西部野蛮时代有枪手、抢劫银行和悬赏–而今日数字时代有身份盗窃、信用卡欺诈和退款。 利用金融诈骗赚钱已成为一项数十亿美元的犯罪活动。而诈骗者手中的生成式人工智能只会使这种盈利更加丰厚。 根据《尼尔森报告》，全球信用卡损失预计将在2026年达到430亿美元。 金融诈骗以越来越多的方式进行，比如从暗网窃取被黑客攻击的数据实施信用卡盗窃，利用生成式人工智能进行钓鱼式获取个人信息，并在加密货币、数字钱包和法定货币之间洗钱。还有许多其他金融诈骗计划潜伏在数字黑社会。 为了跟上步伐，金融服务公司正在利用人工智能进行诈骗检测。这是因为许多数字犯罪需要及时阻止，以便消费者和金融公司能够立即停止损失。 那么人工智能如何用于诈骗检测呢？ 人工智能用于诈骗检测使用多个机器学习模型来检测客户行为和联系的异常，以及符合欺诈特征的账户和行为模式。 生成式人工智能可以用作诈骗辅助 金融服务中很多内容涉及文本和数字。生成式人工智能和大型语言模型（LLMs）能够学习意义和背景，承诺在各行各业带来颠覆性的能力和生产力水平。金融服务公司可以利用生成式人工智能开发更智能、更有能力的聊天机器人，并改进诈骗检测。 而反派角色可以通过狡猾的生成式人工智能提示来绕过人工智能保障，用于欺诈。而且大型语言模型正在提供类似人类写作的能力，使诈骗分子能够撰写更具上下文相关的电子邮件，而无需拼写错误和语法错误。可以快速创建许多不同版本的钓鱼邮件，使生成式人工智能成为实施欺诈的绝佳副驾驶员。还有许多诸如FraudGPT之类的暗网工具，可以利用生成式人工智能进行网络犯罪。 生成式人工智能也可以用于声音认证安全措施的金融损害。一些银行正在使用声音认证来帮助授权用户。如果攻击者能够获取声音样本，他们可以使用深度伪造技术克隆银行客户的声音，试图突破这些系统。声音数据可以通过试图引诱通话接收者通过声音作出回应的垃圾电话来收集。 聊天机器人诈骗问题如此严重，以至于美国联邦贸易委员会提出了有关使用大型语言模型和其他技术模拟人类行为，用于伪造视频和声音克隆的关注和担忧。 生成式人工智能如何解决滥用和诈骗检测问题？ 诈骗审查现在有强大的新工具。处理手动诈骗审查的工作人员可以通过在后端运行基于LLM的助手，利用来自政策文件的信息来加速决策，判断案件是否属于欺诈，从而大大加快处理过程。 大型语言模型被采用来预测客户的下一笔交易，这有助于支付公司预先评估风险并阻止欺诈交易。 生成式人工智能还通过提高准确性、生成报告、减少调查和降低合规风险来帮助打击交易诈骗。 生成合成数据是生成式人工智能用于欺诈预防的另一个重要应用。合成数据可以提高用于训练诈骗检测模型的数据记录数量，增加示例的多样性和复杂性，使人工智能能够识别欺诈者使用的最新技术。 NVIDIA提供了帮助企业采用生成式人工智能构建聊天机器人和虚拟代理的工具，使用了检索增强生成技术。检索增强生成使公司能够利用自然语言提示来访问大量数据集进行信息检索。 利用NVIDIA的人工智能工作流程可以帮助加速构建和部署适用于各种用例的企业级能力，使用基础模型、NVIDIA NeMo框架、NVIDIA Triton推理服务器和GPU加速矢量数据库来部署检索增强生成技术的聊天机器人。 行业专注于安全，以确保生成型人工智能不易被滥用造成伤害。NVIDIA发布了NeMo Guardrails，以帮助确保基于LLMs的智能应用（如OpenAI的ChatGPT）的准确性、适当性、主题相关性和安全性。 该开源软件旨在防止滥用人工智能驱动的应用程序进行欺诈和其他不当使用。 人工智能在识别欺诈方面的好处是什么？…
Leave a CommentTag: Explainer
生成式人工智能是快速变化的数字领域中的最新转变。其中一个开创性的创新是一个相对较新的术语：SuperNIC。 什么是SuperNIC？ SuperNIC是一类新的网络加速器，旨在为以太网云中的超大规模人工智能工作负载提供超高速的网络连接。它利用基于收敛以太网（RoCE）技术的远程直接内存访问（RDMA），实现了GPU到GPU通信的闪电般快速的网络连接速度，最高可达到400Gb/s。 SuperNIC具备以下独特的特点： 高速的数据包重新排序，确保数据包按照原始传输的顺序接收和处理，从而保持数据流的顺序完整性。 使用实时遥测数据和网络感知算法进行先进的拥塞控制，以管理和预防人工智能网络中的拥塞。 