Phần này nhằm mục đích giải thích các thuật ngữ chính được sử dụng trong bài viết này và đặt nền tảng để độc giả hiểu rõ hơn về các thảo luận trong các phần tiếp theo.
Tài sản ảo. Khung pháp lý của FSRA phân chia tài sản kỹ thuật số thành các loại khác nhau, bao gồm cả mã thông báo tham chiếu fiat và chứng khoán kỹ thuật số. Tài sản ảo là một dạng biểu diễn giá trị kỹ thuật số có thể được giao dịch kỹ thuật số và được sử dụng làm (1) phương tiện trao đổi; và/hoặc (2) đơn vị kế toán; và/hoặc (3) kho lưu trữ giá trị, nhưng không có tư cách pháp nhân tại bất kỳ khu vực pháp lý nào. Tài sản ảo (a) không được phát hành hoặc hỗ trợ bởi bất kỳ khu vực pháp lý nào và các chức năng trên của chúng chỉ đạt được thông qua các thỏa thuận trong cộng đồng người dùng tài sản ảo; và (b) khác với tiền pháp nhân và tiền điện tử. Web3 đại diện cho sự phát triển tiếp theo của internet, chuyển đổi từ khả năng "đọc" (Web1) và "đọc-ghi" (Web2) sang khả năng "đọc-ghi-sở hữu". Không giống như các nền tảng tập trung của Web2, Web3 tận dụng công nghệ blockchain để trao cho người dùng quyền sở hữu thực sự đối với dữ liệu, tài sản kỹ thuật số và các tương tác trực tuyến của họ. Mô hình phi tập trung này giảm sự phụ thuộc vào các bên trung gian, thúc đẩy quyền tự chủ và quyền riêng tư của người dùng cao hơn, đồng thời định nghĩa lại cách thức cá nhân tương tác với các nền tảng kỹ thuật số. Công nghệ sổ cái phân tán (DLT) và mạng lưới blockchain. DLT là một hệ thống kỹ thuật số để ghi lại các giao dịch tài sản, với dữ liệu được lưu trữ đồng thời trên nhiều trang web hoặc nút. Không giống như các cơ sở dữ liệu tập trung truyền thống, DLT được phân cấp, loại bỏ nhu cầu về một cơ quan trung ương, do đó tăng cường tính minh bạch và bảo mật. Mỗi bên tham gia trong mạng lưới duy trì một bản sao sổ cái được đồng bộ hóa, giảm nguy cơ xảy ra các điểm lỗi đơn lẻ. Blockchain, một loại DLT cụ thể, sắp xếp dữ liệu thành các khối được mã hóa, sau đó được liên kết theo thứ tự thời gian để tạo thành một chuỗi. Cấu trúc này đảm bảo rằng dữ liệu được ghi lại là bất biến. Tài sản ảo thường được xây dựng trên các mạng lưới blockchain. Trong Web3, công nghệ sổ cái phi tập trung (DLT) và mạng lưới blockchain hỗ trợ các nền tảng DeFi và các ứng dụng phi tập trung (dApp) bằng cách cho phép các giao dịch an toàn và minh bạch. Tài chính phi tập trung (DeFi) đề cập đến một hệ sinh thái tài chính được xây dựng trên blockchain và DLT, cho phép các giao dịch và dịch vụ ngang hàng mà không cần các trung gian truyền thống như ngân hàng hoặc tổ chức tài chính. Các ứng dụng DeFi sử dụng hợp đồng thông minh - các chương trình tự thực thi trên mạng blockchain - để tự động hóa và thực hiện các hoạt động tài chính như cho vay, giao dịch và đầu tư. Trí tuệ nhân tạo (AI). Nói chung, AI được định nghĩa là một tập hợp các công nghệ cho phép máy móc hoặc hệ thống hiểu, học, hành động, lý luận và nhận thức theo cách giống con người. Các hệ thống AI tận dụng các thuật toán, dữ liệu và sức mạnh tính toán để liên tục thích ứng và cải tiến. Sự gia tăng các công cụ AI trong những năm gần đây đã mở ra cơ hội cho ngành tài chính tích hợp các khả năng của chúng vào nhiều trường hợp sử dụng khác nhau. Trí tuệ nhân tạo mang lại những lợi ích đáng kể, bao gồm cải thiện hiệu quả hoạt động, tăng cường tuân thủ quy định, các sản phẩm tài chính được cá nhân hóa và phân tích dữ liệu tiên tiến. Trở lại năm 2022, FSRA đã khởi động một sáng kiến có tên "OpenReg" để làm cho nội dung quy định có thể đọc được bằng máy. Dự án này cho phép các công ty công nghệ tuân thủ và cộng đồng khoa học dữ liệu tận dụng nền tảng đào tạo AI này để xây dựng thế hệ giải pháp công nghệ tuân thủ tiếp theo dựa trên AI. Trong bài viết này, như một phần trong quá trình đang diễn ra của FSRA nhằm tích hợp công nghệ AI vào phương pháp giám sát, chúng tôi trình bày chi tiết về ứng dụng thực tế của AI cho công nghệ tuân thủ và công nghệ giám sát trong các hoạt động/hành động giám sát Web3. Trong quá trình này, chúng tôi xem xét những hiểu biết quý giá từ báo cáo gần đây của Hội đồng Ổn định Tài chính (FSB), các nguyên tắc giám sát được nêu trong "Đạo luật AI" của EU, và khuôn khổ rủi ro do Project MindForge phát triển. 3. Cơ hội tận dụng Trí tuệ Nhân tạo để Quản lý các Hoạt động Web3 Do những đặc điểm độc đáo của công nghệ blockchain, hợp đồng thông minh và tốc độ đổi mới Web3, các khuôn khổ quản lý Web3 có một số điểm khác biệt so với các quy định truyền thống. Trên toàn cầu, các nỗ lực quản lý Web3 gần đây chủ yếu tập trung vào tài sản ảo và các nền tảng mà chúng được giao dịch. Điều này bao gồm việc thực thi các biện pháp chống rửa tiền (AML), chẳng hạn như tích hợp các giải pháp Biết Giao dịch của Bạn (KYT) và triển khai Quy tắc Du lịch; thiết lập hướng dẫn thận trọng cho các đơn vị phát hành stablecoin; và gần đây hơn là quản lý các thực thể phi tập trung, không có chủ sở hữu như các nền tảng DLT và các tổ chức tự trị phi tập trung (DAO). Những nỗ lực thiết lập khuôn khổ pháp lý và áp dụng các biện pháp bảo vệ khách hàng và nhà đầu tư này cho thấy sự chấp nhận ngày càng tăng đối với tài sản ảo và Web3. Khi xem xét các đặc điểm vốn có của Web3 và tài sản ảo từ góc độ của cơ quan quản lý tài chính, cần xem xét những điểm sau (nhưng không giới hạn ở): Chúng hoạt động liên tục 24/7 thông qua các hợp đồng thông minh tự thực thi trên DLT với sự giám sát tối thiểu của con người; Chúng tiềm ẩn rủi ro bảo mật cao hơn do lỗ hổng trong mã hóa hợp đồng thông minh, khả năng khai thác và sự phụ thuộc vào các mạng phi tập trung; Chúng giới thiệu các khái niệm "mới" tận dụng các