当下的全球经济形势，想必大伙心里也有数。不仅企业和消费者必须适应，犯罪分子也遇到了麻烦——现在咋洗钱啊？
有组织犯罪的收益通常需要通过合法的业务进行转移，经常倒手几次并跨越国界，直到无法通过清晰的线索追溯到其来源—这就是俗称洗钱的过程。
但是，随着许多企业倒闭，把非法资金混到日常财务活动中的做法就行不大通了。“钱仍在流入，但无处可放。”在英国国防和安全智库RUSI从事反金融犯罪工作的伊莎贝拉·蔡斯说。
新冠病毒迫使犯罪集团想出新的方法。反过来，这也增加了反洗钱(AML)执法人员的工作量——以前的经验不再有效。
执法者开始求助于AI。尽管古老的机构在创新性上反应迟钝，但规模较小，年轻的反洗钱机构乐于拥抱全新的技术。
根据联合国毒品和犯罪问题办公室的数据，每年洗钱活动为全球GDP贡献了2％至5％(按当前数字在8000亿至2万亿美元之间)。估计表明，被揭发的仅占犯罪分子所获利润的1％。
较早的系统依赖于执法者的经验，例如，一定数量的交易就会触发警报。但是，这些规则显然存在大量的不确定性。最近，人们开始训练机器学习网络来分析金钱的流向，用真实反馈调整AI模型。一些公司，包括美国和英国的Featurespace公司(使用机器学习来检测可疑的金融活动)和Napier(另一家为AML构建机器学习工具的公司)正在开发混合方法。
近几个月来，商业行为的快速转变已经使适应性更强的系统的优势凸现出来。Featurespace金融犯罪负责人Araliya Sammé说，世界各地的金融监管机构已经发布了有关反洗钱应关注的新指导方针，但为时已晚。
对纳皮尔(Napier)首席营收官戴夫·伯恩斯(Dave Burns)而言，covid-19让了长期困扰的问题得以解决。他说：“病毒流行成了许多事情的转折点。呼唤我们换个角度思考。”而且，他补充说：“行业中大型的较笨重的企业，尾大不掉，措手不及。”
但这不意味着最新技术就是好的。伯恩斯说：“不能为了AI而AI，因为那样会产生垃圾。”他说，需要为每家银行或支付渠道提供商量身定制的方法。
反洗钱技术还有很长的路要走。伯恩斯说，大流行已经揭示出现有系统中的漏洞，人们对此感到担忧。这意味着事情的变化可能比估计的还快。他说：“我们看到了更大的紧迫性。传统上很官僚决策过程正在急剧加速。”
本文译自 technologyreview，由译者 majer 基于创作共用协议(BY-NC)发布。
