Система на базе искусственного интеллекта, использующая квантовые вычисления и федеративное обучение, решает проблемы межгосударственного регулирования и создает новую парадигму эффективности и конфиденциальности данных. Глобальная финансовая система функционирует со сложной сетью правил, которые сильно различаются в зависимости от юрисдикции и создают постоянные проблемы для финтех-новичков и устоявшихся институтов.
Такая фрагментация регулирования может препятствовать инновациям и приводить к операционной неэффективности. Для решения этой проблемы Моаззам Вахид, старший инженер-программист с более чем 15-летним международным опытом и основатель Ethos Explorer, платформы философии и этики искусственного интеллекта, предлагает свой подход.
Его решение на базе искусственного интеллекта и работа в области квантовых вычислений повлияли на его интерес к регуляторным технологиям, или RegTech, как к ответу на такие сложные вопросы соответствия требованиям. FinLabX, система на базе искусственного интеллекта, разработанная Вахидом, включает в себя оптимизацию с квантовым ускорением и федеративное обучение, а также автоматизирует процессы соответствия требованиям.
В многоюрисдикционной симуляции проект продемонстрировал значительное сокращение времени проверки и стоимости транзакций, а также сохранил суверенитет данных. Работа, разработанная совместно с международными регуляторами, представляет собой функционирующий шаблон того, как технологии следующего поколения могут решать давние проблемы отрасли и создавать более эффективную и безопасную глобальную финансовую систему.
Основной мотивацией для применения квантовых вычислений к соблюдению нормативных требований стало наблюдение, что финансовые организации часто сталкиваются с лоскутным одеялом меняющихся правил. Эта динамичная среда создает сложный ландшафт для предприятий, стремящихся к инновациям, оставаясь при этом в соответствии с требованиями.
Вычислительная мощность квантовых вычислений предоставила возможность управлять огромными объемами данных о соответствии требованиям с большей скоростью и точностью.
“Я заметил, что финтех-стартапы, цифровые банки, платежные процессоры и регулируемые финансовые учреждения часто сталкиваются со значительными проблемами, пытаясь соответствовать постоянно меняющимся правилам в разных юрисдикциях”, – заявляет Вахид. Он отмечает, что эти проблемы оказывают непосредственное влияние на бизнес-операции.
“Эти проблемы замедляют инновации и создают неэффективность. Изучая квантовые вычисления, я пришел к выводу, что они могут помочь обрабатывать огромные объемы данных о соответствии требованиям быстрее и точнее, делая соблюдение нормативных требований более плавным и эффективным процессом”.
Этот подход согласуется с переходом отрасли к модели “Знай свои данные”, хотя практическая интеграция новых решений RegTech остается ключевым препятствием для глобальных фирм.
Универсальный подход неэффективен для глобального RegTech из-за больших различий в нормативных требованиях между регионами. Опыт Вахида в США, Великобритании и Азии повлиял на разработку FinLabX, которая была создана как изначально гибкая и адаптируемая.
Система должна была учитывать конкретные потребности финтех-компаний, работающих в разных и часто противоречивых нормативных рамках.
“Мой опыт работы в США, Великобритании и Азии позволил мне лучше понять различные нормативные среды и конкретные потребности финтех-компаний в каждом регионе”, – объясняет Вахид. Это понимание было критически важным для архитектуры системы. “Я разработал FinLabX, регуляторную систему на базе искусственного интеллекта, чтобы она была гибкой и адаптируемой, позволяя компаниям тестировать свои стратегии соответствия требованиям и быть в курсе изменений в нормативных требованиях таким образом, чтобы это соответствовало конкретным потребностям каждого региона”.
Эта адаптивность имеет решающее значение для развития кадрового резерва для передовой финансовой инфраструктуры и для тестирования новых технологий, таких как трансграничные CBDC, в рамках регуляторных песочниц.
Одной из основных технических проблем было согласование вероятностной природы квантовой оптимизации с детерминированными системами, основанными на правилах, традиционного соответствия требованиям. Стандартные инструменты соответствия требованиям работают с четко упорядоченными рабочими процессами, а квантовые алгоритмы несут в себе элемент неопределенности, который требует тщательной обработки.
Также потребовалась переработка частей рабочего процесса для обработки прогнозов, полученных с помощью квантовых вычислений, при выполнении таких задач, как оценка рисков и проверка политик. “Одной из основных проблем, с которыми я столкнулся, было преодоление разрыва между чрезвычайно экспериментальной природой квантовой оптимизации и жесткими и четко упорядоченными рабочими процессами традиционных систем соответствия требованиям”, – предполагает Вахид.
Получение результатов, понятных технически менее подготовленным лицам, также вызывало беспокойство. “Обеспечение интерпретируемости и регуляторной объяснимости квантовых моделей представляло собой еще одну важную проблему, которую я решил с помощью визуальных индикаторов и упрощенных объяснений искусственного интеллекта, которые могли быть поняты сотрудниками по соблюдению нормативных требований с нетехнической точки зрения”, – предлагает Вахид.
Такие согласования используют квантовые алгоритмы, такие как оптимизация на основе QAOA и вычисление показателей риска на основе оценки квантовой амплитуды (QAE), которые могут обеспечить квадратичное ускорение классических методов.
