الذكاء الاصطناعي يتدخل لحمايتنا من الاحتيال الإلكتروني | تفاصيل
تاريخ النشر: 14th, February 2024 GMT
الذكاء الاصطناعي.. نظرًا لأن العالم أصبح رقميًا بشكل متزايد، يمكن أن توفر حلول الذكاء الاصطناعي والتعلم الآلي المساعدة التي تشتد الحاجة إليها لأنواع مختلفة من الشركات والوكالات الحكومية والأفراد، بعد ازدياد حالات سرقة الهوية وغيرها من أشكال الاحتيال عبر الإنترنت، مما يجعل الشركات تكافح لمواجهة العواقب السلبية.
ويعتبر الاحتيال عبر الإنترنت ليس بالأمر الجديد، ومع ذلك، يلعب الذكاء الاصطناعي دورًا رئيسيًا في مساعدة المؤسسات على اكتشاف الاحتيال والاستجابة له.
أشكال الاحتيال عبر الإنترنت- الرسوم المسبقة «الرسائل الخادعة النيجيرية».
- الشيكات المزيفة.
- الاحتيال في بطاقة الائتمان أو الخصم.
- مخططات الهرم.
- الحيل التجارية أو التوظيف.
- مخططات الاستثمار.
- عدم تسليم البضائع أو الخدمات.
- سرقة الهوية وهجمات التصيد.
الذكاء الاصطناعيفوائد كشف الاحتيال باستخدام الذكاء الاصطناعي- طريقة سريعة وفعالة للكشف عن الاحتيال تعمل على مدار الساعة طوال أيام الأسبوع.
- انخفاض العمالة البشرية والخطأ.
- تنبؤات أفضل تستند إلى القدرة على فحص مجموعات البيانات الكبيرة.
- تحديد سمات الاحتيال الفريدة والمعقدة التي قد لا يتعرف عليها البشر.
- لديه سجل حافل بالنجاح، لا سيما في مجال كشف الاحتيال المصرفي والتأميني.
- فعال من حيث التكلفة.
تقنيات الذكاء الاصطناعي المستخدمة في مجال التجارة الإلكترونيةيعمل الذكاء الاصطناعي على إحداث تحول سريع في مجال التجارة الإلكترونية حيث تستخدم العديد من تقنيات الذكاء في هذا المجال، ويُستخدم أيضًا لتحسين مجموعة واسعة من عمليات التجارة الإلكترونية من توصيات المنتجات إلى اكتشاف الاحتيال.
وتتضمن بعض تقنيات الذكاء الاصطناعي الأكثر شيوعاً المستخدمة في التجارة الإلكترونية ما يلي:
- التّعلم الآلي (Machine learning).
- معالجة اللغة الطبيعية (NLP).
- رؤية الكومبيوتر (Computer vision).
اقرأ أيضاً«روفوز».. أمازون تطور مساعدا رقميا لتطبيق التسوق بالذكاء الاصطناعي
بعد «انمو مع جوجل».. الشركة الأمريكية تطلق مبادرة جديدة للتدريب على الذكاء الاصطناعي
«روفوس».. تطبيق جديد يساعد على التسوق بالذكاء الاصطناعي | فيديو
المصدر: الأسبوع
كلمات دلالية: الذكاء الاصطناعي الذكاء الإصطناعي تطبيقات الذكاء الاصطناعي الذكاء الاصطناعي وتطبيقاته مجالات الذكاء الاصطناعي تعلم الذكاء الاصطناعي الذكاء الصناعي الذكاء الاصطناعي مجانا تخصصات الذكاء الاصطناعي مخاطر الذكاء الاصطناعي أضرار الذكاء الاصطناعي الذكاء الاصطناعي للصور الاحتيال بالذكاء الاصطناعي الذکاء الاصطناعی
إقرأ أيضاً:
تحديات جوهرية تواجه تطور الذكاء الاصطناعي
#سواليف
أظهر استطلاع حديث لخبراء في مجال #الذكاء_الاصطناعي أن توسيع نماذج اللغات الكبيرة (LLMs) لن يؤدي إلى تحقيق الذكاء الاصطناعي العام (AGI).
يعدّ AGI بمثابة النقلة النوعية التي تمكّن الأنظمة من التعلم بشكل فعّال كالذكاء البشري أو أفضل منه.
