文 / 中国反洗钱监测分析中心 叶钢 向路 秦伟
随着计算机技术的不断发展，人工智能技术正逐步成为驱动新一轮科技革命的战略性技术。习近平总书记多次强调“要深入把握新一代人工智能发展的特点，加强人工智能和产业发展融合，为高质量发展提供新动能”。近年来，人工智能被广泛应用到银行、保险、证券等金融领域，不断催生出新的金融产品，逐渐形成了新的金融业态。这一趋势对于反洗钱工作而言，既是机遇也是挑战。本文研究总结了人工智能技术的发展状况及其在反洗钱领域的主要应用场景，分析了人工智能给反洗钱工作带来的机遇和挑战，并提出了基于人工智能技术构建反洗钱信息系统的基本过程和工作建议。
人工智能技术的形成和发展
人工智能是研究开发模拟人脑思维的理论、方法、技术及应用的一项前沿性学科。它试图在研究人脑智能本质的基础上，制造与人类思维方式相似的智能机器。该领域的研究包括机器学习、自然语言处理、进化计算和智能机器人等。
自人工智能的概念和理论首次提出以来，该技术和产业的发展历经了以下三个主要阶段。
第一阶段是20世纪50年代至70年代。这一阶段是人工智能概念的提出和形成阶段。一般认为，1956年召开的达特茅斯会议，推动了人工智能正式成为一个被广泛研究的学科。此后，学界开始兴起相关技术的研究热潮。但因受处理能力、数据量等因素的限制，当时的计算机无法有效完成人工智能算法的计算任务。因此这一阶段的人工智能研究更多停留在理论层面。
第二阶段是20世纪80年代至90年代。这一阶段随着计算和存储能力的提升，科学家开始探索如何利用人工智能技术，建立辅助人类解决实际问题的专家系统。这类系统学习已有问题的解决方法，形成知识存入知识库中。在遇到类似的问题时，能够自动地分析、决策，并加以解决。但是专家系统的使用场景，仅局限于解决其他手段已经解决过的问题，加之受高昂的硬件成本、有限的适用场景等限制，该阶段人工智能未能取得工业级的应用。
第三阶段从2015年至今。这一阶段的标志性事件是2016年3月，谷歌公司研发的AlphaGo在围棋人机大战中，击败了韩国职业九段围棋手李世石。随后，在2022年11月，OpenAI公司发布了聊天机器人程序ChatGPT，它能够模仿人类的思考和对话方式，与用户进行聊天交流，甚至能完成邮件编写、文案翻译、论文撰写等任务，再次在全球掀起了一股人工智能热潮。随着数据量爆炸式增长、算力迅速提升和新算法的不断涌现，人工智能的研究领域不断扩大。特别是深度学习技术的发展，让人工智能进入新的研究阶段，并逐步形成完整的产业链分工和协作体系。
人工智能在反洗钱领域的主要应用场景
洗钱活动是指犯罪分子将违法所得通过各种手段隐瞒、转化，使其在形式上合法化的行为。基于人工智能技术开展反洗钱工作，利用人工智能技术监测和预防与洗钱有关的非法活动。人工智能在反洗钱领域的主要应用场景包括如下。
交易行为自动监控：人工智能技术可以实时分析海量金融交易数据，发现其中存在的异常交易行为。通过不断分析和学习历史数据，人工智能技术可以辅助分析员发现已知和未知的洗钱模式，识别出传统基于规则的方法难以检测到的可疑行为，提升监测分析工作的效率。在反洗钱工作中，利用人工智能技术实施交易监控，可以自动处理交易数据，迅速发现异常，预警新型洗钱风险，从而使分析员可以重点关注经人工智能技术筛查后的结果，提升工作效率。