cải tiến blockchain để chuyển đổi các khuôn khổ tài chính truyền thống hiện có hoặc đề xuất những ý tưởng mới chưa từng có tiền lệ trong lịch sử. Bản chất phi tập trung của Web3 đảm bảo tính bất biến của các giao dịch và hợp đồng thông minh, nâng cao niềm tin và tính minh bạch, nhưng cũng gây khó khăn cho việc giải quyết các lỗi như lỗi "ngón tay thừa", tấn công hack hoặc hậu quả không mong muốn. Việc quản lý các hoạt động của Web3 đặt ra một số thách thức, đòi hỏi các phương pháp quản lý sáng tạo và phát triển các công cụ mới để tăng cường giám sát, theo dõi và thực thi. Tuy nhiên, những thách thức này cũng mang đến những cơ hội đáng kể để định hình một tương lai vững mạnh hơn cho hệ sinh thái Web3. Đổi mới nhanh chóng và Nhận diện Rủi ro. Bản chất đổi mới và tốc độ phát triển nhanh chóng của công nghệ Web3 khiến việc xác định và giảm thiểu kịp thời các rủi ro mới nổi trở nên khó khăn. Môi trường năng động này đòi hỏi mức độ phản ứng cao hơn trong các quy trình và khuôn khổ pháp lý để đảm bảo các cơ quan quản lý duy trì sự linh hoạt và có thể xác định, đánh giá và ứng phó hiệu quả với các rủi ro tiềm ẩn. Những thiếu sót trong khả năng phản ứng làm tăng nguy cơ gian lận và thất bại thị trường. Tuy nhiên, những thách thức về mặt pháp lý này cũng tạo ra cơ hội xây dựng các khuôn khổ từ đầu, cho phép tích hợp các nguyên tắc hướng tới tương lai có thể được điều chỉnh theo thời gian. Điều này có thể khuyến khích phát triển các mô hình kinh doanh hiệu quả phù hợp với các đặc điểm độc đáo của Web3, từ đó thúc đẩy một thị trường ổn định và sôi động, đáp ứng các mục tiêu quản lý và thúc đẩy tăng trưởng ngành. Trí tuệ nhân tạo có thể đóng vai trò hỗ trợ việc điều tra các vấn đề liên quan và phát triển các khuôn khổ pháp lý bằng cách nhanh chóng xác định các lĩnh vực cần cải thiện trong các quy tắc quản lý để phản ứng nhanh chóng với các phát triển của Web3. Giám sát Rủi ro Thời gian Thực Nâng cao. Việc giám sát rủi ro hiệu quả trong hệ sinh thái Web3 đòi hỏi các công cụ tiên tiến có thể phân tích khối lượng lớn dữ liệu blockchain theo thời gian thực. Với hoạt động 24/7 của DLT và hợp đồng thông minh, các phương pháp tiếp cận quản lý theo thời gian thực truyền thống thường gặp khó khăn trong việc xử lý khối lượng và độ phức tạp của dữ liệu giao dịch được tạo ra. Do đó, các cơ quan quản lý cần khẩn trương phát triển các công cụ phân tích tinh vi hơn. Việc triển khai các hệ thống giám sát liên tục và các công cụ quản lý rủi ro tự động có thể giúp giám sát việc tuân thủ quy định và cho phép chủ động ứng phó với các mối đe dọa tiềm ẩn. Tính phức tạp về mặt pháp lý. Bản chất phi tập trung của hoạt động Web3 thường đặt ra những thách thức liên quan đến nhiều khu vực pháp lý đối với các phương pháp tiếp cận quy định. Do cách tiếp cận quản trị tài sản ảo của mỗi cơ quan quản lý có thể khác nhau, các công ty có thể gặp khó khăn và tốn kém trong việc duy trì sự tuân thủ với nhiều yêu cầu quy định, đôi khi xung đột, làm tăng xu hướng tham gia vào hoạt động chênh lệch giá quy định. Các công cụ công nghệ tuân thủ được hỗ trợ bởi AI có tiềm năng giúp các công ty hợp lý hóa và quản lý những sự phức tạp này. Bằng cách tự động hóa các tác vụ tuân thủ thường xuyên, xác định các yêu cầu quy định chồng chéo, thích ứng hiệu quả hơn với các quy tắc mới và hỗ trợ báo cáo quy định, AI có thể giảm chi phí và gánh nặng vận hành, cuối cùng giúp các công ty dễ dàng đáp ứng các kỳ vọng quy định đa dạng. Trong các phần sau, chúng ta sẽ khám phá những lợi ích của việc sử dụng AI trong các quy trình quy định trong nhiều tình huống khác nhau. 4. Đổi mới AI Sự phát triển của công nghệ AI đã trải qua những tiến bộ đáng kể, làm thay đổi bối cảnh hoạt động và đổi mới trong các ngành. Trong lĩnh vực Web3 và tài sản ảo (VA), trí tuệ nhân tạo (AI) có tiềm năng tăng cường đáng kể việc giám sát và tuân thủ quy định. Phần này cung cấp tổng quan về các công nghệ AI mới nổi và khám phá cách các đổi mới AI có thể định hình lại bối cảnh quy định cho Web3. Phần này trước tiên sẽ giới thiệu ngắn gọn về các mô hình AI được sử dụng rộng rãi (chúng tôi sẽ chỉ đề cập ngắn gọn đến những mô hình có tiềm năng ứng dụng rộng rãi trong quy định), sau đó là thảo luận về các trường hợp sử dụng các công nghệ AI này trong các hoạt động giám sát. Chúng tôi cũng sẽ thảo luận về những thách thức chính đối với việc sử dụng AI trước khi xem xét các phát triển có thể có trong tương lai. 4.1 Các công nghệ AI mới nổi Học máy (ML). Học máy là một tập hợp con của AI, tập trung vào việc đưa ra dự đoán hoặc quyết định dựa trên dữ liệu. Các thuật toán học máy vượt trội trong việc phân tích khối lượng lớn dữ liệu giao dịch để phát hiện các mẫu hình và bất thường cho thấy hoạt động gian lận hoặc các vấn đề tuân thủ. Bằng cách áp dụng các kỹ thuật học có giám sát, không giám sát và học tăng cường, các mô hình ML có thể thích ứng và cải thiện theo thời gian, cung cấp cho các cơ quan quản lý một công cụ mạnh mẽ để cải thiện hiệu quả và độ chính xác của việc giám sát mà không cần sự giám sát liên tục của con người. Xử lý ngôn ngữ tự nhiên (NLP). Xử lý ngôn ngữ tự nhiên (NLP) tập trung vào việc cho phép máy tính hiểu và xử lý ngôn ngữ của con người (tức là văn bản). Bằng cách tự động trích xuất và phân tích thông tin quan trọng từ một lượng lớn tài liệu và thông tin liên lạc, NLP có thể mang lại hiệu quả cho việc xem xét và đánh giá theo quy định. Các mô hình NLP tiên tiến đã đạt được những tiến bộ đáng kể trong việc hiểu và tạo ra văn bản giống con người, có thể được sử dụng để tự động hóa các phản hồi cho các yêu cầu từ cơ quan quản lý và