在输入/输出（I/O）路径上进行可编程计算，以实现人工智能云数据中心网络基础设施的定制和可扩展性。 高效节能的低轮廓设计，以在有限的功率预算内有效容纳人工智能工作负载。 全栈人工智能优化，包括计算、网络、存储、系统软件、通信库和应用框架。 最近，NVIDIA推出了世界上第一个专为人工智能计算定制的SuperNIC，基于BlueField-3网络平台。它是NVIDIA Spectrum-X平台的一部分，能够与Spectrum-4以太网交换机系统无缝集成。 NVIDIA BlueField-3 SuperNIC和Spectrum-4交换机系统共同构成了一个专为优化人工智能工作负载而设计的加速计算架构的基础。Spectrum-X始终提供高网络效率水平，胜过传统以太网环境。 “在人工智能推动下一波技术创新的世界中，BlueField-3 SuperNIC是重要的部件，” NVIDIA数据处理器和网络接口卡产品副总裁Yael Shenhav表示，“SuperNIC确保您的人工智能工作负载高效而快速地执行，成为推动人工智能计算未来的基础组件。” 人工智能和网络的不断演变 由于生成式人工智能和大型语言模型的出现，人工智能领域正在发生巨大变革。这些强大的技术打开了新的可能性，使计算机能够处理新的任务。 人工智能的成功在很大程度上依赖于GPU加速计算，用于处理海量数据、训练大型人工智能模型和实现实时推理。这种新的计算能力开辟了新的可能性，但也对以太网云网络提出了挑战。 传统以太网作为支撑互联网基础设施的技术，最初是为了提供广泛的兼容性和连接松散耦合的应用程序而设计的。它并不适用于处理现代人工智能工作负载的要求，这些要求包括紧密耦合的并行处理、快速数据传输和独特的通信模式，它们都需要优化的网络连接。 基础网络接口卡（NIC）是为通用计算、通用数据传输和互操作性而设计的，它们从未被设计用于应对人工智能工作负载的计算强度所带来的独特挑战。 标准的网络接口卡缺乏有效数据传输、低延迟和决定性性能对于人工智能任务至关重要的特性和功能。而SuperNIC则是专为现代人工智能工作负载而构建的。 人工智能计算环境中的SuperNIC优势…
Leave a Comment在ChatGPT之后，每家公司都在努力制定自己的AI战略，但这很快引发了一个问题：安全性如何？ 有些人可能对保护新技术感到不知所措。好消息是，今天已经有了一些政策和实践，这些都是很好的起点。 事实上，前进的道路在于扩展企业和云安全的现有基础。这是一个可以总结为六个步骤的旅程： 扩大对威胁的分析 拓宽应对机制 保护数据供应链 利用AI扩大努力 保持透明 持续改进 AI安全是在现有的企业保护基础上构建的。 拓展视野 第一步是熟悉新的领域。 安全现在需要覆盖AI开发的整个生命周期。这包括新的攻击面，如训练数据、模型以及使用它们的人员和流程。 通过对已知类型的威胁进行推演，以识别和预测新出现的威胁。例如，攻击者可能会在云服务上训练模型时访问数据，试图改变AI模型的行为。 过去进行漏洞探测的安全研究人员和红队将再次成为重要资源。他们需要访问AI系统和数据，以识别和应对新的威胁，并帮助与数据科学人员建立良好的工作关系。 拓宽防御 在威胁情况清楚之后，确定对抗这些威胁的方法。 密切监控AI模型的性能。假设它会漂移，出现新的攻击面，就像传统安全防御会被攻破一样。 同时建立已经存在的PSIRT（产品安全事件响应团队）实践。 例如，NVIDIA发布了涵盖其AI产品组合的产品安全政策。包括Open Worldwide Application Security Project在内的一些组织已经发布了针对AI的关键安全要素的实施，例如用于识别传统IT威胁的常见漏洞枚举方法。 将传统的防御措施如下列应用于AI模型和工作流中：…
