در دنیای سیستمهای مالی، شناسایی تراکنشهای مشکوک یک چالش بزرگ است. در یک پژوهش جدید، محققان یک سیستم چندلایه را بررسی کردهاند که ترکیبی از مدلهای یادگیری ماشین سنتی (Gradient Boosting)، تحلیل گراف و «ایجنتهای هوش مصنوعی» (LLM Agents) است تا فرآیند کشف کلاهبرداری را نه تنها دقیقتر، بلکه «قابلتوضیح» (Explainable) کنند.
نکته جالب اینجاست: با اینکه مدلهای ایجنتمحور توانستند منطقهای قابلفهمی برای بررسی تراکنشها ارائه دهند، اما در دقت عملیاتی هنوز از روشهای آماری کلاسیک عقبتر هستند. این پژوهش نشان میدهد که مسیر رسیدن به سیستمهای خودکارِ قابلاعتماد، همچنان نیاز به چالشهای مهندسی بیشتری دارد.
آیا فکر میکنید روزی ایجنتهای هوش مصنوعی میتوانند جایگزین تحلیلگران انسانی در بانکها شوند؟
منبع: arXiv AI