8/3]

這是AI算法可以提供幫助的主要領域。可以訓練AI算法來檢測異常值，偏離客戶正常行為的交易。由MalouvandenBerg領導的荷蘭銀行創新與設計部門的數據科學團隊構建了有助于在金融交易中發現未知因素的模型。

該團隊在發現欺詐性交易并減少誤報方面非常成功。“我們還看到了以前從未見過的模式和事物，”范德伯格解釋說。

這些算法代替靜態規則，可以適應客戶不斷變化的習慣，還可以檢測隨著財務模式逐漸變化而出現的新威脅。

聲音 | CFCA總經理：銀行業正在邁向金融科技2.0階段:中國金融認證中心總經理季小杰表示，銀行業正在從依托互聯網和移動互聯網的金融科技1.0階段，快步邁向以大數據、云計算、區塊鏈和人工智能驅動的金融科技2.0階段。[2018/8/2]

“如果我們的AI將交易標記為偏離客戶的正常模式，我們會找出原因。根據可用信息，我們檢查交易是否偏離客戶的正常模式。如果調查不能明確說明付款方式，我們可以向客戶查詢。”vandenBerg說。

荷蘭銀行使用無監督機器學習，這是AI的一個分支，可以查看大量未標記的數據并找到可以暗示安全和可疑交易的相關模式。無監督機器學習可以幫助創建動態的金融犯罪檢測系統。但是，像其他AI分支一樣，無監督的機器學習模型也可能會形成隱藏的偏見，如果處理不當，可能會造成不必要的傷害。

消除不必要的偏見

銀行的數據科學和分析團隊必須找到合適的平衡點，在這些平衡點上，他們的AI算法可以在不侵犯任何人權利的情況下找出欺詐性交易。人工智能系統的開發人員要確保在模型中避免包含問題變量，例如性別，種族和種族。但是問題在于，其他信息可以充當相同元素的代理，而AI科學家必須確保這些代理不會影響其算法的決策。例如，就亞馬遜有缺陷的聘用算法而言，雖然在聘用決策中并未明確考慮性別，但該算法已學會將負分與履歷表與女性名字或諸如“國際象棋俱樂部”之類的詞聯系起來。

“例如，當使用人工智能技術來識別涉嫌犯罪活動的客戶時，必須首先證明該人工智能在敏感特征方面公平對待所有客戶，”范登伯格說。

范登伯格團隊的數據科學家LarsHaringa解釋說：“構建AI模型的數據科學家不僅需要證明模型的性能，而且還要從倫理上證明其影響。這意味著在模型投入生產之前，數據科學家必須確保遵守有關隱私，公平和偏見的規定。一個例子就是通過建立統計保障措施來確保員工不會因使用AI系統而產生偏見，以確保通過AI工具為員工提供無偏見的選擇。”

負責事務監視分析結果的部門還負責公平對待。只有當他們接受工作并由數據科學家進行分析時，該模型才能用于客戶數據的生產中。

荷蘭銀行的交易監控團隊會預先衡量潛在的偏差，并定期預防這些負面影響。“在ABNAMRO，數據科學家與法律和隱私部門合作，以確保保護客戶和員工的權利，”范德伯格對TNW說。

平衡合作

公司使用AI算法面臨的挑戰之一是確定要披露多少有關AI的細節。一方面，公司希望充分利用算法和技術上的聯合工作，而另一方面，他們希望阻止惡意參與者對其進行游戲。他們還有保護客戶數據的法律責任。

“與銀行中的所有其他模型一樣，為了保護算法有效性，模型批準中有幾個關鍵的利益相關者：除了模型發起者和開發者之外，還有模型驗證，合規性，法律，隱私權和審計，”范德伯格說。“這是所有銀行的標準做法。”

范德伯格說，荷蘭銀行并未公布其反犯罪工作的細節，但這里有著濃厚的知識共享文化，各個部門將各自的算法和技術交織在一起以取得更好的效果。但是同時，對客戶數據和統計信息的使用也有嚴格的限制。荷蘭銀行還與其他具有相同限制的銀行共享知識。在需要共享數據的地方，對數據進行匿名處理，以確保不會向外部方透露客戶身份。

像許多其他部門一樣，銀行業正在通過人工智能進行重新發明和重新定義。隨著金融犯罪分子的方法和策略變得越來越復雜，銀行家將需要他們所能獲得的所有幫助，以保護其客戶和聲譽。在尊重所有客戶權利的智能反金融犯罪技術方面，全行業的合作可以成為全球銀行家最好的盟友之一。

Tags：人工智能區塊鏈ORBIRBI人工智能幣圈區塊鏈的未來發展前景分析ORBIT

歐易交易所app官網下載