人工智能在我们的日常生活中已变得司空见惯,并带来了显著的益处:比人类更快、更准确地执行某些任务和分析。 从驱动智能手机中的“智能”助手,到实现计算机视觉(即使机器能够解读视觉刺激),再到分析未来智能城市所需的海量数据,人工智能的应用与日俱增。
自 1956 年“人工智能”一词诞生以来,该技术已在多个因素的推动下取得迅猛发展。 在过去 20 年里,计算机处理能力已大幅提升;如今,智能手机的算力已是阿波罗 11 号导航计算机的数百万倍。 数据是所有人工智能算法的命脉所在,它也变得更易于获取,这在一定程度上要归功于利用数据的关键基础结构:互联网。
AI (人工智能)解释
提到人工智能,大多数人可能会想到一种既完美又独立的事物。 一种在各方面都超越人类大脑的至高力量。 但实际上,我们距离开发这种“通用人工智能”还很遥远。
相反,我们能够创造的是更具针对性的人工智能,这得益于技术的进步、日益丰富的可用数据,以及算法的发展。 当应用于特定任务时,这些系统的表现仍超越人类。 这些“应用型人工智能”使我们能够准确、快速地自动完成特定流程。
在 Entrust,我们将人工智能用于身份验证:在企业及其客户之间建立信任,使客户能够远程访问商品和服务。
人工智能在 KYC、AML 和 CDD 中的应用
作为 KYC 和 AML(反洗钱)要求的一部分,许多受监管的企业都需要完成 CDD(客户尽职调查)。 这些检查包含对身份进行验证,即企业需要收集潜在客户的信息,并验证其合法性。 一直以来,这些流程对双方来说都是繁琐的负担。 客户可能必须亲自前往企业,提供证件进行验证,或者以数字方式提交证件,并等待人工处理。
人工智能使客户能够随时随地以数字方式提交证件,并在几分钟内获得对服务的访问权限,无需等待几小时。 这减少了注册引导流程中的摩擦,从而在确保企业始终符合监管要求的同时,提高其客户获取率,进而增加收入。
金融科技行业如何使用人工智能?
金融科技公司将人工智能用于多种不同目的。 它几乎可应用于所有方面,包括客户获取、系统管理、风险分析、欺诈检测等。 在 Entrust,我们与数百家领先的金融科技公司合作,利用人工智能验证客户的身份,以应对监管合规要求、检测注册时的欺诈行为,并高效地完成数百万客户的注册引导流程。
人工智能在生物识别技术中的应用
人工智能常用于驱动生物识别分析。 生物识别是指测量与人体特征相关的数据,常用于授权对系统和服务的访问(例如,智能手机用来验证用户身份的指纹、声音和面部生物识别特征)。
利用人工智能进行生物识别验证
人工智能可以非常有效地匹配面部生物识别特征。 为了满足 KYC 合规要求并预防欺诈,企业通常使用基于证件和生物识别的解决方案。 用户需要向企业提供带照片的身份证图片,以进行真实性分析。 他们还需要在注册引导时提供自拍照片。 企业将使用人工智能匹配身份证照片和自拍照片之间的面部生物识别特征,以确保提交身份证的用户是该证件的合法拥有者,而不是非法获取证件的欺诈者。
人工智能特别适合这项任务。 2014 年的一项研究发现,即使是受过培训的护照审查人员,在进行面部比对时,平均错误率也有 14%,而未经训练的人员为企业进行这种检查时,错误率可能更高。
然而,人工智能并非绝对可靠,应以合乎伦理的方式对其进行训练,并监控算法偏见。 算法偏见是指会导致不公平结果的系统性、可重复错误,例如歧视某一群体,或为另一群体提供不当优势。 面部识别中的算法偏见可能导致对某些人口群体的生物识别分析不准确,在身份验证过程中出现错误的拒绝或错误的匹配。 在 Entrust,我们使用平衡数据集来训练人工智能模型,并对结果进行监控。您可以在此处了解我们如何减少人工智能偏见。
用于证件分析的人工智能
作为身份验证流程的一部分,人工智能还可用于分析身份证,帮助企业满足其 KYC 要求。
相较于根据可信来源验证用户提供的数据,证件验证是一种高度可靠的用户身份验证方法。 如果由人工代理手动处理,则会增加周转时间(即从接收证件的拍摄副本,到完成分析,再到企业采取行动拒绝或接受申请人所花费的时间),从而带来摩擦。 人工智能可以自动进行此类分析,并在几秒钟内准确地分析证件。
Entrust 如何使用人工智能?
在 Entrust,我们使用人工智能为全球 800 多家企业提供自动化数字身份验证服务。 我们屡获殊荣的专有人工智能由包含数百名研究人员和工程师的专业团队历经 10 多年打造而成,旨在提供公平、快速、准确的分析。 人工智能分析可帮助企业获得更多客户、应对全球合规要求、提高运营效率并预防身份欺诈。 您可以在我们的博客中了解有关“什么是身份欺诈”的更多信息。
屡获殊荣的人工智能如何确保公平、快速和准确?
- 公平。 人工智能基于平衡数据集训练,这些数据集能够反映现实世界中种族和民族的差异,以遏制人工智能偏见。
- 快速。 人工智能可在 10 秒内处理 95% 的生物识别验证,速度比去年同期提高了 54%。
- 准确。 人工智能由公司内部采用独特的微模型架构构建,该架构整合了上万个经过专门训练用于识别特定欺诈特征的模型。