jakiro
En 2025, Shengliang Lu et d’autres ont publié un article « AI Applications dans Web3 Suptech et RegTech: une perspective réglementaire », qui a souligné que le domaine numérique subit une transformation transformatrice motivée par la montée en puissance de la technologie Web3 et des atouts virtuels. Cette nouvelle phase de technologie Internet utilise la technologie du grand livre distribué et les contrats intelligents, tout en favorisant la décentralisation, en augmentant la transparence et en réduisant la dépendance à l’égard des intermédiaires. Ces innovations sont cruciales pour façonner la finance décentralisée (DEFI).Cependant, la popularité rapide de la technologie Web3 entraîne également des risques importants, mettant en évidence ces risques par une série d’échecs très attendus et de vulnérabilités systémiques.Grâce à son Autorité de réglementation des services financiers (FSRA), Abu Dhabi Global Markets (ADGM) a établi un cadre réglementaire avancé transparent et conforme aux normes internationales, créant ainsi un environnement réglementaire favorable qui protège les intérêts des parties prenantes.Ce livre blanc explore l’intégration de l’intelligence artificielle (IA) dans les technologies réglementaires pour améliorer la surveillance de la conformité et la gestion des risques.Le Livre blanc détaille les travaux de recherche et développement de l’Institut de finance numérique asiatique de l’Université nationale de Singapour, de l’ADGM Financial Services Regulatory Authority et du ADGM Institute Research Center.Le Livre blanc résume enfin les principales conclusions et propose des directions de coopération futures afin d’améliorer encore le paysage réglementaire.L’Institut de technologie financière de l’Université Renmin de Chine a compilé la partie fondamentale de la recherche.
1. Introduction
Alors que la technologie Web3 mène l’avancement de la technologie Internet, le domaine numérique subit une transformation rapide. La technologie Web3 est construite sur la technologie du grand livre distribué (DLT) et les contrats intelligents, mettant l’accent sur la décentralisation, l’amélioration de la transparence et la réduction de la dépendance à l’égard des intermédiaires.La technologie du grand livre distribué, y compris la blockchain, fournit des livres sécurisés et sans stimulation pour les transactions et les données, tandis que les contrats intelligents favorisent les protocoles automatisés sans intermédiaires.Cette combinaison soutient le développement d’applications décentralisées (DAPP), en particulier dans le domaine de la finance décentralisée (DEFI), qui remodèle les transactions financières par l’interaction entre pairs.La capitalisation boursière mondiale de la crypto-monnaie a dépassé la barre des 3 billions de dollars, comparable à certaines des plus grandes entreprises du monde, dont Apple et Microsoft.La base d’utilisateurs de crypto-monnaie s’est considérablement augmentée, augmentant de 34% en 2023 seulement, passant de 432 millions en janvier à 580 millions en décembre.Cette croissance met en évidence l’adoption et la convergence croissantes des crypto-monnaies dans le paysage financier mondial.En outre, les données montrent que les Émirats arabes unis (EAU) mènent le monde dans l’adoption des crypto-monnaies, avec plus de 30% de sa population (environ 3 millions de personnes) possédant des actifs numériques.Cela reflète l’acceptation tournée vers l’aspect avancé de la fintech et son ambition de devenir un centre de fintech majeur.
L’ADGM joue un rôle clé dans le paysage financier en évolution rapide.En tant qu’établissement qui supervise les services financiers dans le centre financier international et la zone libre, l’ADGM Financial Services Regulatory Authority (FSRA) a été à l’avant-garde, déterminé à créer un environnement réglementaire qui soutient non seulement la croissance des actifs Defi et virtuels (VA), mais soutient également la transformation numérique plus large dans le secteur des services financiers.Depuis son lancement en 2018, la FSRA a établi un cadre réglementaire complet pour les actifs virtuels et les a continuellement optimisés.Le cadre garantit une solide surveillance et est conforme aux normes internationales tout en soutenant l’innovation.En adoptant la transformation numérique, ADGM travaille en étroite collaboration avec les partenaires de l’écosystème technologique tels que Hub71 et des institutions de recherche telles que l’Université nationale de Singapour pour promouvoir l’adoption de solutions technologiques de pointe au sein de l’ADGM.Cette approche proactive aide à positionner Abu Dhabi comme destination préférée pour les sociétés financières cherchant à tirer parti des technologies de pointe et des modèles financiers numériques.
Pour améliorer encore ses capacités de réglementation, l’ADGM Financial Services Authority tire parti des progrès de RegTech et Suptech pour simplifier les processus réglementaires et de surveillance.Grâce à des solutions technologiques de conformité alimentées par l’IA, la FSRA peut fournir des interactions réglementaires plus interactives et personnalisées, ce qui rend la conformité plus efficace et plus pratique pour les entités opérant au sein de l’ADGM.La mise en œuvre des outils technologiques de surveillance habilitées par l’intelligence artificielle aide à soutenir les objectifs de surveillance et de gestion des risques de la FSRA tout en réduisant les coûts pour les institutions financières.Ensemble, ces initiatives démontrent la mission de la FSRA de fournir un environnement financier transparent, efficace et avancé qui non seulement protège les intérêts des clients, des investisseurs et des participants à l’industrie, mais favorise également la croissance durable et l’innovation de l’ADGM.
La technologie de supervision (Suptech) fait référence à l’application de la technologie pour améliorer les fonctions de supervision et de supervision des autorités réglementaires.Il implique l’utilisation d’outils avancés tels que l’analyse des données, l’intelligence artificielle et l’automatisation pour améliorer la surveillance et la surveillance des activités réglementées, ainsi que la mise en œuvre de cadres réglementaires.La technologie de surveillance vise à fournir aux régulateurs des informations plus efficaces et axées sur les données qui leur permettent de mieux identifier les problèmes, d’évaluer les risques et d’appliquer les réglementations en temps réel.
La technologie de conformité (RegTech) fait référence à l’utilisation de la technologie pour simplifier, automatiser et améliorer les processus de conformité réglementaire pour les entreprises.Il tire parti d’outils innovants tels que l’intelligence artificielle, l’apprentissage automatique, l’automatisation et l’analyse des données pour aider les entreprises à répondre plus efficacement aux exigences réglementaires, à réduire les coûts de conformité et à améliorer la transparence et la qualité de rapport.La technologie de conformité vise à simplifier les tâches de conformité complexes telles que la surveillance des transactions, l’identification des risques et la conformité aux normes juridiques.