công chúng. Tuy nhiên, công nghệ NLP tiềm ẩn nguy cơ diễn giải sai và thiên vị, vì các mô hình có thể không tính đến đầy đủ ngữ cảnh hoặc giọng điệu thay đổi tùy thuộc vào văn hóa hoặc chuẩn mực xã hội. Nếu các công nghệ này được sử dụng mà không có sự can thiệp của con người, những thách thức như vậy có thể dẫn đến các phản ứng hoặc hành động quản lý không chính xác. Trí tuệ nhân tạo (AI) sáng tạo. AI sáng tạo đề cập đến các công nghệ AI có thể tạo ra nội dung mới (chẳng hạn như văn bản, hình ảnh và các phương tiện khác) dựa trên dữ liệu hiện có. Tuy nhiên, các công nghệ xử lý ngôn ngữ tự nhiên tiềm ẩn nguy cơ diễn giải sai và thiên vị, vì các mô hình có thể không tính đến đầy đủ ngữ cảnh hoặc giọng điệu thay đổi tùy thuộc vào văn hóa hoặc chuẩn mực xã hội. Những thách thức này có thể dẫn đến các phản ứng hoặc hành động quản lý không chính xác nếu các công nghệ này được sử dụng mà không có sự can thiệp của con người. Tác nhân AI. Tác nhân AI là các triển khai mô hình AI tạo sinh chuyên biệt, có khả năng thực hiện các tác vụ phức tạp thông qua quy trình làm việc được thiết lập sẵn, chẳng hạn như tự động hóa tương tác dịch vụ khách hàng, tạo tài liệu pháp lý và quy định, và thậm chí thực hiện đàm phán ảo thay mặt cho người vận hành. AI tạo sinh và Tác nhân AI có nhiều ứng dụng tiềm năng trong lĩnh vực quản lý. Ví dụ: các đơn vị được quản lý có thể sử dụng chúng để tự động tạo các báo cáo tuân thủ chi tiết, định kỳ hoặc theo yêu cầu. Các cơ quan quản lý cũng có thể tận dụng các công nghệ AI này để phân tích khối lượng lớn dữ liệu nộp hồ sơ quản lý và tạo ra danh sách rút gọn các vi phạm tiềm ẩn và các chỉ số rủi ro. Tuy nhiên, tương tự như những hạn chế cố hữu của công nghệ xử lý ngôn ngữ tự nhiên, các mô hình AI tạo sinh hiện tại, chủ yếu dựa trên các mô hình ngôn ngữ lớn (LLM), có những hạn chế về độ chính xác và độ tin cậy của kết quả đầu ra do khả năng xảy ra "ảo giác" và hiểu lầm ngữ cảnh. Trí tuệ nhân tạo tổng quát (AI tổng quát). AI tổng quát đề cập đến các hệ thống có tính tự chủ cao, có khả năng thực hiện bất kỳ nhiệm vụ nhận thức nào mà con người có thể thực hiện. Không giống như AI tạo sinh, được thiết kế cho các tác vụ tạo nội dung cụ thể, AI tổng quát được đặc trưng bởi tính linh hoạt và khả năng thích ứng với nhiều tình huống khác nhau mà không cần lập trình trước cụ thể. Mặc dù vẫn đang trong giai đoạn ý tưởng, AI tổng quát có thể hỗ trợ các hệ thống giám sát quy định và quản lý tuân thủ có khả năng thích ứng cao, tự động thích ứng với các quy định mới và các yêu cầu tuân thủ pháp lý phức tạp với sự can thiệp tối thiểu hoặc không cần sự can thiệp của con người. 4.2 Giải pháp AI cho Quy định Web3 Trong phần này, chúng tôi khám phá cách các loại công nghệ AI khác nhau có thể được áp dụng trong lĩnh vực quy định Web3 để giải quyết các thách thức trong giám sát, thực thi pháp luật và quản lý tuân thủ. Chúng tôi phân loại các công nghệ này thành hai loại chính: ứng dụng sử dụng AI Hẹp và ứng dụng sử dụng AI Tạo sinh. Lưu ý rằng AI Hẹp đề cập đến các hệ thống AI được thiết kế để thực hiện các nhiệm vụ cụ thể và hoạt động trong các ràng buộc hạn chế. Chúng còn được gọi là "AI chuyên biệt" hoặc "AI yếu". Công cụ báo cáo quy định. Các công cụ báo cáo quy định được hỗ trợ bởi AI có thể tự động hóa việc thu thập, gửi và phân tích hồ sơ quy định và báo cáo chứng nhận. Các hệ thống này tận dụng các thuật toán khai thác và xử lý dữ liệu tiên tiến để trích xuất và sắp xếp thông tin từ các tập dữ liệu khổng lồ nhằm tạo điều kiện cho việc báo cáo quy định liền mạch. Ngoài việc tự động hóa báo cáo, các công cụ AI thực hiện phân tích dự đoán có thể giúp các đơn vị được quản lý xác định các yếu tố rủi ro, từ đó giảm thiểu các sai sót tiềm ẩn về tuân thủ. Ví dụ: AI có thể được sử dụng để giám sát và dự đoán các rủi ro tài chính có thể cản trở việc tuân thủ các nghĩa vụ thanh khoản và vốn. Phân tích rủi ro. Các hệ thống AI chuyên biệt để phân tích rủi ro sẽ phân tích và phân loại tài sản ảo hoặc các thực thể tài chính dựa trên đặc điểm rủi ro của chúng và các yêu cầu pháp lý hiện hành. Các hệ thống này đánh giá hiệu suất lịch sử, hành vi thị trường và các yếu tố bên ngoài để duy trì hồ sơ rủi ro động. Bằng cách liên tục học hỏi từ dữ liệu mới và các cập nhật pháp lý, các công cụ phân tích rủi ro AI này có thể theo kịp bối cảnh tài chính đang thay đổi. Hiểu rõ Giao dịch của Bạn (KYT). Tận dụng phân tích đồ thị và mạng nơ-ron đồ thị (GNN), KYT hỗ trợ AI và các hệ thống phát hiện bất thường có thể được thiết kế riêng để giám sát và phân tích các tài khoản và giao dịch trên các mạng blockchain. Bằng cách tận dụng khả năng của AI trong việc kiểm tra các luồng giao dịch blockchain phức tạp, các thực thể được quản lý sẽ có khả năng xác định tốt hơn các giao dịch và tài khoản rủi ro cao và cải thiện việc thực thi các yêu cầu chống rửa tiền (AML) của họ. Mặc dù các giải pháp KYT hiện tại chủ yếu dựa trên quy tắc, nhưng các bên tham gia trong ngành đang tích hợp các công nghệ AI, chẳng hạn như sử dụng nhận dạng mẫu để phân cụm ví và phân tích dòng tài sản xuyên chuỗi. Đánh giá Rủi ro Tài chính. Trong tài chính truyền thống, các mô hình AI đã được sử dụng để dự báo dòng tiền và quản lý thanh khoản. Trong DeFi, các nhà điều hành và người dùng nền tảng có thể sử dụng các mô hình AI để quản lý thanh khoản hiệu quả hơn bằng cách phân tích và dự đoán rủi ro thanh khoản trong và giữa các sàn giao dịch phi tập trung và nền tảng cho vay. Các mô hình này có thể được sử dụng để theo dõi khối lượng giao dịch, dự trữ token và hành vi của người dùng để xác định tình trạng thiếu