समजा आपल्याला एखाद्या कंपनीच्या व्यवहारांमध्ये गेल्या महिन्यात काही घोटाळे झाले आहेत का हे शोधायचे आहे. आपण गृहीत धरू की त्या घोटाळ्याच्या काही खुणा व्यवहारांशी संबंधित डेटामध्ये कुठे तरी असतील. उदाहरणादाखल मुंबईतील नॅशनल स्टॉक एक्स्चेंजमध्ये ५ जून २०२४ या एकाच दिवसात १९७१ कोटी शेअर खरेदी-विक्रीच्या मागण्या नोंदवल्या गेल्या होत्या आणि २८.५ कोटी शेअर-व्यवहार झाले. इतक्या प्रचंड डेटाचे वेगवेगळ्या दृष्टिकोनातून विश्लेषण करायला शक्तिमान संगणक, कार्यक्षम अल्गोरिदम्स आणि त्यांचे आऊटपुट तपासून निष्कर्ष काढण्यासाठी अनुभवी विशेषज्ञ लागणारच. या किचकट कामात संख्याशास्त्र, संगणकशास्त्र, एआय, मशीन लर्निंग आदी अनेक क्षेत्रांतील वेगवेगळी तंत्रे वापरली जातात.

जर आपण एक विशिष्ट प्रकारचा घोटाळा शोधत असू आणि या घोटाळ्याची आधी पकडलेली अनेक उदाहरणे आपल्याला माहीत असतील, तर आपण सुपरवाईज्ड मशीन लर्निंग तंत्रे वापरू शकतो. ही तंत्रे घोटाळ्याची दिलेली उदाहरणे आणि सामान्य व्यवहाराची दिलेली उदाहरणे यातील सूक्ष्मातिसूक्ष्म फरक शोधून काढतात, ज्याला मॉडेल (प्रारूप) म्हणतात. मग हेच मॉडेल वापरून दिलेला नवीन व्यवहार नॉर्मल असण्याची किंवा घोटाळा असण्याच्या शक्यतेचे भाकीत ती अल्गोरिदम करते. जर या मॉडेलने दिलेला एखादा व्यवहार घोटाळा असण्याची खूपच जास्त शक्यता वर्तवली असेल तर हा घोटाळा अधिक सखोल चौकशीसाठी विशेषज्ञाकडे सोपवला जातो

मराठीतील सर्व नवनीत बातम्या वाचा. मराठी ताज्या बातम्या (Latest Marathi News) वाचण्यासाठी डाउनलोड करा लोकसत्ताचं Marathi News App.
Web Title: Loksatta kutuhal artificial intelligence for anomaly detection in financial transactions amy
First published on: 02-07-2024 at 06:09 IST