Введение
«Раньше был момент, когда чат-боты едва понимали сленг. Теперь они могут распознавать множество языков и стилей ».
Удивительный прогресс, достигнутый искусственным интеллектом в обработке человеческого языка, очаровывает Кфира Бар, главного научного сотрудника компании Basis Technology. В течение многих лет Бар исследовал гамбит дисциплин и задач обработки естественного языка. Бар начал свой путь в Тель-Авивском университете, где получил докторскую степень. в НЛП с упором на машинный перевод.
«Некоторые языки, например арабский, создают дополнительные проблемы», - сказал он. «Его морфология намного богаче английского. В арабском языке вы можете изменить одно слово сотнями различных способов, чтобы выразить различные синтаксические и семантические роли ».
Постоянно развивающиеся техники НЛП, над которыми работают Бар и другие исследователи, во многом влияют на нашу повседневную жизнь. Бар рассказал о том, как люди в его области используют развивающиеся технологии для продвижения инструментов безопасности и борьбы с отмыванием доходов, полученных преступным путем, и финансовыми преступлениями.
Как мы применяем НЛП к безопасности?
Угрозы, создаваемые в Интернете, можно анализировать независимо от языка, на котором они написаны. Бар сказал, анализируя тексты в сообщениях - например, в социальных сетях - ИИ может обнаруживать явные и неявные намерения злоумышленников.
«Безопасность - это предотвращение», - сказал он. «Если вы заранее понимаете, что кто-то готов сделать что-то плохое, вы можете попытаться предотвратить это».
Понять намерение сложно: по сути, это означает, что ИИ должен знать, во что кто-то верит, на основе того, что они пишут, и соответственно прогнозировать свои действия. Бар поясняет, что для этого требуется глубокое понимание соответствующего контекста, включая культуру, идеологию, настроения и эмоциональное состояние авторов данного поста.
Как НЛП используется для борьбы с финансовыми преступлениями?
Растущее распространение денежных переводов между странами и растущая изобретательность методов борьбы с финансовыми преступлениями создают серьезные проблемы для финансовых учреждений, которым поручено выявлять потенциальных и реальных преступников и преступную деятельность.
Согласно отчету за 2017 год Национального центра помощи жертвам преступлений, количество жалоб на финансовые преступления, подаваемых в Федеральную торговую комиссию, растет. В 2015 году в Федеральную торговую комиссию поступило более 3 миллионов жалоб на мошенничество, кражу личных данных и другие финансовые преступления - по сравнению с менее чем 1 миллионом десятью годами ранее.
Но ИИ может помочь, и знайте, что системы ваших клиентов (KYC) являются прекрасным примером.
Ожидается, что финансовые организации будут проверять потенциальных клиентов не только до того, как они станут клиентами, но и периодически в течение всего срока деловых отношений. Для этого финансовые организации должны проводить проверку биографических данных с использованием различных источников информации, часто включая международные списки наблюдения, новостные статьи, упоминания в социальных сетях и собственные базы данных.
«Цель этого процесса - найти какие-либо отношения между потенциальным или фактическим клиентом и злоумышленниками, опасными организациями и / или негативным поведением», - сказал Бар. Учитывая количество потенциальных клиентов и клиентов, с которыми работают финансовые организации, и объем соответствующей информации, которую необходимо обработать, чтобы дать содержательный ответ на эти вопросы, автоматизация - действительно единственный ответ.
В отличие от человеческих систем, приложения НЛП могут обрабатывать объемы информации в масштабе Интернета. Их также можно научить находить и извлекать жизненно важную информацию - людей, организации, места и их взаимосвязи - похороненные в этих источниках информации.
С такой технологией под капотом системы KYC могут оправдать взыскательные ожидания финансовых организаций.
Вывод
Хотя эта технология применяется во всех отраслях, способность НЛП помочь в борьбе с финансовыми преступлениями - это во многом то, на чем сосредоточивают внимание Бар и его коллеги. Здоровое общество полагается на функционирующие финансовые системы, и он считает, что это то, что НЛП может эффективно поддерживать.
«NLP отлично справляется с автоматическим анализом огромных объемов неструктурированных данных, поэтому это мощный ресурс для финансовых учреждений, которые борются с мошенничеством, отмыванием денег и преступной деятельностью в целом», - отмечает Кфир. «Однако это не единственный инструмент. НЛП - одна из нескольких технологий, каждая из которых обрабатывает разные типы данных, которые следует использовать вместе. Чем чаще это происходит, тем безопаснее будет наша финансовая система ».
— — —
Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг.