De nouveaux risques causés par les caractéristiques de la technologie Web3, tels que l’échec des protocoles de blockchain tels que Terra (Luna) et les vulnérabilités émergentes dans les contrats intelligents, soulignent la nécessité d’établir un cadre réglementaire et une stratégie de gestion des risques efficaces.La nature innovante et décentralisée de la technologie de la blockchain fournit un terrain de reproduction pour de nouveaux types de fraude et de défaillances systémiques, et ces problèmes doivent être résolus avant de pouvoir être largement utilisés.En tant que l’une des stratégies de réponse, l’ADGM explore l’application de l’intelligence artificielle aux solutions de technologie réglementaire et de surveillance pour améliorer la surveillance de la conformité et la gestion des risques.Le NUS AIDF Institute of Digital Finance (NUS AIDF) de l’Université nationale de Singapour mène des recherches sur la technologie financière dans le domaine de la technologie de l’intelligence artificielle, fournissant des outils d’analyse prédictive, de détection d’anomalies et de conformité automatisée.La FSRA teste et valide ces technologies d’IA pour répondre aux besoins émergents de la régulation et de la supervision efficaces de l’écosystème WEB3 et des actifs virtuels.Ce livre blanc résume les travaux de recherche et développement de NUS AIDF et ADGM (y compris le FSRA et ADGM Academy Research Center) dans l’application des technologies de l’intelligence artificielle pour soutenir les activités réglementaires et de surveillance dans les secteurs du Web3 et des actifs virtuels.
Étant donné que cet article est destiné à un public plus large et n’est pas destiné à fournir des définitions spécifiques, les lecteurs doivent noter que des termes tels que «actifs virtuels», «web3», «blockchain», «dlt» et «réseau» sont utilisés de manière interchangeable dans le texte. Néanmoins, certains termes sont expliqués dans la deuxième partie.
Le reste de cet article est structuré comme suit.La deuxième partie introduit le contexte et la portée de cet article, et la troisième partie discute des opportunités potentielles pour les régulateurs d’exploiter la technologie de l’intelligence artificielle.La quatrième section explore les innovations de l’IA qui façonnent les actions et les activités réglementaires.La cinquième section examine les projets pilotes menés par NUS AIDF et ADGM, démontrant des applications pratiques de ces innovations telles que l’évaluation des contrats intelligents, les audits de sécurité et la diligence raisonnable alimentée par l’intelligence artificielle.La sixième partie résume cet article, résume les résultats de la recherche et explore les orientations futures et les domaines potentiels qui peuvent être utilisés pour renforcer le paysage réglementaire.
2. Contexte
Cette section vise à expliquer les termes clés utilisés dans cet article et à poser les bases des lecteurs pour mieux comprendre la discussion des chapitres suivants.
Atout virtuel. Le cadre réglementaire de la FSRA divise les actifs numériques en différentes catégories, y compris les jetons de référence de monnaie Fiat et les titres numériques.Un actif virtuel est une représentation numérique de la valeur qui peut être échangée numériquement et agit comme (1) un moyen d’échange; et / ou (2) une unité de compte; et / ou (3) un moyen de réserve de valeur, mais n’a pas de statut de monnaie fiduciaire dans aucune juridiction.Les actifs virtuels (a) ne sont ni délivrés ni garantis par aucune juridiction, et leurs fonctions ci-dessus ne sont réalisées que par des accords au sein de la communauté utilisateur des actifs virtuels;et (b) se distinguent des devises fiat et électroniques. Web3 représente la prochaine évolution d’Internet, passant de « Read » (Web1) et « Read-Write » (web2) à « Read-Write-Oown ».Contrairement à la plate-forme centralisée de Web2, Web3 utilise la technologie blockchain pour offrir aux utilisateurs une réelle propriété de leurs données, actifs numériques et interactions en ligne.Ce paradigme décentralisé réduit la dépendance aux intermédiaires, favorise une plus grande autonomie et confidentialité des utilisateurs, tout en redéfinissant la façon dont les individus interagissent avec les plates-formes numériques.
La technologie du grand livre distribué (DLT) et les réseaux de blockchain.DLT est un système numérique utilisé pour enregistrer les transactions d’actifs, et ses données sont stockées sur plusieurs sites ou nœuds simultanément.Contrairement aux bases de données centralisées traditionnelles, le DLT est décentralisé sans autorité centrale, améliorant ainsi la transparence et la sécurité. Chaque participant au réseau maintient une copie synchrone du grand livre, réduisant le risque d’un seul point de défaillance.La blockchain est un type spécifique de DLT qui organise les données en blocs cryptés, puis les relie pour former une chaîne dans l’ordre chronologique.Cette structure garantit que les données enregistrées deviennent sans rendez-vous.Les actifs virtuels sont généralement construits sur un réseau de blockchain.Dans Web3, DLT et Blockchain Networks Power Defi Plateformes et Decentralized Applications (DApps) en permettant des transactions sécurisées et transparentes.
Finance décentralisée (DEFI).Defi se réfère à un écosystème financier construit sur la blockchain et le DLT, ce qui peut permettre des transactions et des services entre pairs sans avoir besoin d’intermédiaires traditionnels tels que les banques ou les institutions financières.Les applications Defi utilisent des contrats intelligents – un programme auto-exécutant sur le réseau blockchain – pour automatiser et exécuter des opérations financières telles que les prêts, le trading et l’investissement.
Intelligence artificielle (IA).D’une manière générale, l’intelligence artificielle définit une collection de technologies qui permettent aux machines ou aux systèmes de comprendre, d’apprendre, d’agir, de raisonner et de percevoir comme les humains.Les systèmes d’intelligence artificielle utilisent des algorithmes, des données et une puissance de calcul pour s’adapter et s’améliorer en continu.L’augmentation des outils d’intelligence artificielle ces dernières années a permis à l’industrie financière d’intégrer ses capacités dans divers cas d’utilisation.L’intelligence artificielle apporte des avantages importants, notamment l’amélioration de l’efficacité opérationnelle, la conformité réglementaire améliorée, la fourniture de produits financiers personnalisés et les capacités avancées d’analyse des données.La FSRA a lancé une initiative appelée Openreg dès 2022 pour rendre le contenu réglementaire lisible par la machine.Le projet permet aux entreprises de technologie de conformité et à la communauté des sciences des données de tirer parti de ce terrain de formation en IA pour construire la prochaine génération de solutions technologiques de conformité compatibles avec l’IA.
Dans cet article, dans le cadre du processus en cours d’incorporation de la technologie de l’IA de la FSRA dans son approche de surveillance, nous élaborons la pratique de l’adoption de l’IA pour la technologie de conformité et de surveillance pour les actions / activités réglementaires de Web3.Dans le processus, nous avons examiné les informations précieuses fournies dans le récent rapport publié par le Financial Stability Council (FSB), les principes réglementaires décrits dans la loi sur l’intelligence artificielle de l’UE et le cadre des risques développé par le projet Mindforge.
