وزارت خزانه‌داری آمریکا: هوش مصنوعی به شناسایی و بازیابی 4 میلیارد دلار کلاهبرداری کمک کرده است

هوش مصنوعی و یادگیری ماشینی به وزارت خزانه‌داری ایالات متحده کمک کرده است در سال 2024 از پرداخت‌های تقلبی یا کلاهبرداری به ارزش بیش از 4 میلیارد دلار جلوگیری و آن‌ها را بازیابی کند.

وزارت خزانه‌داری آمریکا می‌گوید با استفاده از یادگیری ماشینی در ردیابی و بازیابی 4 میلیارد دلار تراکنش کلاهبرداری در سال 2024 موفق عمل کرده است. ردیابی کلاهبرداری‌ها نسبت به سال گذشته که وزارت خزانه‌داری 652.7 میلیون دلار تراکنش را شناسایی و بازیابی کرده بود، شش‌برابر افزایش یافته است.

دفتر یکپارچگی پرداخت وزارت خزانه‌داری (OPI) نیز در گزارشی اعلام کرد از «هوش مصنوعی مبتنی‌بر یادگیری ماشینی» برای شناسایی تراکنش‌های مشکوک و تسریع در شناسایی تقلب در چک‌ها استفاده کرده است.

کمک هوش مصنوعی به وزارت خزانه‌داری آمریکا در جلوگیری از کلاهبرداری

«والی آدیمو»، معاون وزیر خزانه‌داری آمریکا، در بیانیه‌ای مطبوعاتی گفت:

«خزانه‌داری مسئولیت ما را برای خدمت، به‌عنوان کارگزاران پول مالیات‌دهندگان، جدی می‌گیرد. کمک به اطمینان از اینکه آژانس‌ها به فرد مناسب، به مقدار مناسب و در زمان مناسب پول پرداخت می‌کنند، محور تلاش‌های ماست.»

باتوجه‌به اینکه انتظار می‌رود کلاهبرداری در پرداخت‌های آنلاین تا سال 2028 به بیش از 362 میلیارد دلار برسد، آدیمو گفت خزانه‌داری برای ارائه ابزار و داده‌های موردنیاز برای مبارزه مؤثر با این جرایم با سایر آژانس‌های فدرال همکاری خواهد کرد.

به گفته وزارت خزانه‌داری ایالات متحده، مدل‌های هوش مصنوعی با توسعه روش‌های ردیابی تراکنش‌ها براساس ریسک از 500 میلیون دلار کلاهبرداری جلوگیری کرده‌اند. همچنین شناسایی و اولویت‌بندی تراکنش‌های پرریسک به جلوگیری از 2.5 میلیارد دلار کلاهبرداری کمک کرده، یادگیری ماشینی نیز در بازیابی یک‌میلیارد دلار در کلاهبرداری با چک‌ها نقش داشته است.

این بیانیه مطبوعاتی می‌گوید وزارت خزانه‌داری مواردی را در برنامه‌های پردازش پرداخت خود اعمال کرده که از 180 میلیون دلار پرداخت‌های نادرست جلوگیری کرده است.

البته این سیستم‌ها مستعد اشتباه و توهم هم هستند و معایب خاص خود را دارند. «آرون پی‌ام»، بنیان‌گذار ELNA.ai، دراین‌باره می‌گوید: «سیستم‌های هوش مصنوعی اگر به‌درستی طراحی و نگهداری نشوند، در معرض خطراتی مانند ارائه داده‌ها و قضاوت نادرست هستند که می‌تواند منجر به ضررهای بزرگی شوند.» البته می‌توانند مفید زیادی هم باشند.