在 2024 年 6 月 12 日由 Artefact 举办的人工智能金融服务峰会上，Swift 人工智能/ML 项目负责人 Johan Bryssinck、Swift 人工智能/ML 平台负责人 Chalapathy Neti 和 Mostly AI 首席执行官 Tobias Hann 在小组讨论中的主要心得。.
关于约翰-布赖辛克 在 Swift，他领导采用 artificial intelligence 技术来增强产品和服务。他拥有 20 多年的工作经验，专注于企业战略、创新和技术，推动合作伙伴利用人工智能解决行业难题。.
关于托比亚斯-汉恩 他擅长合成 data 和人工智能驱动的解决方案。他拥有维也纳经济与商业大学博士学位和加州大学伯克利分校哈斯商学院工商管理硕士学位，在软件、data 和机器学习方面拥有丰富的经验。.
关于 Chalapathy Neti： 在 Swift，他负责开发企业级人工智能平台。他在人工智能、cloud 解决方案方面拥有丰富的经验，并曾在 IBM 担任高级职务，包括 IBM Watson 教育副总裁和医疗保健转型总监。.
导言
讨论的重点是金融服务业面临的重大挑战，尤其是金融犯罪、欺诈和反洗钱方面的挑战。据估计，这些问题在全球造成的损失约为 $4800 亿美元。大规模解决这些问题需要协同创新，这主要是因为 data 分散在多个孤岛上。.
合成 data 的作用
合成 data 是这一合作创新的重要推动力。Swift 是全球领先的支付系统公司，为全球大量的 GDP 交易提供便利，并与全球众多机构开展合作。为了有效应对金融犯罪，Swift 与合作伙伴合作，负责任地利用合成 data 进行创新。.
应对金融犯罪的方法
Johan 阐述了长期存在的欺诈问题，强调了合作打击这一问题的必要性。尽管技术不断进步，但欺诈行为仍在增加，部分原因是支付方式的分散和 data 孤岛的存在。Swift 与 "未来金融情报服务"（Future of Financial Intelligence Service）合作，观察到通过 data 共享计划在欺诈检测和预防方面取得了显著改善。.
异常检测和人工智能
Swift 的目标是为实时交易监控建立先进的异常检测模型。与银行的合作以及在支付控制服务中利用人工智能已经取得了可喜的成果，例如误报率降低了 40%。下一步是将异常检测整合到支付预验证服务中，以提高交易启动前的安全性。.
机密计算
保密计算是安全 data 协作的关键技术，可在处理的所有阶段提供 data 保护。Swift 的目标是在全球范围内推广这项技术，与超大规模企业合作，以覆盖其广泛的客户群。.
合成 data 的重要性
来自 Mostly AI 的托比讨论了合成 data 在实现安全有效的 data 协作方面的意义。合成 data 是完全匿名的，有助于软件开发、研究和训练人工智能模型等各种用例。它还能解决 data 隐私问题，帮助创建更强大、更无偏见的人工智能模型。.
挑战和未来方向
讨论还涉及人工智能对就业的影响以及新支付公司作为潜在竞争对手的出现。Swift 不断创新，整合新技术，扩展支付轨道，以适应不断变化的金融环境。.
结论
这次对话强调了协同创新、人工智能和合成 data 在应对全球金融犯罪方面的重要性。Swift 在异常检测、安全 data 协作和合成 data 利用方面的不懈努力对于提高金融生态系统的完整性和效率至关重要。.