3 et 3Opportunités de tirer parti de l’intelligence artificielle pour réglementer les activités Web3
En raison de fonctionnalités uniques telles que la technologie de la blockchain, les contrats intelligents et la vitesse de l’innovation Web3, il existe des différences subtiles dans le cadre réglementaire de Web3 par rapport aux réglementations traditionnelles.À l’échelle mondiale, la récente orientation réglementaire de Web3 s’est principalement axée sur les actifs virtuels et ses plateformes de trading.Cela comprend la mise en œuvre de mesures anti-blanchiment d’argent (LMA) telles que l’intégration des solutions «KYT» et la mise en œuvre des exigences de «règle de voyage»; la création de directives prudentes pour les émetteurs de stablecoin; et la récente réglementation des entités décentralisées non-bases telles que la Fondation DLT et l’organisation autonome décentralisée (DAO).Ces efforts pour établir des cadres réglementaires et imposer des garanties pour protéger les clients et les investisseurs démontrent une acceptation croissante des actifs virtuels et du Web3.Lors de l’examen des caractéristiques inhérentes des actifs Web3 et virtuels du point de vue des régulateurs financiers, les éléments suivants doivent être pris en compte (mais sans s’y limiter):
»Ils sont opérés en continu 24/7 avec une supervision manuelle minimale grâce à des contrats intelligents auto-exécutants sur DLT;»Les risques de sécurité sont intensifiés en raison des vulnérabilités du codage des contrats intelligents, de l’exploitation potentielle des attaques et de la dépendance à des réseaux décentralisés;»Introduit de« nouveaux »concepts qui utilisent l’innovation de la blockchain pour transformer les cadres financiers traditionnels existants ou proposer de nouvelles idées qui n’ont aucun précédent historique.»La nature décentralisée de Web3 assure l’immuabilité des transactions et des contrats intelligents, améliore la confiance et la transparence, mais rend également les erreurs de traitement telles que les erreurs de« gros doigt », le piratage ou les conséquences inattendues difficiles.
La régulation des activités Web3 présente certains défis, ce qui rend nécessaire d’innover les approches réglementaires et de développer de nouveaux outils pour améliorer les capacités de surveillance et de surveillance et d’exécution.Cependant, ces défis offrent également des opportunités importantes pour façonner un avenir meilleur à l’écosystème Web3.
Innovation rapide et identification des risques.La nature innovante et le rythme rapide de la technologie Web3 rendent difficile d’identifier et d’atténuer les risques émergents en temps opportun.Cet environnement dynamique nécessite un degré de réactivité plus élevé dans les processus et cadres réglementaires pour garantir que les régulateurs restent agiles et capables d’identifier, d’évaluer et de répondre efficacement aux risques potentiels.
L’écart de réactivité augmente la probabilité de fraude et de défaillance du marché.Cependant, ces défis réglementaires créent également des opportunités de construction de cadres «à partir de zéro» qui permettent l’intégration de principes prospectifs qui peuvent être ajustés au fil du temps.Cela peut encourager le développement d’un modèle commercial efficace qui s’adapte au caractère unique de WEB3 et à cultiver finalement un marché stable et dynamique qui répond aux objectifs réglementaires et favorise la croissance de l’industrie.L’intelligence artificielle peut rapidement répondre au développement de Web3 en identifiant rapidement les points d’amélioration des manuels des règles réglementaires, jouant ainsi un rôle dans la promotion de l’enquête sur les problèmes connexes et la création de cadres réglementaires.
Surveillance avancée des risques en temps réel.Une surveillance efficace des risques dans l’écosystème Web3 nécessite des outils avancés qui peuvent analyser des quantités massives de données de blockchain en temps réel.Étant donné le fonctionnement continu des contrats DLT et intelligents 24/7, les méthodes de réglementation ponctuelle traditionnelles ont souvent du mal à faire face à la quantité et à la complexité des données générées par les échanges. Par conséquent, les régulateurs doivent de toute urgence développer des outils analytiques plus complexes.La mise en œuvre des systèmes de surveillance continue et des outils automatisés de gestion des risques aide à surveiller la conformité réglementaire et permet une réponse proactive aux menaces potentielles.
La complexité de la juridiction.La nature décentralisée des activités Web3 présente souvent des défis inter-juridictions aux approches réglementaires.Étant donné que chaque régulateur peut avoir des approches différentes de la gouvernance des actifs virtuels, les entreprises peuvent avoir du mal et du coût de la conformité en vertu des exigences réglementaires multiples, parfois contradictoires, augmentant la tendance à mener l’arbitrage réglementaire.Les outils de technologie de conformité alimentés par l’intelligence artificielle ont le potentiel d’aider les entreprises à simplifier et à gérer ces complexités.En automatisant les tâches de conformité quotidiennes, en identifiant les exigences réglementaires qui se chevauchent, en s’adaptant plus efficacement aux nouvelles règles et en aidant les processus de déclaration réglementaire, l’IA peut réduire les coûts et les charges opérationnelles, ce qui facilite finalement les entreprises pour répondre aux différentes attentes réglementaires.Dans les chapitres suivants, nous explorerons les avantages de l’utilisation de l’intelligence artificielle pour réguler les processus dans une variété de scénarios.
4. Innovation de l’intelligence artificielle
Le développement de la technologie de l’intelligence artificielle a subi des progrès significatifs, modifiant le modèle de fonctionnement et d’innovation de tous les horizons.Dans les domaines des actifs Web3 et virtuels (VA), l’intelligence artificielle a le potentiel d’améliorer considérablement l’efficacité de la supervision et de la conformité réglementaires. Cette section donne un aperçu des technologies émergentes de l’IA et explore comment l’innovation de l’IA remodelera l’environnement réglementaire pour web3. Tout d’abord, cette section introduira brièvement les modèles d’IA largement utilisés (nous décrivons seulement brièvement des modèles avec un large potentiel d’application dans le domaine de la réglementation), puis explorons les cas d’utilisation de l’adoption de ces technologies d’IA dans les activités réglementaires.Avant de considérer les orientations possibles pour le développement futur, nous discuterons également des principaux défis confrontés à la mise en œuvre de l’intelligence artificielle.
4.1 Technologies émergentes de l’intelligence artificielle
Apprentissage automatique (ML).L’apprentissage automatique est un sous-ensemble d’intelligence artificielle qui se concentre sur la prise de prédictions ou de décisions basées sur les données.Les algorithmes d’apprentissage automatique sont bons pour analyser de grandes quantités de données de transaction pour détecter les modèles et les anomalies qui prédisent des problèmes d’activité ou de conformité frauduleux. En appliquant des techniques d’apprentissage supervisées, non supervisées et de renforcement, les modèles d’apprentissage automatique peuvent être adaptés et améliorés au fil du temps, offrant aux régulateurs des outils puissants pour améliorer l’efficacité de la surveillance et la précision sans supervision humaine continue.
