（文章來源：教育新聞網(wǎng)）

消費者對即時訪問銀行和其他金融服務的需求正在重新定義銀行和金融服務公司的IT策略。

銀行現(xiàn)在正在尋求提高創(chuàng)新性和敏捷性，以加快軟件開發(fā)的速度，同時應對不斷增加的欺詐風險并關注成本效益。

這些公司中的許多公司都將人工智能作為打擊欺詐的一站式解決方案。它已被用于基于對一組預定義規(guī)則的實時差異識別，以檢測金融交易中的欺詐行為。此用例的AI部署數(shù)量正在迅速增加，到2030年，AI在銀行業(yè)的商業(yè)價值預計將達到3000億美元。

但是，AI解決方案的完整集成和擴展非常復雜，必須簡化架構才能實現(xiàn)AI的承諾。因此，跳上AI潮流是錯誤的;相反，組織應該仔細考慮他們要納入的解決方案的優(yōu)勢和局限性。將AI集成到欺詐檢測中，現(xiàn)在，AI既可以作為銀行技術“堆?！钡膯为毑糠?，也可以作為大型數(shù)據(jù)庫管理系統(tǒng)的嫁接部分存在。

但是，為了提供可靠的實時欺詐檢測，所有金融服務公司必須真正集成AI，以協(xié)助完成諸如交易評分(對客戶交易進行分類以識別客戶行為的過程)之類的任務。但是，這不是一個簡單的過程。使用為批量處理大量數(shù)據(jù)而設計的軟件或平臺交付的AI模型無法執(zhí)行或具有適合實時或大規(guī)模使用的適當操作特性。

為了支持欺詐檢測，應該在一系列機器生成的數(shù)據(jù)派生算法中部署AI。這些算法應簡化為應用程序形式，以允許它們基于先前對如何識別非法交易或行為的培訓，“推斷”有關新數(shù)據(jù)的信息–本質(zhì)上，識別潛在的異?；顒硬?u>標記應標記為潛在欺詐的行為。 。此過程通常稱為運行“推理”。

AI的傳統(tǒng)家已經(jīng)在計算或應用層。但是，從體系結構上講，推理的操作與數(shù)據(jù)層更相似。這一轉(zhuǎn)變具有重大意義。這是因為將AI從結構上講更靠近源數(shù)據(jù)，并允許推理與其他數(shù)據(jù)操作一起執(zhí)行以達到優(yōu)化目的。在不斷增長的數(shù)據(jù)強度和要求以及現(xiàn)代應用程序要求的實時數(shù)據(jù)速度要求的背景下，這樣做對于將來的成功至關重要。

最重要的是，AI必須具有高性能數(shù)據(jù)庫的所有標記，才能以最佳水平運行。這意味著它需要高度可用，穩(wěn)定，通過通用接口連接并能夠在集群中擴展。而且，當然，它必須能夠在實時性能范圍內(nèi)做出響應。
? ? ?