hụt thanh khoản tiềm ẩn trước khi chúng trở nên nghiêm trọng. Những cảnh báo sớm và thông tin chi tiết hữu ích do các mô hình này cung cấp không chỉ hữu ích cho các tổ chức tài chính cung cấp dịch vụ cho người tiêu dùng mà còn cho các cơ quan quản lý giám sát các dịch vụ này, giúp duy trì sự ổn định và niềm tin vào hệ sinh thái DeFi. Kiểm tra Tuân thủ Tự động. Kiểm tra tuân thủ tự động, được thực hiện bởi AI tạo sinh, có thể cách mạng hóa cách các doanh nghiệp tuân thủ các quy định bằng cách diễn giải các khuôn khổ pháp lý đa dạng trên khắp các khu vực pháp lý. Các công cụ AI này sẽ bao gồm phân tích ngữ nghĩa phức tạp để hiểu được các sắc thái của văn bản quy định, phán quyết của tòa án, thư giải thích và các ấn phẩm quy định liên quan khác. Công nghệ này có thể cập nhật động các cơ sở dữ liệu và thuật toán quy định theo thời gian thực khi các quy định mới được thông qua, cho phép các doanh nghiệp nhanh chóng thích ứng với những thay đổi về quy định. Việc triển khai các công cụ quy định hỗ trợ AI như vậy sẽ cho phép các công ty tuân thủ các quy định trong nước và quốc tế hiệu quả và tiết kiệm chi phí hơn bao giờ hết, giảm đáng kể nguy cơ bị phạt và các thách thức pháp lý. Các mô hình AI tạo sinh cũng là những công cụ giá trị cho Web3 và các nhà cung cấp dịch vụ tài sản ảo (VASP), giúp đẩy nhanh các tác vụ thủ công như phát triển sách trắng và điều lệ, cũng như tạo chatbot cho dịch vụ khách hàng. Các công cụ AI mới nổi khác có thể giúp đẩy nhanh quá trình cập nhật và tuân thủ các thông tin công bố, cũng như đảm bảo rằng các tài liệu truyền thông và tiếp thị vẫn nằm trong phạm vi quy định được phép. Những phát triển này thể hiện tiềm năng chuyển dịch trong ngành theo hướng hiệu quả hơn và tuân thủ quy định chặt chẽ hơn. Kiểm toán Hợp đồng Thông minh. Kiểm toán Hợp đồng Thông minh tận dụng AI tạo sinh để phân tích logic và chức năng của hợp đồng thông minh trên nhiều nền tảng và ngôn ngữ lập trình. Các Mô hình Ngôn ngữ Lớn Nâng cao (LLM) có thể tạo điều kiện cho việc xem xét chi tiết logic mã phức tạp để xác định sự không nhất quán, lỗ hổng bảo mật và các vấn đề tuân thủ với các khuôn khổ pháp lý hiện hành. Các hệ thống AI này có thể học hỏi từ các cuộc kiểm toán trước đây để cải thiện độ chính xác chẩn đoán, cung cấp hỗ trợ mạnh mẽ cho các nhà phát triển và cơ quan quản lý trong việc xác minh tính bảo mật và tuân thủ pháp lý của hợp đồng thông minh. Phần tiếp theo sẽ mở rộng thêm về các dự án thí điểm khám phá các ứng dụng như vậy. Phân tích Tâm lý Thị trường. Trí tuệ nhân tạo (AI) tạo sinh có thể được sử dụng để phân tích một lượng lớn dữ liệu phi cấu trúc từ mạng xã hội, diễn đàn và các kênh tin tức để đánh giá tâm lý của công chúng về điều kiện thị trường hoặc các tài sản cụ thể. Bằng cách diễn giải ngôn ngữ và phát hiện những thay đổi trong tâm lý, các công cụ này có thể dự đoán các biến động tiềm năng của thị trường, cung cấp cảnh báo cho các nhà giao dịch và nhà đầu tư đang tìm cách ứng phó với xu hướng thị trường, cũng như cho các cơ quan quản lý đang theo dõi hành vi thao túng thị trường. 4.3 Thách thức trong việc triển khai AI Việc triển khai các hệ thống AI để giám sát quy định đòi hỏi phải giải quyết một số thách thức để đạt được kết quả hiệu quả và đáng tin cậy. Chúng tôi đã xem xét các vấn đề chính như đạo đức và quyền riêng tư, giảm thiểu sự thiên vị của AI và nhu cầu minh bạch hơn về hành vi của mô hình. Việc giải quyết những thách thức này là rất quan trọng để xây dựng niềm tin vào việc sử dụng AI trong các quy trình quản lý, đặc biệt là trong các tình huống đòi hỏi hành động giám sát và phán đoán. Việc triển khai AI trong các bối cảnh quản lý đặt ra những vấn đề đạo đức và thiên vị rõ ràng cần được quan tâm cẩn thận. Các hướng dẫn đạo đức rất quan trọng để đảm bảo rằng các quyết định của AI, vốn có thể ảnh hưởng sâu sắc đến cuộc sống của mỗi cá nhân, vẫn công bằng và hiệu quả. Sự thiên vị cố hữu trong dữ liệu đào tạo hoặc thuật toán có thể dẫn đến kết quả thiên vị, gây bất lợi một cách không công bằng cho một số nhóm nhất định, làm suy yếu tính công bằng và hiệu quả của quy định. Việc công khai rõ ràng cách thức sử dụng, xử lý và chia sẻ dữ liệu là cần thiết để thúc đẩy trách nhiệm giải trình và xây dựng niềm tin giữa các bên liên quan. Hơn nữa, các cơ quan quản lý dựa vào AI để diễn giải khối lượng lớn dữ liệu do các đơn vị được quản lý gửi lên nên đảm bảo có các biện pháp cho phép AI giải thích dữ liệu nào đã được sử dụng và cách thức sử dụng để đưa ra kết luận. Việc thiếu minh bạch trong việc sử dụng dữ liệu và khả năng truy xuất nguồn gốc đầy đủ của quy trình ra quyết định có thể đặt ra câu hỏi về độ tin cậy của các quyết định ảnh hưởng đến họ và gây căng thẳng cho mối quan hệ giữa các đơn vị được quản lý và cơ quan quản lý của họ. Lượng dữ liệu khổng lồ mà các hệ thống AI yêu cầu truy cập gây ra những lo ngại đáng kể về quyền riêng tư. Các hệ thống này có thể vô tình làm lộ thông tin nhạy cảm hoặc sử dụng sai mục đích dữ liệu, dẫn đến nguy cơ rò rỉ hoặc truy cập trái phép. Việc thu thập, lưu trữ và xử lý dữ liệu đó phải tuân theo các biện pháp bảo vệ dữ liệu nghiêm ngặt để bảo vệ quyền riêng tư của cá nhân. Trong lĩnh vực quản lý, tính toàn vẹn của các phản hồi AI dễ bị tổn thương trước những thách thức do "hack nhanh". Người dùng có thể cố ý hoặc vô tình cung cấp thông tin đầu vào gây hiểu lầm, do đó ảnh hưởng đến ma trận quyết định của mô hình và do đó ảnh hưởng đến chất lượng và độ tin cậy của đầu ra. Việc giải quyết những lỗ hổng này đòi hỏi các công cụ giám sát thời gian thực tiên tiến để phân tích và giảm thiểu hiệu quả các