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: Synthetic Data Generation
编辑注:这篇文章是我们的《遇见全能者》系列的一部分,该系列介绍使用NVIDIA Omniverse和OpenUSD加速其3D工作流程并创建虚拟世界的个人创作者和开发者。 作为澳大利亚昆士兰科技大学(QUT)的学生,艾米莉·博默尔在选择追求创意艺术还是科学方面犹豫不决。 然后她发现了工业设计,这使她能够深入研究和编码,同时探索可视化工作流程,如素描、动画和3D建模。 现在,博默尔作为宝马集团(BMW Group)技术办公室的设计实习生将她的技能付诸实践。该团队使用NVIDIA Omniverse,这是一个用于开发和连接3D工具和应用程序的平台,以及通用场景描述(Universal Scene Description,简称OpenUSD),以增强其合成数据生成流程。 博默尔创建了逼真的3D资产,这些资产可以与SORDI.ai一起使用,SORDI.ai是Synthetic Object Recognition Dataset for Industries的缩写。SORDI.ai由宝马集团、微软和NVIDIA合作发表,帮助开发人员和研究人员简化和加速用于生产的AI训练。为了自动化图像生成,该团队开发了一种基于Omniverse Replicator的扩展,Omniverse Replicator是用于创建自定义合成数据生成工具的软件开发工具包。 作为SORDI.ai团队的一员,博默尔使用Blender和Adobe Substance Painter设计具有高度物理准确性和照片真实感的3D资产,有助于确保合成数据可以用于高效训练AI模型。 博默尔创建的所有资产都用于在NVIDIA Isaac Sim平台上测试和模拟自主机器人,该平台为开发人员提供了一套合成数据生成能力,可以为光线真实、物理准确的虚拟环境提供动力。 为训练AI创建逼真的3D资产 作为设计实习生,博默尔的主要任务是动画和3D建模。这个过程始于拍摄目标物体的照片。然后,她使用这些2D照片作为参考,在Blender中将其与3D模型对齐。…
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 CommentRendered.ai通过其平台即服务为开发人员、数据科学家和其他人提供合成数据生成或SDG的服务,从而简化了AI培训。 训练计算机视觉AI模型需要大规模、高质量、多样化和无偏见的数据集。这些数据集可能难以获取,成本也很高,尤其是随着AI的需求不断增加。 Rendered.ai平台即服务通过生成物理准确的合成数据来解决这个问题,即从3D模拟创建的数据,以训练计算机视觉模型。 “现实世界的数据通常无法捕捉到泛化AI模型所需的所有可能的场景和边缘情况,这就是为什么SDG对于AI和机器学习工程师至关重要的原因,”总部位于西雅图郊区贝尔维尤的Rendered.ai的创始人兼首席执行官Nathan Kundtz说。 作为NVIDIA Inception计划的一员,Rendered.ai现已将NVIDIA Omniverse Replicator集成到其平台中,这是开发和运行工业元宇宙应用程序的Omniverse平台的核心扩展。 Omniverse Replicator使开发人员能够为许多这类应用程序生成标记的合成数据,包括视觉检查、机器人和自主驾驶。它基于用于3D工作流程的开放标准,包括通用场景描述(“OpenUSD”)、材料定义语言(MDL)和PhysX。 使用Rendered.ai生成的合成图像已用于为虚拟世界建模景观和植被,检测卫星图像中的物体,甚至测试人类卵细胞的可行性。 使用Omniverse Replicator生成的合成图像。图像由Rendered.ai提供。 通过利用Omniverse Replicator的RTX加速功能,例如光线追踪、域随机化和多传感器模拟,计算机视觉工程师、数据科学家和其他用户可以通过云中的简单Web界面快速轻松地生成合成数据。 “我们用来训练AI的数据实际上是影响AI性能的主导因素,”Kundtz说。“将Omniverse Replicator集成到Rendered.ai中将为用户提供使用合成数据训练更大、更好的应用于各行各业的AI模型的新水平的便捷性和效率。” Rendered.ai将在计算机视觉和模式识别会议(CVPR)上展示其与Omniverse Replicator的平台集成,该会议将于6月18日至22日在加拿大温哥华举行。 云中的合成数据生成 Rendered.ai现在可以通过AWS Marketplace使用,为开发人员和团队带来了一种协作的Web界面,可由计算机视觉工程师和数据科学家轻松配置,用于设计可以轻松配置的SDG应用程序。 这是一个一站式商店,人们可以通过Web浏览器共享包含SDG数据集、任务、图表等的工作区。 Rendered.ai平台即服务的视图,可在Web浏览器上使用。图像由Rendered.ai提供。…
Leave a Comment如何帮助机器人建造更好的机器人?通过模拟更多的机器人。 NVIDIA创始人兼CEO黄仁勋今天展示了领先的电子制造商Quanta如何使用AI启用的机器人来检查其产品的质量。 在本周的台北国际电脑展上的主题演讲中,黄仁勋介绍了电子制造商如何数字化其最先进的工厂。 例如,Quanta子公司Techman Robot的机器人使用NVIDIA Isaac Sim —— 一款基于NVIDIA Omniverse构建的机器人模拟应用程序,开发了一个定制的数字孪生应用程序,以改进这家总部位于台湾的电子产品提供商的生产线上的检查。 以下演示展示了Techman如何使用Isaac Sim来优化制造线上机器人的机器人检查。事实上,这是机器人建造机器人。 自动光学检查,或AOI,帮助制造商更快地识别缺陷,并向全球客户交付高质量的产品。现在启用AOI的NVIDIA Metropolis视觉AI框架还用于优化从汽车到电路板等产品的检查工作流程。 Techman通过使用Isaac Sim模拟、测试和优化其最先进的协作机器人或合作机器人,与使用云端的NVIDIA AI和GPU进行训练和机器人本身的推理,开发了AOI。 Isaac Sim是基于NVIDIA Omniverse构建的——一个用于构建和操作工业元宇宙应用的开放式开发平台。 Techman机器人AOI解决方案的独特特点包括将检查摄像头直接放置在关节式机器人手臂上,以及GPU集成在机器人控制器中。 这使得机器人能够检查固定摄像头无法访问的产品区域,并利用边缘上的AI即时检测缺陷。 Techman的首席运营官Scott Huang表示:“与其他机器人品牌相比,Techman机器人的独特特点在于其内置的视觉系统和AI推理引擎。NVIDIA RTX…
Leave a Comment