至顶网服务器频道 10月13日 新闻消息: 本周三,英特尔发布了防洗钱顾问工具,据称这是市场首次在金融服务行业中使用"关联记忆"人工智能。

对于银行和其他金融服务公司来说洗钱是一个大问题,他们都在极力防止洗钱现象发生。有数据表明:根据联合国最新的统计数据,2016年有8000亿美元到2万亿美元非法现金被洗,占全球国内生产总值的约2%到5%。如此庞大的现金量,以及所有这些交易背后的数据,使得追踪变得几乎不可能。
英特尔副总裁、Saffron AI Group总经理Gayle Sheppard表示:"银行和保险公司收集的数据量在大幅增长,每两年翻一番。数据量不断增加的同时,数据类型和来源也越来越复杂,这就意味着当今大部分数据都无法查询并进行分析,因为传统工具根本无法大规模访问这些数据。"
当然,大多数银行仍然尽力防止洗钱。问题在于,他们一直受老旧软件的限制,这些软件可能需要少则数周多则数月的时间,在海量的金融数据中寻找需要的数据。
这正是英特尔关联内存AI软件希望解决的问题。据英特尔称,Saffron的秘密武器就是它可以模仿人类大脑的学习方式,创建新的关联并回忆相关信息。它连接了来自各种数据来源的信息,找到异常点和相似性,这对人类调查员来说通常是非常困难的一件事。
Saffron AML Advisor利用关联内存,通过处理来自电子邮件、企业系统、互联网等数十种来源的结构化和非结构化数据,以检测出洗钱迹象。在这个过程中,Saffron AML Advisor是完全透明的,可提供有关连接和推荐的逻辑解释,确保使用该软件的金融服务机构符合法规标准。
英特尔表示,该软件依赖于一种所谓"连续学习"的机器学习技术,意味着它不需要先用特定数据集进行训练。你只需要接入它,让它自己运转起来,软件本身会进行训练,这个方法也有助于确保可以更快速地获得洞察。
英特尔将通过Intel Saffron Early Adopter Program为那些想要尝试这款软件的金融服务提供商提供该产品。英特尔表示,目前新西兰银行已经签约成为首家客户。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。