lời nhắc độc hại tiềm ẩn. Độ chính xác và sức mạnh của các phản hồi do AI tạo ra có thể thúc đẩy sự phụ thuộc quá mức của người dùng. Sự giám sát của con người vẫn cần thiết để ngăn chặn sự phụ thuộc quá mức vào các hệ thống AI và đảm bảo việc sử dụng thận trọng các khả năng của AI. 4.4 Định hướng Tương lai Việc tích hợp các công nghệ AI tiên tiến dự kiến sẽ tác động đến việc phát triển, giám sát và thực thi các quy định trong tương lai. Chúng tôi dự đoán những tiến bộ tiềm năng trong phân tích dự đoán và ra quyết định, cũng như các công nghệ mới nổi có thể chuyển đổi các hoạt động quản lý. Những tiến bộ trong phân tích dự đoán có tiềm năng định hình lại các phương pháp tiếp cận quản lý và giám sát dựa trên AI. Những tiến bộ này không chỉ cho phép các phương pháp tiếp cận quản lý chủ động mà còn mang tính phòng ngừa - dự đoán các vấn đề tuân thủ tiềm ẩn và các vi phạm quy định trước khi chúng xảy ra. Các thuật toán học máy có thể được đào tạo để dự đoán các bất thường trước khi hoạt động gian lận hoặc vi phạm quy định. Điều này cho phép những người ra quyết định giải quyết các vấn đề tiềm ẩn trước khi chúng leo thang, do đó cải thiện độ chính xác và tính kịp thời của các can thiệp quản lý. Những đổi mới công nghệ như điện toán lượng tử và mạng nơ-ron tiên tiến có tiềm năng mở rộng khả năng phân tích của các hệ thống AI, cho phép chúng xử lý và diễn giải dữ liệu quản lý phức tạp ở mức độ tinh vi hơn. Ví dụ, điện toán lượng tử có tiềm năng xử lý các phép tính quy mô lớn với tốc độ chưa từng có, tạo điều kiện cho các đánh giá chi tiết và toàn diện hơn. Mạng nơ-ron nhân tạo tiên tiến có thể học hỏi từ các tập dữ liệu đa dạng và phức tạp hơn, cung cấp những hiểu biết sâu sắc chưa từng có trước đây. Trong khi đó, những tiến bộ lý thuyết về đạo đức và quản trị AI đang định hướng cho sự phát triển của các khuôn khổ để hướng dẫn các công nghệ này trong khuôn khổ các giá trị xã hội và tiêu chuẩn pháp lý được công nhận. Khi các công nghệ và khuôn khổ này phát triển, chúng sẽ giúp thúc đẩy các công cụ quản lý do AI thúc đẩy hiệu quả, hiệu suất và công bằng hơn. 5. Các dự án thí điểm đổi mới AI của ADGM (Nỗ lực chung với AIDF của Đại học Quốc gia Singapore) Thị trường toàn cầu Abu Dhabi (ADGM) và Viện Tài chính kỹ thuật số Châu Á (NUS AIDF) tại Đại học Quốc gia Singapore chia sẻ mục tiêu chung là giải quyết các rủi ro và thách thức về quy định do bối cảnh Web3 đang phát triển nhanh chóng đặt ra. Vì mục đích này, họ đã tiến hành các dự án thí điểm chung kể từ năm 2022 để nghiên cứu các công nghệ AI có thể được sử dụng để cải thiện quy trình kiểm toán bảo mật cho các ứng dụng blockchain và tài sản ảo (VA). Các dự án thí điểm này sử dụng các kỹ thuật AI sáng tạo để phân tích nhật ký kiểm toán và xem xét các sự kiện bảo mật trong lịch sử để xác định các mẫu và cung cấp thông tin chi tiết về các lỗ hổng tiềm ẩn. Phần này mô tả ba dự án thí điểm chứng minh tiềm năng của AI trong việc thúc đẩy đánh giá theo quy định đối với VA và các tổ chức cung cấp chúng. 5.1 Dự án thí điểm 1: Đánh giá tính phù hợp của hợp đồng thông minh dựa trên AI 5.1.1 Giới thiệu Hợp đồng thông minh là một thành phần cơ bản của công nghệ blockchain, cho phép thực hiện các thỏa thuận và giao dịch một cách an toàn và tự động trên các nền tảng phi tập trung. Do tầm quan trọng của chúng trong các ứng dụng blockchain, việc đánh giá và xác thực toàn diện cơ sở mã của chúng là cần thiết để đảm bảo chúng hoạt động như mong đợi và đáp ứng các tiêu chuẩn quy định. Phần này mô tả dự án thí điểm đầu tiên của chúng tôi: một nền tảng đánh giá tính phù hợp của hợp đồng thông minh được hỗ trợ bởi AI. 5.1.2 Các giải pháp và nhà cung cấp dịch vụ hiện có Các phương pháp xác minh hợp đồng thông minh hiện tại kết hợp các đánh giá thủ công với các công cụ kỹ thuật tiên tiến để xác định các lỗ hổng tiềm ẩn và cải thiện hiệu quả. Các nhà cung cấp dịch vụ hàng đầu, bao gồm CertiK, Trail of Bits, Halborn và Hacken, sử dụng kết hợp phân tích tĩnh và động, cũng như xác minh chính thức do con người chỉ đạo, để đánh giá và bảo mật hợp đồng thông minh chống lại các cuộc tấn công mạng và các vấn đề về hiệu suất. Khi các công nghệ Web3 thâm nhập vào các ngành được quản lý, mô hình xác minh hợp đồng thông minh cần được mở rộng khẩn cấp. Ngoài việc xác định các lỗ hổng kỹ thuật, khi hợp đồng thông minh được sử dụng để tự động hóa các hoạt động được quản lý, việc kiểm toán của chúng cũng nên bao gồm các kiểm tra tuân thủ với các yêu cầu quy định có liên quan. 5.1.3 Đánh giá do AI thúc đẩy Chương trình thí điểm này sử dụng hai phương pháp để phân tích tính nhất quán giữa mã hợp đồng thông minh và sách trắng VA. Phương pháp xác thực dựa trên LLM sử dụng một mô hình AI độc quyền để phân tích sự liên kết giữa mã hợp đồng thông minh và sách trắng VA tương ứng. Việc chuẩn bị dữ liệu đào tạo bắt đầu bằng cách trích xuất các điều khoản và thông số kỹ thuật từ các kho lưu trữ mã hợp đồng thông minh được sử dụng rộng rãi và phân loại chúng theo loại dự án để tạo thành cơ sở kiến thức cần thiết cho phân tích có mục tiêu. Sau đó, Mô hình ngôn ngữ lớn (LLM) được sử dụng để trích xuất bằng chứng từ mã hợp đồng thông minh và sách trắng của nó để xác minh xem các mục tiêu được nêu trong sách trắng có đạt được trong mã hay không. Mô hình sử dụng phương pháp hỏi và đáp (Q&A) để xác minh từng mục (Hình 1) và xem xét nội dung sách trắng trên toàn bộ cơ sở mã. Mô hình cũng thực hiện các kiểm tra kỹ thuật được ngành chấp nhận rộng rãi, chẳng hạn như phân tích mã tĩnh, để xác định các lỗ hổng tiềm ẩn. Chi tiết triển khai sau đó được so sánh với các