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: NVIDIA NEMO
生成内容和代码。创建图像和视频。使用合成数据测试算法。 生成式人工智能是一种增加生产力和创造力的力量，几乎适用于每个行业，特别是运输领域，在那里它正在简化工作流程并推动新业务。 整个汽车行业都在探索生成式人工智能，以改进车辆设计、工程和制造，以及市场营销和销售。 除了汽车产品生命周期，生成式人工智能还在自动驾驶汽车（AV）开发中实现了新的突破。这些研究领域包括使用神经辐射场（NeRF）技术将记录的传感器数据转化为完全交互式的3D模拟。这些数字孪生环境以及合成数据生成可以用于以极大规模开发、测试和验证AV。 前方合并：变革性用例 生成式人工智能、大型语言模型和推荐系统是现代经济的数字引擎，NVIDIA创始人兼CEO黄仁勋说。 像ChatGPT用于文本生成和稳定扩散用于图像生成等基础模型可以支持能够执行多个任务的人工智能系统。这打开了许多可能性。 就像早期iPhone应用程序开发人员开始使用GPS、加速度计和其他传感器创建移动应用程序一样，现在AI开发人员可以使用基础模型构建新的体验和功能。 生成式人工智能可以帮助将不同的数据流整合在一起，不仅可以将文本与文本或文本与图像进行关联，还可以与视频或3D等输入和输出进行关联。使用这种强大的新计算模型，一个文本提示可以返回一个物理准确的装配厂布局。 作为全球最大的汽车制造商之一，丰田已经开发了一种生成式人工智能技术，以确保早期设计草图融入工程参数。 与此同时，奔驰已经展示了一个使用ChatGPT的语音助手。 其他汽车行业参与者也在寻求生成式人工智能的帮助，以加快设计迭代并提供更好的结果。 设计师和艺术家的工作流程将受益 目前，设计师和艺术家通常需要数月的准备和设计审查才能从早期概念构思和草图发展到完整规模模型的开发。这通常受到不兼容的工具、孤立的数据和串行工作流程的阻碍。 艺术家通常通过寻找“废料”或视觉参考来开始设计过程，这些参考基于汽车造型的趋势。他们寻找设计线索的灵感，从基于关键词的图像库中获取。 这个过程涉及到查看整个行业的车辆，无论是现有的还是历史的。然后，在经过大量人工筛选的基础上，根据公司的风格出现了一些流行设计和新的灵感。这形成了艺术家的2D手绘草图的基础，然后将其重新创建为3D模型和粘土原型。 这些线性和耗时的设计概念过程用于外部零件，如进气格栅、发动机盖和车轮，以及内部方面，如仪表盘、座椅、人机工程学和用户界面。 为了开发这些3D模型，汽车造型团队与工程师一起使用Autodesk Alias或Maya等工具开发“NURBS”模型，即非均匀有理B样条。由此产生的3D几何形状的数学表示捕捉了2D草图中的形状。最终的交付成果是一个经过定制的造型、设计和工程工作的3D表示，可以用于计算机辅助设计应用程序来定义表面。 汽车行业现在有机会使用生成式人工智能将2D草图即时转化为NURBS模型，以提高生产力。这些工具不会取代设计师，而是让他们能够更快地探索各种选择。 生成式人工智能助力概念和造型 以设计为导向的企业可以利用视觉数据集和生成式人工智能在许多方面辅助他们的工作。在编码工具（如GitHub Copilot）已经实现了这一点，它在数十亿行代码上进行了训练，并承诺帮助缩短冗长的设计时间表。 特别是在寻找“废料”设计元素时，生成式人工智能模型可以根据汽车制造商的产品组合以及整个行业的车辆进行训练，从而帮助这个工作流程。这可能首先通过微调一小组图像数据集并进行迁移学习，然后利用NVIDIA TAO…
Leave a Comment