Leave a Comment曾经，人工智能只存在于庞大的数据中心或精英研究人员的领域。 对于GeForce RTX用户来说，现在人工智能已经在您的个人电脑上运行。它是个人化的，增强了每一个按键、每一帧和每一刻。 游戏玩家已经在300多款RTX游戏中享受到人工智能的益处。与此同时，内容创作者可以访问100多个RTX创意和设计应用程序，人工智能可以提升从视频和照片编辑到资产生成的一切。 对于GeForce爱好者来说，这只是个开始。RTX是今天的平台，也是未来推动人工智能的加速器。 人工智能和游戏是如何融合的？ NVIDIA通过DLSS开创了人工智能和游戏的融合，这是一种使用人工智能自动生成视频游戏像素的技术，可以将帧率提高多达4倍。 而且，随着最近推出的DLSS 3.5，NVIDIA提高了一些世界顶级游戏的视觉质量，为游戏带来更丰富、更沉浸式的体验，树立了新的标准。 NVIDIA的人工智能整合并不止于此。像RTX Remix这样的工具使游戏修改者可以使用由人工智能生成的高质量纹理和材料对经典内容进行重新制作。 通过NVIDIA ACE for Games，基于人工智能的角色在个人电脑上栩栩如生，标志着沉浸式游戏的新时代的到来。 RTX和人工智能如何助力创作者？ 创作者使用人工智能来构思新的概念，自动化繁琐的任务，并创作出令人惊叹的艺术作品。他们依赖RTX，因为它加速了包括全球最受欢迎的照片编辑、视频编辑、广播和3D应用在内的顶级创作者应用程序。 现在有100多个支持人工智能的RTX应用程序，创作者可以更高效地完成工作，交付出令人难以置信的结果。 性能指标令人瞩目。 与竞争处理器相比，RTX GPU在Stable Diffusion等工具中的AI图像生成速度提高了4.5倍。同时，在3D渲染中，Blender的速度提高了5.4倍。 借助AI技术，DaVinci Resolve中的视频编辑速度翻倍，Adobe Photoshop的照片编辑任务速度提高了3倍。…
Leave a Comment机器人正在仓库中搬运货物、包装食品、帮助组装车辆——当它们不翻转汉堡或者冲泡拿铁时。 它们是如何如此迅速地变得如此熟练呢？机器人模拟。 它正在以飞跃的进步改变我们周围的各个行业。 机器人模拟简介 机器人模拟器将虚拟机器人放置在虚拟环境中，以测试机器人的软件，而无需实际机器人。而最新的模拟器可以生成数据集，用于训练将在实际机器人上运行的机器学习模型。 在这个虚拟世界中，开发者创建机器人、环境和其他机器人可能遇到的素材的数字版本。这些环境可以遵守物理定律，并模拟真实世界的重力、摩擦、材料和光照条件。 谁在使用机器人模拟？ 如今，机器人在大规模上提升了业务。一些最大和最具创新性的机器人公司都依赖于机器人模拟。 得益于模拟，配送中心每天可以处理数千万个包裹。 亚马逊机器人使用它来支持其配送中心。宝马集团借助它加速其汽车装配厂的规划。软性机器人应用它来完善食品包装的抓取和放置。 全球各地的汽车制造商都在用机器人来支持他们的业务。 “汽车公司雇佣了将近1400万人。数字化将提高这个行业的效率、生产力和速度，” NVIDIA首席执行官Jensen Huang在最新的GTC主题演讲中说道。 机器人模拟的工作原理简介 一个先进的机器人模拟器首先应用物理基本方程。例如，它可以使用牛顿运动定律来确定物体在一个小时间增量或时间步长内的运动方式。它还可以结合机器人的物理约束条件，比如由铰链般的连接构成，或者无法穿过其他物体。 模拟器使用各种方法来检测物体之间的潜在碰撞，识别碰撞物体之间的接触点，并计算阻止物体相互穿过的力或冲量。模拟器还可以计算用户寻求的传感器信号，比如机器人关节处的扭矩或机器人夹持器与物体之间的力。 然后，模拟器将根据用户的要求重复这个过程。一些模拟器，比如基于NVIDIA Omniverse的NVIDIA Isaac Sim应用程序，还可以在每个时间步长上提供物理上准确的模拟器输出的可视化。 使用机器人模拟器的成果 机器人模拟器用户通常会导入机器人的计算机辅助设计模型，并导入或生成感兴趣的对象来构建虚拟场景。开发者可以使用一组算法来执行任务规划和运动规划，然后指定控制信号来执行这些计划。这使得机器人能够执行任务并以特定方式移动，比如拾取一个物体并将其放置在目标位置。 开发者可以观察计划和控制信号的结果，然后根据需要进行修改以确保成功。最近，有一种向基于机器学习的方法的转变。所以，用户不是直接指定控制信号，而是指定所需的行为，比如移动到一个位置而不发生碰撞。在这种情况下，一个数据驱动的算法会根据机器人的模拟传感器信号生成控制信号。 这些算法可以包括模仿学习，其中人类演示可以提供参考，以及强化学习，机器人通过智能的试错学习来实现行为，通过加速的虚拟体验快速学习多年的经验。…
Leave a Comment