交易报告自动处理：人工智能技术可以使计算机像人那样理解、处理和生成语言类信息。因此，它可用于分析和处理例如文件、语音等人类语言载体，并对获取的信息进行信息挖掘、主题分类、质量评价等加工处理。在反洗钱工作中，利用人工智能技术，可以对可疑交易报告等进行报告质量评价、重点内容提取、涉罪类型分类等预处理，从而能向分析员提示报告质量和报告关键内容等信息，有效提升可疑交易报告的处理能力。
交易网络自动分析：人工智能技术可以绘制并分析复杂的实体网络，挖掘分析交易主体间的潜在关系或隐藏联系，进而识别出高风险个人或实体。在反洗钱工作中，实体和网络分析技术可用于穿透式资金分析、洗钱犯罪团伙分析、主体画像等领域，为分析员提供网络化分析手段。
洗钱风险自动评估：在交易层面，人工智能技术能通过分析交易历史、主体名单、地理信息和关系网络等各种因素，自动评估与主体、账户或交易相关的洗钱风险大小，预测未来的交易趋势和风险，从而提前采取预警措施。在机构层面，人工智能技术能结合评价指标体系和参考评分要点，对金融机构整体洗钱风险控制能力进行定性或定量评价，有利于促进金融机构反洗钱履职，维护经济金融安全和社会稳定。
总之，人工智能在打击洗钱犯罪和提升风险管控效率等方面具有巨大潜力，有利于提升反洗钱工作的全面性、准确性和有效性。
图 反洗钱AI架构图
基于人工智能技术构建反洗钱系统的基本过程
随着人工智能技术的进一步发展，基于该技术构建反洗钱系统，将成为整体提升反洗钱监测分析能力的有效手段。构建这类系统的基本过程可分为以下几个主要步骤。
明确目标：明确系统建设目标至关重要。只有明确了目标，才能制定出行之有效的系统建设方案，才能确保系统开发和应用不偏离建设初衷。这一环节包括确定系统用以解决哪些问题、达到哪些成效等。总的来说，基于人工智能技术构建反洗钱系统的建设目标就是，综合分析各类金融数据，自动监测可疑交易行为，识别相关洗钱模式，对可能存在洗钱风险的场景进行自动预警，以信息化手段提升反洗钱监测分析工作的效率。
数据收集和准备：开发、训练和测试人工智能相关技术，需要高质量、多样性的海量数据作为支撑。因此，构建基于人工智能技术的反洗钱系统，首先要收集和加工基础数据。当前，反洗钱主要信息来源有两类：一类是交易及相关信息，主要来源于大额和可疑交易报告中与交易直接相关的各要素。例如，交易金额、交易主体等。另一类则是其他补充信息，包括以自然语言文本、多媒体等形式存在的数据，以及来自第三方的各类数据，例如，“疑点分析”“资金及行为情况描述”等信息。在收集到上述原始数据后，需要根据一定的规则对数据进行剃重、补全、消歧、标注等加工处理，为开发人工智能系统做好数据准备。
系统开发：系统建设需要针对既定的目标，综合运用机器学习、深度学习、自然语言处理等人工智能技术，依次开展特征提取、系统开发和系统部署等工作。其中，特征提取通过分析已准备好的数据，提取其中与反洗钱相关的数据特征，例如交易频率、交易行为特征、主体年龄特征等，从而将原始数据转换为更适合机器计算的特征值。计算所得的特征值，将用于人工智能算法的训练和评估，这一过程将不断调整人工智能算法的结构或参数，直到达到最佳的预测效果为止。算法成熟后，可考虑将系统部署到生产环境中，用于开展反洗钱监测分析工作。
系统应用和持续改进：系统部署上线后，分析人员可利用该系统实时开展监测分析业务。该系统既可协助分析员进行数据的搜集整理，也可辅助分析员开展案情分析和报告撰写等工作。同时，在与分析员的交互中，人工智能技术通过学习分析员的分析思路和工作习惯，不断自我完善。系统开发和维护人员通过分析性能指标、用户反馈等信息，确定需要增强或扩展的领域，及时引入新的智能算法，对已有算法进行改进，实现系统的持续优化升级。