Traitement du langage naturel (PNL).Le traitement du langage naturel se concentre sur l’activation des ordinateurs de comprendre et de traiter le langage humain (c’est-à-dire le texte).En extrayant et en analysant automatiquement les informations critiques à partir de fichiers et de communications massifs, le traitement du langage naturel peut apporter son efficacité aux revues et évaluations réglementaires.Les modèles avancés de traitement du langage naturel ont fait des progrès significatifs dans la compréhension et la génération de textes de type humain et peuvent être utilisés pour répondre aux demandes de renseignements des régulateurs et du public de manière automatisée.Cependant, les techniques de traitement du langage naturel peuvent avoir des risques potentiels de malentendus et de biais, car les modèles peuvent ne pas considérer entièrement les contextes ou le ton qui varient selon les normes culturelles ou sociales.De tels défis peuvent entraîner des réponses ou des actions réglementaires incorrectes lorsque ces technologies sont adoptées sans intervention humaine.
AI génératif.L’IA générative fait référence à la technologie de l’intelligence artificielle qui peut générer de nouveaux contenus (tels que du texte, des images et d’autres supports) basés sur des données existantes.Cependant, les techniques de traitement du langage naturel peuvent avoir des risques potentiels de malentendus et de biais, car les modèles peuvent ne pas considérer entièrement les contextes ou le ton qui varient selon les normes culturelles ou sociales.De tels défis peuvent entraîner des réponses ou des actions réglementaires incorrectes lorsque ces technologies sont adoptées sans intervention humaine.
Agents de l’intelligence artificielle (agents de l’IA).Les agents de l’intelligence artificielle sont spécialisés dans les modèles d’IA génératifs qui sont capables d’effectuer des tâches complexes grâce à des flux de travail prédéfinis, tels que l’automatisation des interactions du service client, la génération de documents juridiques et réglementaires, et même la réalisation de négociations virtuelles au nom des opérateurs humains.Dans le domaine de la réglementation, l’intelligence artificielle générative et les agents de l’intelligence artificielle ont de nombreuses applications potentielles. Par exemple, les entités réglementées peuvent les utiliser pour générer automatiquement des rapports de conformité périodiques ou à la demande détaillés.Les régulateurs peuvent également utiliser ces technologies d’intelligence artificielle pour analyser de grandes quantités de données de dépôt réglementaires et générer une liste restreinte de violations potentielles et d’indicateurs de risque.Cependant, similaire aux limites inhérentes de la technologie de traitement du langage naturel, le modèle d’intelligence artificielle générative actuel, qui est principalement basé sur des modèles de langage importants (LLM), a des limites à la précision et à la fiabilité de sa production en raison des « illusions » possibles et des malentendages contextuels.
Général AI. L’intelligence artificielle générale fait référence à un système hautement autonome qui peut effectuer toutes les tâches cognitives que les humains peuvent entreprendre.Contrairement à l’IA générative conçue spécifiquement pour les tâches créatives spécifiques au contenu, l’IA universelle est caractérisée par sa polyvalence et sa capacité à s’adapter à un large éventail de scénarios sans programmation pré-spécifique.Bien que toujours au stade conceptuel, l’IA générale peut promouvoir des systèmes de surveillance réglementaire et de gestion de la conformité hautement adaptatifs qui peuvent s’adapter de manière autonome aux nouvelles réglementations et aux exigences complexes de conformité juridique d’une manière qui nécessite peu ou pas d’intervention humaine.
4.2 Solutions d’intelligence artificielle dans le domaine de la régulation Web3
Dans cette section, nous explorons comment différents types de technologies d’IA peuvent être appliqués dans le domaine réglementaire Web3 pour relever les défis de la surveillance, de l’application des lois et de la gestion de la conformité. Nous divisons ces technologies en deux catégories: des applications utilisant une intelligence artificielle faible (IA étroite) et des applications utilisant l’intelligence artificielle générative.Notez que l’IA faible fait référence à un système d’IA conçu pour effectuer des tâches spécifiques et fonctionner sous des contraintes limitées.Ils sont également appelés « intelligence artificielle spécialisée » ou « faible intelligence artificielle ».
Outils de rapports réglementaires.L’outil de déclaration réglementaire propulsé par l’intelligence artificielle peut automatiquement collecter, soumettre et analyser les rendements réglementaires et les rapports de certification.Ces systèmes utilisent des algorithmes avancés d’exploration de données et de traitement pour extraire et organiser des informations à partir de grands ensembles de données pour faciliter les rapports réglementaires transparents.En plus de signaler l’automatisation, les outils d’IA qui effectuent des analyses prédictives peuvent aider les entités réglementées à identifier les facteurs de risque, réduisant ainsi les défaillances potentielles de la conformité.Par exemple, l’intelligence artificielle peut être utilisée pour surveiller et prédire les risques financiers qui peuvent entraver le respect de la liquidité et des obligations en capital.
Profilage des risques.Un système d’intelligence artificielle spécifiquement utilisé pour les portraits de risques peut être analysé et classé en fonction des caractéristiques de risque et des exigences réglementaires applicables des actifs virtuels ou des entités financières.Ces systèmes sont en mesure d’évaluer les performances historiques, le comportement du marché et les facteurs externes pour maintenir un profil de risque dynamique.En apprenant constamment des nouvelles données et des mises à jour réglementaires, ces outils de profil d’IA peuvent se synchroniser avec le paysage financier en constante évolution.
Connaissez votre transaction (KYT).En utilisant l’analyse de graphiques et les réseaux de neurones graphiques (GNNS), les systèmes de détection de KYT et d’anomalies alimentés par l’intelligence artificielle peuvent être spécialement conçus pour surveiller et analyser les comptes et les transactions sur les réseaux de blockchain.En tirant parti de l’intelligence artificielle pour examiner les flux de transactions de blockchain complexes, les entités réglementées pourront mieux identifier les transactions et les comptes à haut risque et améliorer les mesures pour mettre en œuvre les exigences anti-blanchiment (LMA).Bien que les solutions KYT existantes soient principalement basées sur des règles, les acteurs de l’industrie intègrent des technologies d’IA telles que l’utilisation de la reconnaissance de motifs pour le regroupement du portefeuille et l’analyse du flux d’actifs transversales.