وأكد 76% من 475 باحثا في المجال، أنهم يرون أن هذا التوسع “غير مرجح” أو “غير مرجح جدا” أن يحقق هذا الهدف المنشود.
مقالات ذات صلة إعداد بسيط في هاتفك قد يجعلك تبدو أصغر بـ10 سنوات! 2025/04/01وتعتبر هذه النتيجة انتكاسة كبيرة للصناعات التكنولوجية التي توقعت أن تحسينات بسيطة في النماذج الحالية من خلال مزيد من البيانات والطاقة ستؤدي إلى الذكاء الاصطناعي العام.
ومنذ #طفرة الذكاء الاصطناعي التوليدي في 2022، كانت التوقعات تركز على أن زيادة الموارد كافية لتجاوز #الذكاء_البشري. لكن مع مرور الوقت، وبالرغم من الزيادة الكبيرة في الإنفاق، فإن التقدم قد تباطأ بشكل ملحوظ.
وقال ستيوارت راسل، عالم الحاسوب في جامعة كاليفورنيا، بيركلي، والذي شارك في إعداد التقرير: “منذ إصدار GPT-4، أصبح واضحا أن التوسع في النماذج كان تدريجيا ومكلفا. الشركات قد استثمرت أموالا ضخمة بالفعل، ولا يمكنها التراجع بسبب الضغوط المالية”.
وفي السنوات الأخيرة، ساهمت البنية الأساسية المبتكرة المسماة “المحولات” (Transformers)، التي ابتكرها علماء غوغل عام 2017، في تحسن قدرات نماذج الذكاء الاصطناعي. وتستفيد هذه النماذج من زيادة البيانات لتوليد استجابات أدق. ولكن التوسع المستمر يتطلب موارد ضخمة من الطاقة والمال.
وقد استقطب قطاع الذكاء الاصطناعي المولّد نحو 56 مليار دولار في رأس المال المغامر عام 2024، مع تكريس جزء كبير من هذه الأموال لبناء مراكز بيانات ضخمة تسببت في زيادة انبعاثات الكربون ثلاث مرات منذ 2018.
ومع استنفاد البيانات البشرية القابلة للاستخدام بحلول نهاية هذا العقد، فإن الشركات ستضطر إما لاستخدام البيانات التي أنشأها الذكاء الاصطناعي نفسه أو جمع بيانات خاصة من المستخدمين، ما يعرض النماذج لمخاطر أخطاء إضافية. وعلى الرغم من ذلك، لا يقتصر السبب في محدودية النماذج الحالية على الموارد فقط، بل يتعدى ذلك إلى القيود الهيكلية في طريقة تدريب هذه النماذج.
كما أشار راسل: “المشكلة تكمن في أن هذه النماذج تعتمد على شبكات ضخمة تمثل مفاهيم مجزّأة، ما يجعلها بحاجة إلى كميات ضخمة من البيانات”.
وفي ظل هذه التحديات، بدأ الباحثون في النظر إلى نماذج استدلالية متخصصة يمكن أن تحقق استجابات أكثر دقة. كما يعتقد البعض أن دمج تقنيات الذكاء الاصطناعي مع أنظمة تعلم آلي أخرى قد يفتح آفاقا جديدة.
وفي هذا الصدد، أثبتت شركة DeepSeek الصينية أن بإمكانها تحقيق نتائج متميزة بتكاليف أقل، متفوقة على العديد من نماذج الذكاء الاصطناعي التي تعتمد عليها شركات التكنولوجيا الكبرى في وادي السيليكون.
ورغم التحديات، ما يزال هناك أمل في التقدم، حيث يقول توماس ديتريش، الأستاذ الفخري لعلوم الحاسوب في جامعة ولاية أوريغون: “في الماضي، كانت التطورات التكنولوجية تتطلب من 10 إلى 20 عاما لتحقيق العوائد الكبيرة. وهذا يعني أن هناك فرصة للابتكار بشكل كبير في مجال الذكاء الاصطناعي، رغم أن العديد من الشركات قد تفشل في البداية”.
قبل انطلاقه غدا.. أعضاء لجنة تحكيم مهرجان SITFY-Georgia يصلون مطار تبيلسي