thông lệ của ngành và các tiêu chuẩn có liên quan về tính nhất quán. Những xác minh này giúp đảm bảo hợp đồng thông minh thực thi như mong đợi và đáp ứng các tiêu chuẩn vận hành và tuân thủ được nêu trong sách trắng. Phương pháp tạo mã sử dụng AI để tạo các đoạn mã dựa trên các mục tiêu và chức năng được mô tả trong sách trắng VA (ví dụ: phát hành mã thông báo với nguồn cung tối đa là 100 triệu). Các đoạn mã được tạo này sau đó được so sánh với mã hợp đồng thông minh gốc: mã gốc và mã do AI tạo ra được chạy riêng biệt trong cùng điều kiện đầu vào và đầu ra được so sánh. Mục tiêu là xác minh tính nhất quán về mặt chức năng, mặc dù cấu trúc hoặc kiểu mã có thể khác nhau. Nếu đầu ra khớp nhau, mã gốc được xác nhận là đã triển khai các thông số kỹ thuật của sách trắng. Nếu đầu ra khác nhau, mã sẽ được xem xét thêm để xác định nguồn gốc của sự không nhất quán và, nếu cần, để thực hiện các điều chỉnh hoặc đánh giá lại. Tùy chọn, có thể tiến hành kiểm tra so sánh trực tiếp giữa mã do AI tạo ra và mã hợp đồng gốc (Hình 2). Kết hợp với nhau, hai phương pháp này tạo thành một khuôn khổ xác minh để đánh giá việc triển khai hợp đồng thông minh, xác định lỗi và thiếu sót, đồng thời đảm bảo hợp đồng hoạt động đúng như dự định và được công bố công khai. Những hiểu biết sâu sắc như vậy có thể cung cấp cho cơ quan quản lý bằng chứng khách quan có giá trị để xác minh khả năng xác minh các yêu cầu của dự án. 5.2 Thí điểm 2: Đánh giá Báo cáo Kiểm toán 5.2.1 Giới thiệu Để đảm bảo tính bảo mật và độ tin cậy của logic nghiệp vụ được thực hiện bởi các hợp đồng thông minh, chủ dự án thường thuê các công ty kiểm toán bảo mật để đánh giá mã và xuất bản báo cáo kiểm toán. Tuy nhiên, việc xem xét các báo cáo như vậy thường yêu cầu kiến thức chuyên môn về khoa học máy tính và bảo mật, mà các cơ quan quản lý có thể không có. Để giải quyết khoảng cách kiến thức này, thí điểm này đã thử nghiệm một khuôn khổ đánh giá sử dụng LLM để đánh giá tính đầy đủ của các báo cáo kiểm toán bảo mật như vậy. 5.2.2 Các Giải pháp và Nhà cung cấp Dịch vụ Hiện có Theo truyền thống, báo cáo kiểm toán bảo mật dựa vào các công cụ tự động, đánh giá thủ công và phân tích của chuyên gia, một quá trình tốn thời gian với kết luận chủ quan. Kiểm toán thường yêu cầu kiểm toán viên kiểm tra cơ sở mã, cấu hình và quy trình vận hành để xác định các lỗ hổng và điểm yếu. Vì các đánh giá chủ yếu là thủ công nên khối lượng công việc rất lớn. Hơn nữa, việc dựa vào đánh giá của con người gây ra nguy cơ sai sót và chủ quan, dẫn đến việc diễn giải không nhất quán về các phát hiện và rủi ro giữa các kiểm toán viên khác nhau. Sự phức tạp và quy mô ngày càng tăng của các dự án Web3 đặt ra những yêu cầu cao hơn đối với các phương pháp kiểm toán hiện có. Sự phát triển nhanh chóng của công nghệ, bản chất mã nguồn mở rõ rệt và sự gia tăng đột biến về số lượng các ứng dụng phi tập trung (DA) gây áp lực thời gian liên tục lên các kiểm toán viên, có khả năng hạn chế độ sâu phân tích của họ. Kiểm toán bảo mật thường chỉ cung cấp một "ảnh chụp nhanh" tại một thời điểm cụ thể, có khả năng bỏ qua các mối đe dọa và lỗ hổng mới nổi sau khi kiểm toán. Một thách thức đáng kể khác là sự phức tạp về mặt kỹ thuật. Các báo cáo thường mang tính kỹ thuật cao và phức tạp về chi tiết, khiến công chúng và các cơ quan quản lý khó có thể hiểu và diễn giải đầy đủ các kết luận của họ. 5.2.3 Đánh giá Báo cáo Kiểm toán Bảo mật được Hỗ trợ bởi AI Công cụ đánh giá này sử dụng AI để đo lường chất lượng của các báo cáo kiểm toán. Chương trình thí điểm đầu tiên sử dụng công nghệ nhận dạng ký tự quang học (OCR) và công nghệ truy xuất thông tin tùy chỉnh để thu thập và sắp xếp dữ liệu cần thiết cho việc đánh giá, bao gồm các yếu tố như phạm vi kiểm toán, phương pháp đánh giá, công cụ kiểm toán và mô tả vấn đề trong báo cáo. Sau đó, các báo cáo được xử lý bằng mô hình LLM có sẵn để tạo ra các nhúng, được biểu diễn dưới dạng các vectơ như thể hiện trong Hình 3. Quá trình này sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến, chẳng hạn như nhận dạng thực thể và phân tích cú pháp phụ thuộc dựa trên thư viện tùy chỉnh, để hiểu và phân loại nội dung báo cáo. Sau khi xử lý dữ liệu, công cụ so sánh và đánh giá các vectơ đã lưu trữ với một tập kiến thức được xác định trước (cơ sở dữ liệu được hiển thị trong hình bên dưới). Tập kiến thức bao gồm năm hạng mục cụ thể: (1) chất lượng và phạm vi nội dung, (2) xác định và ưu tiên lỗ hổng, (3) chiến lược giảm thiểu và tác động của báo cáo, (4) chất lượng trình bày và phương pháp kiểm toán, và (5) tính liên quan và khả năng truy cập của báo cáo. Quá trình đánh giá vừa nhanh vừa toàn diện, thường mất khoảng năm phút cho mỗi báo cáo. Cuối cùng, LLM được gọi lại để tạo báo cáo đánh giá. Báo cáo chứa tổng điểm thu được từ bản tóm tắt có trọng số của các đánh giá phụ thuộc hạng mục đã đề cập ở trên, phản ánh hiệu suất tổng thể của báo cáo kiểm toán bảo mật, chỉ ra các lĩnh vực mạnh và lĩnh vực cần cải thiện. Đồng thời, báo cáo cũng sẽ cung cấp mô tả chi tiết do LLM tạo ra dựa trên kết quả đánh giá trung gian của từng hạng mục, giải thích các điểm mạnh và mối quan tâm của hạng mục đó. Sơ đồ được thể hiện trong Hình 3. 