Évaluation des risques financiers.Dans le domaine des finances traditionnelles, des modèles d’intelligence artificielle ont été utilisés dans la prévision des flux de trésorerie et la gestion des liquidités.Dans Defi, les opérateurs de plate-forme et les utilisateurs peuvent utiliser des modèles d’intelligence artificielle pour gérer plus efficacement la liquidité en analysant et en prédisant les risques de liquidité dans et entre les échanges décentralisés et les plateformes de prêt.Ces modèles peuvent être utilisés pour surveiller le volume des transactions, les réserves de jetons et le comportement des utilisateurs afin d’identifier les pénuries de liquidité potentielles avant qu’elles ne deviennent sévères.L’avertissement et les informations exploitables fournies par ces modèles sont utiles non seulement aux institutions financières qui fournissent des services aux consommateurs, mais aussi aux régulateurs qui surveillent ces services, contribuant à maintenir la stabilité et la confiance de l’écosystème Defi.
Vérification automatique de la conformité.Les vérifications automatiques de conformité effectuées par l’intelligence artificielle générative peuvent révolutionner la façon dont les entreprises se conforment aux réglementations en interprétant divers cadres juridiques dans différentes juridictions.De tels outils d’IA impliqueront des analyses sémantiques complexes pour comprendre les nuances des textes réglementaires, des décisions de justice, des lettres d’interprétation et d’autres publications réglementaires connexes.Cette technologie peut mettre à jour ses bases de données réglementaires et ses algorithmes en temps réel à mesure que les nouvelles réglementations adoptent, permettant aux entreprises de s’adapter rapidement aux changements réglementaires.La mise en œuvre de ces outils réglementaires de l’IA permettra aux entreprises de respecter les réglementations locales et internationales plus efficacement et économiquement que jamais, ce qui réduit considérablement leur risque de pénalités et de défis juridiques.Les modèles d’IA génératifs sont également des outils précieux pour les fournisseurs de services d’actifs Web3 et virtuels (VASP), qui peuvent accélérer des tâches manuelles telles que la rédaction de livres blancs, des chartes et la création de chatbots pour le service client.D’autres outils d’IA émergents aident à accélérer la maintenance des mises à jour et une conformité de divulgation d’informations et s’assurer que les communications et les supports de marketing restent dans le cadre de la supervision autorisée.Ces développements représentent le potentiel du changement de l’industrie vers une plus grande efficacité et une plus grande conformité réglementaire.
Audit des contrats intelligents.Les audits de contrats intelligents utilisent l’intelligence artificielle générative pour analyser et analyser la logique et la fonctionnalité des contrats intelligents sur plusieurs plateformes et langages de programmation.Les modèles avancés de grande langue (LLMS) peuvent faciliter une revue détaillée de la logique de code complexe pour identifier les incohérences, les vulnérabilités et les problèmes de conformité avec les cadres juridiques existants.Ces systèmes d’IA peuvent être tirés des audits passés pour améliorer leur précision de diagnostic, fournissant un solide soutien aux développeurs et aux régulateurs afin de vérifier la sécurité et la conformité légale des contrats intelligents.La prochaine section élargira davantage les projets pilotes pour explorer ces applications.
Analyse des sentiments du marché.L’IA générative peut être utilisée pour analyser de grandes quantités de données non structurées des médias sociaux, des forums et des médias pour évaluer le sentiment public concernant les conditions du marché ou les actifs spécifiques.En interprétant le langage et en détectant les changements d’humeur, de tels outils peuvent prédire les tendances potentielles du marché, en fournissant des avertissements aux commerçants et aux investisseurs qui souhaitent répondre aux tendances du marché, ainsi qu’à la manipulation des régulateurs sur le marché.
4.3 Défis dans la mise en œuvre de l’intelligence artificielle
Pour obtenir des résultats efficaces et fiables, le déploiement de systèmes d’intelligence artificielle pour une supervision réglementaire nécessite une gamme de défis. Nous avons examiné certains problèmes clés tels que l’éthique et les problèmes de confidentialité, l’atténuation des biais d’IA et la nécessité d’améliorer la transparence du comportement du modèle.S’adresser à ces défis est essentiel pour établir la confiance dans l’utilisation de l’IA dans les processus réglementaires, en particulier dans les scénarios où les actions de supervision et le jugement sont nécessaires.Le déploiement de l’intelligence artificielle dans le domaine de la réglementation a provoqué des problèmes éthiques et biaisés évidents qui nécessitent une attention particulière.Les normes éthiques sont cruciales pour garantir que les décisions d’IA qui peuvent profondément influencer la vie individuelle sont restées équitables et efficaces.Le biais inhérent aux données de formation ou aux algorithmes peut conduire à des résultats biaisés qui mettent certains groupes à un désavantage injuste, sapant ainsi l’équité et l’efficacité de la régulation.Une divulgation claire de la façon dont les données sont utilisées, traitées et partagées sont nécessaires pour promouvoir la responsabilité et renforcer la confiance entre les parties prenantes.En outre, les régulateurs qui s’appuient sur l’IA pour interpréter de grandes quantités de données soumises par leurs entités réglementées devraient garantir qu’il existe des mesures qui permettent à l’IA d’expliquer quelles données sont utilisées et comment tirer des conclusions.Sans transparence dans l’utilisation des données et la traçabilité suffisante des processus décisionnels, les entités réglementées peuvent remettre en question la fiabilité de leurs décisions qui affectent leurs décisions et à rédiger leur relation avec leurs régulateurs.
Les systèmes d’intelligence artificielle nécessitent un accès à de grandes quantités de données, ce qui soulève des problèmes de confidentialité majeurs.Ces systèmes peuvent exposer par inadvertance des informations sensibles ou une mauvaise utilisation des données, entraînant des violations potentielles ou un accès non autorisé.La collecte, le stockage et le traitement de ces données doivent être soumis à des mesures strictes de protection des données pour protéger la confidentialité personnelle.Dans le domaine de la réglementation, l’intégrité des réponses de l’IA est vulnérable aux défis provoqués par un «piratage rapide».Les utilisateurs peuvent fournir une entrée trompeuse consciemment ou inconsciemment, affectant la matrice de décision du modèle, ce qui affecte à son tour la qualité et la fiabilité de la sortie.La lutte contre ces vulnérabilités nécessite des outils de surveillance avancés en temps réel pour analyser et atténuer efficacement les invites malveillantes potentielles.La précision et la capacité de l’IA à générer des réponses peuvent contribuer à la dépendance excessive chez les utilisateurs.La supervision manuelle reste nécessaire pour prévenir une dépendance excessive à l’égard des systèmes d’IA et assurer une utilisation prudente des capacités d’IA.