人工智能带来的风险与挑战
虽然人工智能技术可以加强反洗钱工作，但分析员的参与和专业知识仍然至关重要。缺乏人工决策的干预，系统可能会错失重要的线索，甚至导向错误的结论。总的来说，基于人工智能技术构建反洗钱系统面临的主要风险与挑战包括如下。
数据质量引起的偏差：人工智能技术产生的结果高度依赖所使用的数据。可以说，数据是人工智能系统的核心。高质量的数据，是开发出符合预期的人工智能系统的前提。正所谓差之毫厘谬以千里，数据存有瑕疵或者错误，会导致系统的决策偏差，甚至可能产生完全错误的结果。例如，事实表明，当无法获取相关数据或者受到假讯息干扰时，ChatGPT会给出不合逻辑或不正确的反馈，甚至会编造事实。因此，在运用人工智能技术时，需要筛选和验证数据，确保数据的准确性和可靠性，以降低因数据质量问题带来的风险。
结论的可解释性：人工智能技术的计算过程往往比较复杂，导致决策过程难以理解和解释。在训练过程中，为寻找输入数据与输出结论间的关系，许多人工智能算法往往会融合多个输入数据项，构造一个复杂的数学模型，使得输入数据经过该模型的计算可以较好地贴合预期的结论。例如，用一批交易信息训练人工智能算法时，该算法可能会最终得出难以解释的计算模型，作为用以识别较高洗钱风险交易的方法。但对于这样的数学模型所蕴含的逻辑，人们往往无法直观理解。
洗钱手段的不断演变：随着全球经济和金融的不断发展，洗钱活动涉及的上游犯罪由经济、贩毒、走私等领域向涉众、职务犯罪等领域延伸，犯罪手法不断翻新，涉及的行业也在不断拓展。特别是随着加密货币、虚拟资产、暗网等交易载体和交易平台的出现，其隐蔽性强、追踪难度大等特点，正日益成为洗钱犯罪的温床。面对这一情形，人工智能系统只有不断适应并跟上这些变化，才能具备较强的监测和预防能力，否则可能无法有效应对新型洗钱行为。
总之，基于人工智能技术的信息系统并非一劳永逸，需要定期更新升级，以尽量减少误判和错报的风险。
工作建议
1.加强人工智能技术的研究。针对人工智能技术带来的机遇与挑战，我们应进一步加强相关领域的研究以及前沿技术的追踪，将技术吃深吃透，从而将运用过程中可能遇到的各种风险控制在可接受的范围之内。为此，可以采取以下方式推进研究工作：一是制定切实可行的人工智能技术发展战略规划，明确技术路线和重点任务，强化业务和技术部门间的协调合作，深入推进人工智能技术的研究工作。二是加强与相关企业、高校和科研机构的合作，共同研究人工智能技术的最新动态和发展趋势，研究成果共建共享。三是根据自身的业务需求和特点，选取典型场景开展人工智能技术的应用研究，不断探索该技术在反洗钱监测分析工作中的应用实践。
2.强化人才队伍建设。人工智能是集专业领域知识和计算机技术于一体的综合性学科，涉及诸多领域，如计算机科学、社会科学、工程学等，对于建设者和使用者都提出了较高要求。只有同时具备丰富业务经验且熟练掌握相关技术的复合型人才，才能使人工智能技术发挥出最大的价值。为此，可以采取以下方式加强人才储备：一是针对自身的业务需求，制定人才培养计划，通过加大内部培训、引进外部资源等方式，提高人才队伍的技术素养。二是加强与外部相关单位的合作和交流，通过合作研究、交流互访等方式，拓宽技术视野和工作思路，提升研究水平和应用能力。
（此文刊发于《金融电子化》2024年4月上半月刊）
声明：本文来自金融电子化，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
