Налоговая служба Бразилии выявила криптомахинации на $180 млн благодаря ИИ-помощнику

cryptonews.ruPublié le 2024-05-10Dernière mise à jour le 2024-09-10

  • Представители RFB заявили, что используют мониторинговый сервис на базе ИИ для выявления мошеннических схем.
  • Этот инструмент уже обнаружил махинации с криптоактивами на $180 млн.
  • Проект использует алгоритмы искусственного интеллекта и сложный сетевой анализ для облегчения задачи по оценке налоговых данных.

Федеральная налоговая служба Бразилии (RFB) заявила, что пользуется инструментом на базе технологий с искусственным интеллектом для выявления финансовых махинаций. С его помощью специалисты агентства вычислили нарушения в сфере криптоактивов на $180 млн.

По имеющимся данным, проект реализован собственными усилиями RFB. Он использует алгоритмы ИИ и глубокий анализ для оценки поступающих налоговых данных. Представители регулятора заявили, что это позволило выявить массу незаконных транзакций и ощутимо повысить эффективность проверочных мероприятий.

Благодаря ИИ-инструменту налоговой службе удалось обнаружить мошенническую схему на $125 млн. В ней участвовали подставные компании, которые использовались для приобретения криптоактивов. ИИ-помощник выявил взаимосвязь между подозрительными операциями по импорту и денежными переводамами с налоговыми нарушениями.

Еще один крупный случай связан с отмыванием денег, незаконным оборотом наркотиков и оружия, а также уклонением от уплаты налогов и цифровыми активами, подчеркнули в RFB.

Помимо налоговой службы, над внедрением в свою структуру инструментов на базе ИИ работает Национальный банк Бразилии. Глава финансового регулятора Роберто Кампос Нето заявил, что его подопечные рассматривают возможность интегрировать технологии искусственного интеллекта в пилотный проект CBDC. С этой целью нацбанк создал специальное подразделение.

Ранее стало известно, что RFB намерен запросить данные о деятельности иностранных криптовалютных бирж на территории государства. Власти хотят выяснить, не нарушают ли компании законодательство в процессе ведения своей деятельности. Налоговую службу также интересует взаимодействие фирм с местными поставщиками услуг виртуальных активов.

Напомним, мы писали, что регулятор Бразилии одобрил запуск второго спотового Solana-ETF.

Lectures associées

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

Dans un article, Li Fei-Fei propose une taxonomie pour clarifier le terme largement utilisé et souvent confus de « modèle du monde » en IA. Elle s'appuie sur le cadre classique du POMDP (processus de décision markovien partiellement observable) où un agent exécute des actions qui modifient l'état du monde, et reçoit en retour des observations. Elle distingue trois catégories fonctionnelles de « modèles du monde » selon leur sortie dans cette boucle : 1. **Le moteur de rendu (Renderer)** : Génère des observations (pixels visuels). Son critère est la fidélité visuelle (ex : Sora, Genie). Commercialement mature, il a une limite car la beauté ne garantit pas l'exactitude physique. 2. **Le simulateur (Simulator)** : Génère ou modélise des états du monde, avec une représentation géométrique et physiquement précise (ex : Omniverse de NVIDIA). C'est le pont clé et sous-estimé, car il sert à la fois aux humains (visualisation) et aux machines (entraînement de robots, planification). Il travaille sur la structure même du monde (géométrie, physique). 3. **Le planificateur (Planner)** : Génère des actions. À partir d'une observation et d'un but, il détermine la prochaine action d'un agent (ex : modèles vision-langage-action). C'est le plus excitant mais le moins mature, avec un écart important entre les démonstrations en labo et un déploiement réel fiable. Li Fei-Fei argue que le simulateur est le pivot crucial, car la maîtrise de la simulation fournit une base pour le rendu et la planification. La tendance actuelle est à la fusion de ces trois catégories, reposant sur l'idée qu'elles partagent une compréhension sous-jacente commune du monde. L'objectif final est un modèle du monde unifié capable de basculer entre ces fonctions. Cette convergence redéfinira l'intelligence spatiale, permettant aux machines non seulement de parler du monde (via le langage) mais de le comprendre, de l'imaginer et d'interagir avec lui.

marsbitIl y a 4 h

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

marsbitIl y a 4 h

Trading

Spot
活动图片