4.4 Orientation future
L’intégration des technologies avancées de l’intelligence artificielle devrait affecter la formulation, le suivi et la mise en œuvre des réglementations futures. Nous prévoyons des progrès potentiels dans l’analyse prédictive et la prise de décision, ainsi que les technologies émergentes qui peuvent changer les activités réglementaires.Les progrès de l’analyse prédictive peuvent remodeler les méthodes de régulation et de supervision axées sur l’IA.Ces avancées permettent non seulement des approches réglementaires proactives, mais également préventives, c’est-à-dire prédire les problèmes de conformité potentiels et les violations réglementaires avant qu’elles ne se produisent.Les algorithmes d’apprentissage automatique peuvent être formés pour prévoir des exceptions avant des activités frauduleuses ou des violations.Cela permet aux décideurs politiques de résoudre les problèmes potentiels avant de dégénérer, améliorant ainsi la précision et la rapidité des interventions réglementaires.Les innovations technologiques telles que l’informatique quantique et les réseaux de neurones avancés devraient étendre les capacités analytiques des systèmes d’intelligence artificielle, leur permettant de traiter et d’interpréter des données réglementaires complexes à un niveau de complexité plus élevé.Par exemple, l’informatique quantique peut traiter l’informatique à grande échelle à un rythme sans précédent, facilitant une évaluation plus détaillée et complète.Les réseaux de neurones avancés peuvent apprendre des ensembles de données plus divers et plus complexes, fournissant des informations nuancées qui n’étaient pas disponibles auparavant.Dans le même temps, les progrès théoriques de l’éthique et de la gouvernance de l’IA informent le développement de cadres qui guident ces technologies pour opérer dans des valeurs sociales et des normes juridiques reconnues.À mesure que ces technologies et cadres se développent, ils aideront à engendrer des outils de réglementation plus efficaces, plus efficaces et plus équitables pilotés par l’IA.
5. Pilote d’Adgm dans l’innovation de l’intelligence artificielle (travail conjoint avec l’Université nationale de Singapour AIDF)
Abu Dhabi Global Market (ADGM) et l’Asian Institute of Digital Finance (NUS AIDF) partagent des objectifs communs en résolvant les risques et défis réglementaires posés par le secteur Web3 en évolution rapide. À cette fin, les deux parties ont lancé un projet pilote conjoint depuis 2022 pour étudier les technologies de l’intelligence artificielle qui peuvent être utilisées pour améliorer le processus d’audit de sécurité des applications de blockchain et des actifs virtuels (VA).Pilotter l’utilisation de technologies d’IA innovantes pour analyser les journaux d’audit et tracer les événements de sécurité historiques pour identifier les modèles et fournir des informations sur les vulnérabilités potentielles.Cette section présente trois pilotes qui démontrent le potentiel de l’IA dans l’avancement d’évaluations réglementaires de VA et de ses prestataires de services.
5.1 Pilote 1: Évaluation de l’adaptabilité des contrats intelligents basés sur l’IA
5.1.1 Introduction
Les contrats intelligents sont les composants de base de la technologie blockchain qui peuvent exécuter des protocoles et des transactions en toute sécurité et automatiquement sur une plate-forme décentralisée. Compte tenu de son importance dans les applications de blockchain, il est nécessaire de procéder à une évaluation et à la vérification complètes de sa base de code pour s’assurer qu’elle fonctionne comme prévu et répond aux normes réglementaires.Cette section présente le premier projet pilote: une plate-forme d’évaluation d’adaptabilité de contrat intelligent habilitée par l’IA.
5.1.2 Solutions et fournisseurs de services existants
Les pratiques actuelles de vérification des contrats intelligentes combinent une évaluation manuelle avec des outils de technologie de pointe pour dépanner les vulnérabilités potentielles et améliorer l’efficacité.Les principaux fournisseurs de services, notamment Certik, Trail of Bits, Halborn, Hacken et d’autres fournisseurs de services de premier plan, adoptent une analyse statique et dynamique de manière approfondie et des méthodes de vérification formelles menées artificiellement pour évaluer et renforcer les contrats intelligents en termes de cyberattaques et de problèmes de performances.Alors que la technologie Web3 entre dans une industrie réglementée, le paradigme de la vérification des contrats intelligents doit être élargi de toute urgence.En plus de la vulnérabilité technique, lorsque des contrats intelligents sont utilisés pour automatiser les activités réglementées, leurs audits devraient également couvrir la vérification de la conformité des exigences réglementaires pertinentes.
5.1.3 Évaluation dirigée par l’IA
Ce pilote analyse la relation de cohérence entre le code de contrat intelligent et le livre blanc VA via deux méthodes.
Méthode validatrice basée sur LLM. Cette méthode utilise des modèles d’IA propriétaires pour analyser le degré d’alignement entre le code de contrat intelligent et son livre blanc VA correspondant.La préparation des données de formation extrait d’abord les termes et spécifications de la base de code de contrat intelligente largement utilisée et les classe en fonction de différents types de projets pour former une base de connaissances requise pour une analyse ciblée.Par la suite, un modèle de langue large (LLM) est utilisé pour extraire les preuves du code du contrat intelligent à évaluer et son livre blanc pour vérifier si les objectifs décrits dans le livre blanc sont mis en œuvre dans le code.Le modèle a été vérifié par élément par élément à l’aide de questions et réponses (figure 1) et a examiné le contenu du livre blanc autour de la base de code.
Dans le même temps, le modèle effectue également des vérifications techniques largement acceptées dans l’industrie pour identifier les vulnérabilités potentielles, telles que l’analyse du code statique; et compare les détails de mise en œuvre avec les pratiques à l’échelle de l’industrie et les normes connexes pour vérifier leur cohérence.La vérification ci-dessus permet de garantir que les contrats intelligents sont exécutés comme prévu et respectent les normes opérationnelles et de conformité établies dans le livre blanc.
Méthode de génération de code. Cette méthode utilise l’IA pour générer des extraits de code en fonction des objectifs et des fonctions décrits dans le Livre blanc VA (par exemple, émettant des jetons avec une émission maximale de 100 millions).Ces extraits de code générés sont ensuite comparés au code du contrat intelligent d’origine: exécutez le code d’origine et le code généré par l’IA respectivement dans les mêmes conditions d’entrée et comparer les résultats de sortie.L’objectif est de vérifier que la sortie fonctionnelle est cohérente lorsque la structure ou le style du code peut être différent.Si la sortie correspond, il peut être confirmé que le code d’origine est exécuté en fonction des spécifications du livre blanc;S’il y a une différence dans la sortie, le code sera examiné plus en détail, trouvez la source d’incohérence et ajustera ou réévaluer le cas échéant.Facultativement, un test de comparaison direct peut également être effectué entre le code généré par l’AI et le code contractuel d’origine (figure 2).
Les deux méthodes ci-dessus forment ensemble un cadre de vérification pour évaluer la mise en œuvre, positionnement des erreurs et omissions de contrats intelligents et s’assurer que le contrat fonctionne de manière définie et déclarée publiquement.Ces informations peuvent fournir aux régulateurs une base objective précieuse pour vérifier la vérifiabilité des énoncés de projet.
