صرافی ارز دیجیتال کوینبیس اعلام کرد که با تنظیم دقیق یک مدل هوش مصنوعی متن-باز (open-weight) بر اساس دادههای تراکنشهای اختصاصی خود، توانسته است در زمینه تشخیص کلاهبرداری، از یک مدل پیشرو منبع-بسته (closed-source) پیشی بگیرد. این مدل جدید نهتنها امتیازات بهتری در تشخیص تقلب کسب کرده، بلکه تأخیر کمتری نیز در پاسخدهی دارد.
در یک آزمایش آنلاین، این شرکت یک عامل هوش مصنوعی را به سیستم تشخیص کلاهبرداری موجود خود برای سرویس «آنرمپ» (Onramp) اضافه کرد. این سرویس به کاربران امکان میدهد از طریق اپلیکیشنهای همکار، حتی بدون داشتن حساب کاربری کوینبیس، ارز دیجیتال خریداری کنند. نتایج نشان داد که گروه تحت بررسی با عامل هوش مصنوعی، ۳۰ درصد تراکنشهای کلاهبرداری کمتر و ۲۲ درصد کاهش در ارزش مالی کلاهبرداریها را تجربه کردند.
مدلهای تخصصی در برابر مدلهای عمومی
برایان آرمسترانگ، مدیرعامل کوینبیس، در پستی در ۱۲ اکتبر توضیح داد که این شرکت مدل Qwen3.5-9B را با استفاده از دادههای داخلی خود بهینهسازی کرده و دریافته است که این مدل در وظیفه تخصصی پیشگیری از کلاهبرداری، «با هزینه و سرعت بسیار کمتر، عملکرد بهتری نسبت به مدلهای پیشگام داشته است».
نکته اصلی این نیست که مدلهای کوچکتر همیشه بهتر هستند، بلکه عملکرد آنها به وظیفهای بستگی دارد که برای آن آموزش دیدهاند.
عامل هوش مصنوعی جدید کوینبیس، توالی تراکنشهای اخیر را برای شناسایی الگوهایی بررسی میکند که ممکن است در یک پرداخت واحد قابل تشخیص نباشند. این عامل میتواند تراکنشی را که از بررسیهای اولیه عبور کرده مسدود کند، اما قادر به لغو مسدودیتی که قبلاً توسط سیستم اعمال شده، نیست.
چرخش به سمت مدلهای متن-باز
کوینبیس پیش از این، نسخههای جدیدتر مدلهای منبع-بسته مانند Opus، Sonnet و GPT را در برابر یک معیار ثابت شامل ۱۶,۱۴۰ تراکنش آزمایش کرده بود. نتایج نشان داد که این مدلهای جدیدتر در چندین معیار تشخیص تقلب، عملکرد ضعیفتری نسبت به نسخههای قبلی خود داشتند.
برای مثال، مدل GPT-5.6 دقت (precision) بهتری داشت اما نرخ بازیابی (recall) آن پایینتر بود؛ به این معنی که بخش کوچکتری از تراکنشهای کلاهبرداری را شناسایی میکرد. این نتیجه، کوینبیس را به سمت استفاده از یک مدل متن-باز سوق داد که پارامترهای آن میتوانند مستقیماً تنظیم شوند، نه اینکه فقط از طریق API یک ارائهدهنده قابل دسترسی باشند.
این رویکرد در چارچوب بحث گستردهتری در مورد استفاده از عوامل هوش مصنوعی در جرایم مالی و امنیت قرار میگیرد. شرکت امنیتی سرتیک (CertiK) اخیراً هشدار داده بود که عوامل امنیتی خودکارتر میتوانند ریسکهایی ناشی از خروجیهای نادرست و کاهش نظارت انسانی به همراه داشته باشند. با این حال، عامل هوش مصنوعی کوینبیس با محدودیتهای مشخصی کار میکند؛ این سیستم یک امتیاز ریسک ارائه میدهد و کدهای برنامه، سیاست تصمیمگیری را اعمال میکنند.
اطلاعات ارائه شده در این مقاله صرفاً برای اهداف اطلاعاتی و آموزشی است و نباید به عنوان مشاوره مالی، سرمایهگذاری یا حقوقی تلقی شود. ما توصیه میکنیم قبل از انجام هر گونه سرمایهگذاری، تحقیقات مستقل انجام دهید و با یک مشاور مالی یا حقوقی مشورت کنید.