Аудиторам бывает непросто вычислить тех, кто мошенничает со страховками: ежегодные потери казны США, связанные с мошенничеством или растратой по этой статье, оцениваются в $19-65 млрд. Теперь во Флоридском атлантическом университете предлагают доверить работу с заявлениями о выплате роботам.

С помощью машинного обучения алгоритмы могут изучать миллионы документов и передавать специалистам те, которые кажутся подозрительными, отмечает EurekAlert.

Под мошенническими действиями в США понимают пренебрежение пациентами, а также выставление счетов за неоказанные услуги. Очень часто врачи-мошенники составляют документы, в которых указывают не ту специальность (например, дерматолог вместо кардиолога). Есть и другие параметры, по которым аудиторы пытаются вычислить махинаторов.

В исследовании машины работали с документами Medicare за 2012–2015 год. На примере 3,7 млн записей алгоритмы обучились вычислять подозрительные случаи.

«Наша цель — позволить машинам обрабатывать все эти данные и отмечать что-либо подозрительное. Затем мы можем передать результаты следователям и аудиторам, которым нужно будет сосредоточиться только на 50 случаях вместо 500», — пояснил автор исследования Ричард Баудер.

Анализ больших данных оказался действенным способом выявления мошенников. Проблемой для авторов исследования стало то, что случаи афер оказались очень-очень редки. Такая несбалансированность данных мешает нейросетям правильно обучаться. Для этих целей ученые вычислили оптимальное соотношение: на 10 подозрительных записей 90 обычных.

Разработанный в Флоридском атлантическом университете метод можно использовать также для выявления мошенников на основании заполненных ими финансовых документов, утверждают авторы исследования.

В Китае ИИ активно используют в банковской сфере. Например, алгоритм по лицу заемщика решает, давать ему кредит или нет.

А в Испании похожий на американский ИИ-детектор лжи анализирует письменные заявления в полицию.