5.2 Pilote II: Évaluation du rapport d’audit
5.2.1 Introduction
Pour s’assurer que la logique commerciale transportée par les contrats intelligents est sûre et fiable, la partie du projet embauche généralement une société d’audit de sécurité pour évaluer le code et publier un rapport d’audit au public. Cependant, l’examen de ces rapports nécessite souvent une expertise dans les domaines de l’informatique et de la sécurité, ce que les régulateurs peuvent ne pas avoir.Pour combler ce manque de connaissances, ce pilote teste un cadre d’évaluation pour exploiter LLM afin d’évaluer l’adéquation de ces rapports d’audit de sécurité.
5.2.2 Solutions et fournisseurs de services existants
Dans la pratique traditionnelle, les rapports d’audit de sécurité reposent sur les outils d’automatisation, l’évaluation manuelle et l’analyse des experts, le processus prend du temps et les conclusions sont subjectives. Les audits nécessitent généralement que les auditeurs vérifient la base de code, la configuration et les processus opérationnels pour identifier les vulnérabilités et les liens faibles.Étant donné que l’évaluation est principalement artificielle et que l’intensité du travail est élevée;Dans le même temps, la dépendance à l’égard des jugements professionnels humains entraîne également des risques d’erreur et des différences subjectives, et les interprétations des auditeurs différents des découvertes et des risques peuvent ne pas être cohérentes.La croissance de la complexité et de l’échelle du projet Web3 impose des exigences plus élevées sur les méthodes d’audit existantes.Le développement rapide de la technologie, les caractéristiques open source évidentes et la surtension du nombre d’applications décentralisées ont fait que les auditeurs sont confrontés à des pressions temporaires, ce qui peut affecter la profondeur de l’analyse.Les audits de sécurité ne peuvent souvent fournir des « instantanés » qu’à un certain moment, ils peuvent donc ignorer les menaces et les vulnérabilités qui continuent d’émerger après l’audit.Un autre défi important est la complexité technique. Les rapports sont généralement hautement techniques et complexes en détail, ce qui rend difficile pour le public et les régulateurs de bien comprendre et expliquer les conclusions.
5.2.3 Rapport d’audit de sécurité basé sur l’IA
Cet outil d’évaluation utilise l’IA pour mesurer la qualité des rapports d’audit.Le pilote recueille et organise d’abord les données requises pour l’évaluation par la reconnaissance optique des caractères (OCR) et la technologie de récupération d’informations personnalisée, y compris la portée de l’audit, les méthodes d’évaluation, les outils d’audit et les descriptions de problèmes dans le rapport.Le rapport est ensuite traité à l’aide d’un modèle LLM standard pour générer des représentations embarqués et représenté comme vecteurs comme le montre la figure 3. Ce processus utilise des technologies avancées de traitement du langage naturel (NLP), telles que la reconnaissance de l’entité et l’analyse de syntaxe de dépendance basée sur des bibliothèques personnalisées pour comprendre et classer le contenu du rapport.Une fois le traitement des données terminé, l’outil utilise les vecteurs stockés pour comparer et évaluer les ensembles de connaissances prédéfinis (la base de données illustrée dans la figure ci-dessous).L’ensemble de connaissances couvre cinq catégories spécifiques: (1) la qualité et la couverture du contenu, (2) l’identification de la vulnérabilité et le classement des priorités, (3) l’atténuation des stratégies et des impacts de rapport, (4) la méthodologie de la qualité et de l’audit de la présentation, et (5) la pertinence et l’accessibilité des rapports.Le processus d’évaluation est à la fois de la vitesse et du complet et prend généralement environ cinq minutes par rapport.Enfin, appelez à nouveau LLM pour générer le rapport d’évaluation. Le rapport contient les scores totaux obtenus par le résumé pondéré de la subdivision des évaluations par chaque catégorie mentionnée ci-dessus, reflétant les performances globales du rapport d’audit de sécurité et soulignant les domaines des forces et des zones à améliorer.En même temps, le rapport sera également basé
La description détaillée générée par LLM est donnée dans les résultats d’évaluation intermédiaire de chaque catégorie, et ses avantages et leurs préoccupations sont clarifiés. Le diagramme schématique est illustré à la figure 3.
5.3 Pilote 3: Diligence raisonnable intelligente basée sur l’IA
5.3.1 Introduction
La diligence initiale et raisonnable des projets Web3 est cruciale pour les régulateurs lors des licences et de la supervision continue. Les fournisseurs de services d’actifs virtuels (VALP) en tant qu’intermédiaires d’actifs virtuels doivent également effectuer leur propre diligence raisonnable sur les projets de blockchain pertinents et leurs jetons avant de fournir des actifs virtuels (EVA).En raison des caractéristiques décentralisées de la blockchain, de l’identité pseudonyme et de la nouvelle forme organisationnelle, la diligence raisonnable de Web3 est confrontée à des défis uniques.Identifier et vérifier les véritables identités, comprendre les infrastructures techniques complexes et répondre à diverses structures organisationnelles et des cadres juridiques évolutifs rendent le processus plus complexe.Pendant ce temps, les données accessibles au public dans le champ Web3 peuvent être utilisées pour améliorer votre compréhension des activités: les données sur la chaîne peuvent fournir des informations vérifiables en temps réel sur les transactions et le fonctionnement du contrat intelligent;Informations qualitatives hors chaîne (telles que les qualifications d’équipe, le sentiment du marché, les forums et les discussions DAO, les réseaux sociaux officiels) complètent l’évaluation.Cependant, malgré la divulgation des données, l’ingestion de ces informations massives et hautement techniques est toujours difficile et nécessite des outils de traitement et d’analyse matures.The introduction of artificial intelligence (AI) simplifies the due diligence process, allowing regulators and VASPs to review and evaluate Web3 projects more efficiently.
5.3.2 Solutions et fournisseurs de services existants
Pour répondre aux besoins de l’analyse complexe des données et de la diligence raisonnable, de nombreux fournisseurs de services émergent dans les champs web3 et VA.Les outils et services fournis par ces sociétés peuvent optimiser les processus de conformité, vérifier l’identité et gérer certaines obligations réglementaires dans les différentes juridictions juridiques.Par exemple, Chainalysis et Elliptic fournissent des outils d’analyse de la blockchain pour aider à retracer la source des transactions d’actifs cryptographiques et à soutenir le blanchiment de la lutte contre le blanchiment d’argent (AML) et la lutte contre la conformité du financement du terrorisme (CFT).D’autres entreprises fournissent des solutions de vérification d’identité numérique, essayant d’identifier les utilisateurs dans un environnement décentralisé.Bien que les outils ci-dessus soient efficaces sur des liens spécifiques, ils ne sont pas encore en mesure de couvrir la supervision complète du spectre requise par les régulateurs et les vasques.Ce pilote vise à améliorer encore le processus global de diligence raisonnable pour les régulateurs et les vasques.
