في ظلّ التحديات المتزايدة لمكافحة الاحتيال الشبكي، يبرز السؤال الأكثر إلحاحًا: متى يمكن أن يسهم عنصر الذكاء الاصطناعي الثاني في تحسين القرارات بدلاً من إضافة عبء تشغيلي؟ أجرى الباحثون دراسة جديدة تعالج هذه القضية باستخدام إطار عمل تعرفه باسم Decider-Supervisor (DS) مزود بتقنية تدقيق البلوكتشين.

تستند الدراسة إلى تقييم أربعة تكوينات توجّهية تركّز على دمج التعلم الآلي المركّز (centralized machine learning) مع نموذج فدرالي مهيّأ عبر تقنية Federated Averaging (FedAvg) بالإضافة إلى نماذج لغوية ضخمة (large language model) تعتمد على تقنية Base أو QLoRA. تتم المقارنة بين قرارات الاحتيال التي تعتمد على الذكاء الاصطناعي الوحيد وقرارات المراقبة.

تشير النتائج إلى أن هناك فرصة لتحسين قدرة الذكاء الاصطناعي، ولكن ذلك يعتمد بشكل كبير على عوامل مثل تعيين الأدوار، والمعايرة، وسياسات التصعيد، وتركيبة الحركة المرورية. على سبيل المثال، أظهر إطار DS-3 QLoRA أنه أقل تداخلًا من حيث أداء المراقبة، لكنه لم يتفوق على أداء المرحلة الأساسية FedAvg في دقة F1.

علاوة على ذلك، تسلّط الدراسة الضوء على استخدام اختبارات البلوكتشين في دعم التحقق من البيانات واكتشاف التلاعب، مما يعزز سلامة القرارات النهائيّة.

باختصار، تظهر الدراسة أن قيمة التوجيه الذكي تعتمد على كيفية تكامل الأدوار والعمليات بدلاً من مجرد إضافة نموذج ثانٍ، مما يجعل القياسات الدقيقة والتخطيط الإستراتيجي ضروريين. هل تعتقد أن دمج الذكاء الاصطناعي في أنظمة إدارة الاحتيال سيحقق نتائج أفضل؟ شاركونا آراءكم في التعليقات!