5.3 Thí điểm 3: Thẩm định thông minh dựa trên AI 5.3.1 Giới thiệu Việc tiến hành thẩm định ban đầu và liên tục đối với các dự án Web3 là rất quan trọng đối với các cơ quan quản lý trong quá trình cấp phép và giám sát liên tục. Các Nhà cung cấp dịch vụ tài sản ảo (VASP), hoạt động với tư cách là trung gian tài sản ảo, cũng được yêu cầu tiến hành thẩm định riêng của họ đối với các dự án blockchain có liên quan và mã thông báo của họ trước khi cung cấp tài sản ảo (VA) cho khách hàng. Thẩm định Web3 đặt ra những thách thức độc đáo do bản chất phi tập trung của blockchain, danh tính ẩn danh và cấu trúc tổ chức mới. Việc xác định và xác minh danh tính thực, hiểu cơ sở hạ tầng kỹ thuật phức tạp và điều hướng các cấu trúc tổ chức đa dạng cũng như khuôn khổ pháp lý đang phát triển đều làm phức tạp quá trình này. Đồng thời, dữ liệu có sẵn công khai trong không gian Web3 có thể được sử dụng để tăng cường khả năng hiển thị hoạt động: dữ liệu trên chuỗi có thể cung cấp thông tin chi tiết có thể xác minh, theo thời gian thực về các giao dịch và hoạt động hợp đồng thông minh; Thông tin định tính ngoài chuỗi (chẳng hạn như trình độ của nhóm, tâm lý thị trường, diễn đàn và các cuộc thảo luận về DAO, và các kênh truyền thông xã hội chính thức) bổ sung cho đánh giá này. Tuy nhiên, bất chấp sự sẵn có của dữ liệu này, việc thu thập lượng lớn thông tin kỹ thuật cao này vẫn còn nhiều thách thức, đòi hỏi các công cụ xử lý và phân tích phức tạp. Việc giới thiệu trí tuệ nhân tạo (AI) có thể hợp lý hóa quy trình thẩm định, cho phép các cơ quan quản lý và VASP xem xét và đánh giá các dự án Web3 hiệu quả hơn. 5.3.2 Các giải pháp và nhà cung cấp dịch vụ hiện có Để giải quyết các nhu cầu phân tích dữ liệu phức tạp và thẩm định, nhiều nhà cung cấp dịch vụ đã xuất hiện trong lĩnh vực Web3 và VASP. Các công ty này cung cấp các công cụ và dịch vụ hợp lý hóa quy trình tuân thủ, xác minh danh tính và giải quyết một số nghĩa vụ pháp lý trên nhiều khu vực pháp lý khác nhau. Ví dụ: Chainalysis và Elliptic cung cấp các công cụ phân tích blockchain giúp truy tìm nguồn gốc của các giao dịch tài sản tiền điện tử và hỗ trợ tuân thủ Chống rửa tiền (AML) và Chống tài trợ khủng bố (CFT). Các công ty khác cung cấp các giải pháp xác minh danh tính kỹ thuật số nhằm mục đích xác định người dùng trong môi trường phi tập trung. Mặc dù các công cụ này có hiệu quả trong các lĩnh vực cụ thể, nhưng chúng vẫn chưa bao phủ toàn bộ phạm vi giám sát theo yêu cầu của các cơ quan quản lý và VASP. Chương trình thí điểm này nhằm mục đích cải thiện hơn nữa quy trình thẩm định tổng thể cho các cơ quan quản lý và VASP. 5.3.3 Thẩm định chuyên sâu được hỗ trợ bởi AI Chương trình thí điểm này kết hợp các công nghệ AI trong nhiều lĩnh vực để cải thiện hoạt động thẩm định chuyên sâu của các cơ quan quản lý và VASP. AI tạo sinh hỗ trợ việc tiếp nhận hồ sơ. Khi các dự án xin giấy phép từ các cơ quan quản lý, AI tạo sinh được sử dụng để tùy chỉnh quy trình tiếp nhận hồ sơ dựa trên trọng tâm cụ thể của các dự án Web3. Mô hình được phát triển trong chương trình thí điểm này tự động tạo các biểu mẫu được cá nhân hóa và liệt kê các tài liệu nộp bắt buộc. Việc tùy chỉnh này tránh được quy trình một khuôn mẫu chung và giảm các yêu cầu nộp hồ sơ không liên quan đến hoạt động kinh doanh cụ thể của doanh nghiệp. AI tạo sinh xem xét phương tiện truyền thông xã hội. Chương trình thí điểm sử dụng các công cụ AI để giám sát và phân tích sự hiện diện trên phương tiện truyền thông xã hội của các công ty và nhân sự chủ chốt của họ, xác định các dấu hiệu của việc công bố công khai không nhất quán, rủi ro về danh tiếng và các tuyên bố gây hiểu lầm hoặc lừa dối. Mô hình được sử dụng hiểu bối cảnh và cảm xúc của nội dung và đưa ra các lĩnh vực tiềm ẩn đáng quan tâm để các cơ quan quản lý xem xét. (Lưu ý: Đoạn văn này được lặp lại một lần trong văn bản gốc và được trình bày ở đây theo định dạng hợp nhất.) Công cụ Hỏi & Đáp về Quy định cho phép các cơ quan quản lý chạy các truy vấn dựa trên tìm kiếm trên dữ liệu dự án Web3, bao gồm các tài liệu tự báo cáo của công ty, chi tiết hợp đồng thông minh, thông báo chính thức và tiết lộ. Công cụ này cung cấp thông tin chi tiết theo yêu cầu, có thể truy cập được cho nhân viên không chuyên về kỹ thuật dựa trên dữ liệu mới nhất tại thời điểm truy vấn. Tất cả các phản hồi đều được phân loại và trích nguồn, có liên kết đến dữ liệu gốc. Hệ thống liên tục được cập nhật dữ liệu mới và hỗ trợ các cơ quan quản lý tích hợp các nguồn dữ liệu bổ sung. Dự án thí điểm này thay thế hiệu quả các tác vụ thủ công lặp đi lặp lại và dư thừa bằng cách áp dụng AI vào việc tiếp nhận, xác định rủi ro và thông tin chi tiết giám sát theo thời gian thực. Do nhiều cơ quan quản lý đang tích cực khám phá loại đổi mới này, nên dự án có tiềm năng triển khai rộng rãi hơn và phát triển hơn nữa. 6. Kết luận và Công việc Tương lai 6.1 Kết luận Sự phát triển nhanh chóng của các hoạt động Web3 và VA đang mở đường cho sự đổi mới đồng thời cũng tạo ra những thách thức pháp lý mới và phức tạp. Việc tích hợp AI vào các quy trình giám sát có tiềm năng nâng cao bộ công cụ của cơ quan quản lý để giám sát, dự đoán và giảm thiểu rủi ro phát sinh từ các lĩnh vực Web3 và VA tốt hơn. Dự án thí điểm được mô tả trong bài viết này cung cấp các ví dụ thực tế về AI trong lĩnh vực này, chứng minh tác động thực tế của nó trong việc cải thiện các hoạt động tuân thủ của ngành. 6.2 Những điểm chính cần ghi nhớ Tiềm năng chuyển đổi của Trí tuệ nhân tạo trong Web3 SupTech và RegTech · Các giải pháp do AI thúc đẩy có thể cải thiện đáng kể hiệu quả của quy định Web3, bao gồm phân tích rủi ro theo thời gian thực, phát hiện lỗ hổng chủ động và giám sát tuân thủ hiệu quả hơn. · Bằng cách áp dụng nhiều kỹ thuật AI khác nhau (như học máy, xử lý ngôn ngữ tự nhiên (NLP), AI tạo sinh và tác nhân tự động), cơ quan quản lý có thể duy trì giám sát tốt hơn, tối ưu hóa quy trình báo cáo, phát hiện các điểm bất thường và hiểu được tâm lý cũng như dư luận trong hệ sinh thái phi tập trung.