5.3.3 Diligence raisonnable assistée par AI
Ce pilote introduit la technologie de l’IA à partir de plusieurs aspects pour améliorer les pratiques de diligence raisonnable des régulateurs et des vasques.
L’IA générative prend en charge l’intégration.Lorsqu’un projet demande une licence d’une agence de réglementation, l’IA générative est utilisée pour personnaliser le processus d’entrée en fonction du projet Web3.Le modèle développé dans ce pilote peut générer automatiquement des formulaires personnalisés et énumérer la liste de soumission requise.Une telle personnalisation peut éviter un processus général «taille unique» et réduire les exigences de soumission qui ne sont pas liées aux activités spécifiques de l’entreprise.
L’IA générative examine les médias sociaux.Pilote l’utilisation des outils d’IA pour surveiller et analyser les performances des médias sociaux des entreprises et leur personnel clé, en identifiant les divulgations publiques incohérentes, les risques de réputation et les signes de déclarations trompeuses ou frauduleuses.Le modèle utilisé peut comprendre le contexte du contenu et les émotions et les préoccupations potentielles de sortie pour les régulateurs à faire référence. (Remarque: ce paragraphe du texte d’origine a un double et est présenté ici.)
Agent de questions / réponses réglementaires (Q& & amp; un agent).L’agent permet aux régulateurs de mener des questions de récupération sur les données du projet Web3, couvrant les documents autodéclarés d’entreprise, les détails du contrat intelligent, les annonces et divulgations officielles, etc.En fonction des dernières données lors de la requête, l’agent fournit des informations faciles à comprendre aux antécédents non techniques à la demande; Toutes les réponses sont classées et marquées par la source, accompagnées de liaisons de données originales.Le système continuera à mettre à jour avec de nouvelles données et prendra en charge les régulateurs pour accéder à plus de sources de données.
Ce pilote remplace efficacement les travaux répétitifs et redondants en utilisant l’IA dans des liens tels que l’entrée de l’entreprise, l’identification des risques et les informations réglementaires en temps réel.Étant donné que de nombreux régulateurs explorent activement de telles innovations, le projet a le potentiel de déployer et d’évoluer davantage à plus grande échelle.
6. Conclusion et travaux futurs
6.1 Conclusion
L’évolution rapide des activités Web3 et VA ouvre la voie à l’innovation tout en apportant de nouveaux défis réglementaires complexes.L’intégration de l’IA dans les processus réglementaires promet d’améliorer la boîte à outils des régulateurs pour mieux surveiller, prédire et atténuer les risques provenant des secteurs Web3 et VA.Le projet pilote introduit dans cet article donne des exemples pratiques d’IA dans ce domaine et démontre son rôle pratique dans l’amélioration des pratiques de conformité de l’industrie.
6.2 points clés
Le potentiel de transformation de l’intelligence artificielle dans la technologie réglementaire Web3 (surgence) et la technologie réglementaire (RegTech)
· Les solutions basées sur l’IA peuvent améliorer considérablement l’efficacité de la régulation de Web3, y compris l’analyse des risques en temps réel, la détection de vulnérabilité prospective et une surveillance de la conformité plus efficace.
· En utilisant une variété de technologies d’IA (telles que l’apprentissage automatique, le traitement du langage naturel, la PNL, l’IA générative et l’agence autonome), les régulateurs peuvent mieux maintenir la supervision, optimiser les processus de déclaration, découvrir des anomalies et comprendre les émotions et l’opinion publique dans l’écosystème décentralisé.
· L’intégration de l’IA dans la réglementation Web3 simplifie la complexité dans les domaines juridiques, s’adapte à 24/7 et rend les cadres de conformité plus accessibles, flexibles et innovants.
Défis confrontés à la mise en œuvre de l’IA
· L’éthique et la confidentialité, le biais du modèle et la nécessité de transparence et de traçabilité sont des problèmes clés.
· La supervision humaine est essentielle, ce qui réduit une dépendance excessive à l’égard de l’IA et assure la fiabilité des applications.
Applications pratiques démontrées par le pilote
· L’évaluation des contrats intelligents améliorés par AIS permet d’assurer la cohérence avec le livre blanc et les normes réglementaires.
· L’évaluation automatique des rapports d’audit et des processus de diligence raisonnable peut améliorer considérablement l’efficacité.
· Les outils d’IA génératifs prennent en charge les processus entrants d’entreprise, l’analyse des médias sociaux et fournissent efficacement des informations utiles aux régulateurs.
Orientation future
· Les progrès de l’analyse prédictive, des systèmes d’IA adaptables et de la collaboration mondiale stimuleront des pratiques réglementaires plus efficaces.
· L’établissement d’un cadre de gouvernance de l’IA et des normes éthiques deviendra la clé pour maintenir la confiance et la responsabilité.
6.3 Travail futur
En regardant vers l’avenir, plusieurs directions clés entraîneront l’évolution continue et l’intégration de l’intelligence artificielle (IA) dans le processus de régulation:
Modèles AI avancésAvec l’avancement de la technologie de l’IA, les capacités du modèle et la qualité des résultats devraient être encore améliorées, tout en réduisant les coûts et l’utilisation des ressources informatiques plus faibles.
· Analyse prédictive amélioréeD’autres développements dans l’analyse prédictive soutiendront des prédictions plus précises des violations des risques et de la conformité.Avec des ensembles de données plus grands et plus spécialisés, ainsi que des algorithmes plus complexes, les systèmes d’IA peuvent fournir une intervention précoce proactive en identifiant de manière proactive des problèmes avant qu’ils ne se produisent.
Gouvernance et éthique avancées de l’IAPour s’assurer que les applications d’IA dans les scénarios réglementaires sont éthiques, transparentes et réduisent les écarts, il est impératif d’établir un cadre systématique de gouvernance d’IA.L’élaboration de normes et de directives éthiques de l’IA aidera à établir la confiance et la responsabilité dans les systèmes réglementaires basés sur l’IA.
AI adaptatif et explicableLes futurs systèmes d’IA devraient avoir des capacités adaptatives et être en mesure d’apprendre et d’évoluer en permanence avec les changements dans l’environnement réglementaire et les activités Web3.L’amélioration de l’interprétabilité des algorithmes et des décisions rendra les décisions réglementaires plus transparentes et compréhensibles pour les parties affectées par eux.
· Collaboration mondialeL’établissement et le partage des meilleures pratiques aux niveaux juridiques favoriseront une réglementation plus cohérente et efficace de l’écosystème mondial Web3.