· Việc tích hợp AI vào quy định Web3 có thể đơn giản hóa sự phức tạp giữa các khu vực pháp lý, thích ứng với hoạt động 24/7 và giúp khuôn khổ tuân thủ dễ tiếp cận, linh hoạt và sáng tạo hơn.
Những thách thức trong việc triển khai AI
· Đạo đức và quyền riêng tư, sự thiên vị của mô hình và nhu cầu về tính minh bạch và khả năng truy xuất nguồn gốc là những vấn đề chính.
· Sự giám sát của con người là điều cần thiết để giảm sự phụ thuộc quá mức vào AI và đảm bảo độ tin cậy của các ứng dụng. Các ứng dụng thực tế được chứng minh trong dự án thí điểm · Đánh giá hợp đồng thông minh được tăng cường bằng AI giúp đảm bảo tuân thủ các sách trắng và tiêu chuẩn quy định. · Việc đánh giá tự động các báo cáo kiểm toán và quy trình thẩm định có thể cải thiện đáng kể hiệu quả. · Các công cụ AI tạo sinh có thể hỗ trợ quy trình tuyển dụng của doanh nghiệp và phân tích phương tiện truyền thông xã hội, đồng thời cung cấp thông tin chi tiết hữu ích cho các cơ quan quản lý một cách hiệu quả. · Định hướng tương lai · Những tiến bộ trong phân tích dự đoán, hệ thống AI thích ứng và hợp tác toàn cầu sẽ thúc đẩy các hoạt động quản lý hiệu quả hơn.
· Việc thiết lập khuôn khổ quản trị AI và các tiêu chuẩn đạo đức sẽ là chìa khóa để duy trì niềm tin và trách nhiệm giải trình.
6.3 Công việc trong tương lai
Nhìn về phía trước, một số hướng chính sẽ thúc đẩy sự phát triển và tích hợp liên tục của trí tuệ nhân tạo (AI) vào các quy trình quản lý:
· Các mô hình AI tiên tiến
Với những tiến bộ trong công nghệ AI, khả năng của mô hình và chất lượng kết quả dự kiến sẽ được cải thiện hơn nữa, đồng thời đạt được chi phí thấp hơn và sử dụng tài nguyên tính toán hiệu quả hơn. · Phân tích dự đoán nâng cao
Những phát triển hơn nữa trong phân tích dự đoán sẽ hỗ trợ cảnh báo chính xác hơn về rủi ro và vi phạm tuân thủ. Tận dụng các tập dữ liệu lớn hơn và chuyên biệt hơn, cũng như các thuật toán phức tạp hơn, các hệ thống AI có thể chủ động xác định các vấn đề trước khi chúng xảy ra, cho phép can thiệp sớm một cách chủ động.
· Quản trị và Đạo đức AI Tiên tiến
Để đảm bảo các ứng dụng AI có đạo đức, minh bạch và giảm thiểu định kiến trong bối cảnh pháp lý, một khuôn khổ quản trị AI có hệ thống là điều bắt buộc. Việc phát triển các tiêu chuẩn và hướng dẫn về đạo đức AI sẽ giúp xây dựng niềm tin và trách nhiệm giải trình trong các hệ thống quản lý dựa trên AI.· AI Thích ứng và Có thể Giải thích
Các hệ thống AI trong tương lai phải có khả năng thích ứng, có thể liên tục học hỏi và phát triển khi môi trường pháp lý và các hoạt động Web3 thay đổi. Việc cải thiện khả năng giải thích các thuật toán và quyết định sẽ giúp các quyết định quản lý trở nên minh bạch và dễ hiểu hơn đối với các bên liên quan bị ảnh hưởng.
· Hợp tác toàn cầu
Việc thiết lập và chia sẻ các thông lệ tốt nhất trên khắp các khu vực pháp lý sẽ thúc đẩy việc quản lý hệ sinh thái Web3 toàn cầu một cách nhất quán và hiệu quả hơn.Tổn thất do lừa đảo ở Singapore tăng mạnh lên hơn 1,1 tỷ đô la Singapore vào năm ngoái, với việc chính quyền cân nhắc đến việc đánh roi như một hình phạt có thể để răn đe những kẻ vi phạm. Mặc dù một số vụ lừa đảo đã giảm, tổn thất tài chính vẫn ở mức cao, đặc biệt là đối với những người lớn tuổi bị lừa đảo "bạn giả".
AnaisCác cuộc tấn công lừa đảo sử dụng AI đang nhắm vào các giám đốc điều hành cấp cao tại các công ty như eBay bằng các email được cá nhân hóa và thuyết phục cao, khiến chúng khó bị phát hiện hơn. Những vụ lừa đảo này đang bỏ qua các hệ thống bảo mật truyền thống và làm tăng nguy cơ vi phạm dữ liệu và mất mát tài chính.
AnaisĐằng sau sự thịnh vượng ngày càng tăng của văn hóa MEME, thực sự có sự cạnh tranh lợi ích liên quan đến nhiều thế lực. Những người tham gia từ tất cả các bên là lực lượng chủ chốt trong việc thúc đẩy sự nóng lên liên tục của thị trường MEME, và một số thậm chí còn sử dụng kỹ năng của mình để thu được lợi nhuận khổng lồ và trở thành người hưởng lợi trực tiếp từ bữa tiệc này.
JinseFinanceRimar Capital đã giải quyết các cáo buộc với SEC vì đã lừa dối các nhà đầu tư về nền tảng AI không tồn tại của mình, dẫn đến việc các giám đốc điều hành của công ty phải chịu hình phạt và lệnh cấm trong ngành.
DanteCharles Hoskinson cảnh báo về mối đe dọa ngày càng tăng của các vụ lừa đảo do AI điều khiển trong không gian tiền điện tử, nhấn mạnh sự cần thiết phải cảnh giác.
Huang BoChi tiết sau khi chết và các bước tiếp theo
OthersNhiều công ty đầu tư tiền điện tử đã nhận được nhãn “cảnh báo” trên giao thức cho vay Clearpool vì đã rút gần như lượng tín dụng tối đa từ nhóm tín dụng của họ.
Coindesk
BeincryptoINTERNET CITY, DUBAI, ngày 20 tháng 6 năm 2022 – LBank Exchange, một nền tảng giao dịch tài sản kỹ thuật số toàn cầu, sẽ niêm yết Đối tác thanh khoản của tôi ...
BitcoinistVIA đang cố gắng giải quyết một trong những vấn đề nghiêm trọng nhất trong Web3: trải nghiệm xuyên chuỗi kém.
Ftftx