Законы о трансграничной передаче данных, особенно в таких регионах, как ЕС и Юго-Восточная Азия, представляют собой серьезное препятствие для обучения глобальных моделей искусственного интеллекта. Федеративное обучение предоставляет решение, позволяя обучать модели на локализованных данных без перемещения конфиденциальной информации из ее родной среды.
Этот метод был необходим для FinLabX, позволяя совместно улучшать модель, соблюдая при этом суверенитет данных.
“Федеративное обучение позволило мне обучать модели в разных юрисдикциях, не перемещая конфиденциальные данные из их соответствующих сред”, – говорит Вахид. “Это было крайне важно для поддержания суверенитета данных, особенно в таких регионах, как ЕС и Юго-Восточная Азия, где законы о трансграничной передаче данных строгие”.
Процесс включает в себя обмен только обновлениями модели, а не базовыми необработанными данными. “Это безопасный, уважающий конфиденциальность метод, который способствует инновациям, не нарушая правила”.
Этот подход является ключевым компонентом вертикального федеративного обучения (VFL), междисциплинарной области с приложениями в финансах. Он также занимает центральное место в таких структурах, как Compliance-as-Code 2.0, которая использует федеративное обучение для смягчения регуляторного дрейфа.
Внедрение новых технологий в финансовую индустрию требует тесного сотрудничества с регулирующими органами. Пилотные программы для FinLabX были созданы благодаря взаимодействию с регулирующими органами в Европе и Юго-Восточной Азии, которые были открыты для изучения новых технологий.
Платформа была представлена как совместный эксперимент, который помог определить объем и ключевые показатели для пилотных проектов, включая точность проверки и возможность аудита ИИ.
“Я начал с взаимодействия с дальновидными регулирующими органами в обоих регионах, которые были открыты для изучения новых технологий, таких как ИИ и квантовые вычисления. Я представил FinLabX как совместный эксперимент, а не просто продукт”, – вспоминает Вахид.
Это партнерство сыграло важную роль в разработке проекта. “На протяжении всего пилотного проекта я поддерживал тесные циклы обратной связи с командами по соблюдению нормативных требований и экспертами по политике, итерируя на основе реальных наблюдений. Белая книга стала естественным результатом этих знаний, написанная в соавторстве для документирования методов, проблем и измеримого воздействия”. Этот дух сотрудничества отражен в четырех руководящих принципах, предложенных Всемирным экономическим форумом и FCA, для информирования о глобальных регуляторных подходах к квантовой безопасности.
Сообщенное проектом снижение затрат на транзакцию на 40% и ускорение времени проверки на 60% стали результатом конкретных проектных решений. К ним относятся автоматизация повторяющихся задач по соблюдению нормативных требований, таких как сопоставление политики с доказательствами, и внедрение моделей оценки на основе искусственного интеллекта для прогнозирования соблюдения политики. Это позволило осуществить более раннее вмешательство и уменьшило потребность в полных ручных проверках.
“Хотя FinLabX не является песочницей, эти улучшения производительности возникли благодаря ключевым проектным решениям”, – поясняет Вахид. Геймификация также использовалась для мотивации команд и сокращения времени простоя.
“Использование моделей с квантовой поддержкой во время пиковых нагрузок помогло оптимизировать распределение ресурсов, что дало FinLabX преимущество в производительности без ущерба для точности или возможности аудита”. Потенциал алгоритмов квантового машинного обучения (QML) для обработки сложных финансовых данных является растущей областью исследований, и прогнозы показывают, что они могут выполнять задачи управления рисками в режиме реального времени за считанные минуты, как только будет доступно достаточно логических кубитов.
Целостность аудиторских следов является краеугольным камнем соблюдения нормативных требований. В отличие от классической криптографии, которая основана на предположениях о вычислительной сложности, уязвимых для квантовых атак, квантовые криптографические доказательства выводятся из принципов квантовой физики.
Это делает их по своей сути устойчивыми к несанкционированному вмешательству и проверяемыми в режиме реального времени, предлагая более высокий стандарт безопасности и доверия.
“Квантовые криптографические доказательства добавляют дополнительный уровень безопасности и доверия к процессу аудита”, – отмечает Вахид. Эта технология предоставляет регулирующим органам более надежные доказательства и снижает вероятность манипуляций.
“Я вижу, что это становится новым золотым стандартом в секторах с высоким уровнем риска, таких как финансы и здравоохранение, где доказательства несанкционированного вмешательства и прозрачность не подлежат обсуждению. Это устанавливает новый эталон для возможности аудита в системах соответствия требованиям по всему миру”.
Этот сдвиг вынуждает финансовые учреждения внедрять постквантовую криптографию (PQC), при этом такие структуры, как DORA и Директива NIS2 ЕС, затрудняют для фирм без плана миграции PQC демонстрацию соответствия требованиям.
Основные компоненты плана FinLabX – объяснимый ИИ, федеративное обучение и прогнозирование с квантовым улучшением – применимы и за пределами финансового сектора. Такие отрасли, как здравоохранение, юридические технологии и кибербезопасность, которые также требуют строгого соблюдения нормативных требований и обеспечения соблюдения политики, могут адаптировать эту модель.
Структура предназначена для содействия развитию культуры проактивной подотчетности, а не просто для обеспечения соответствия требованиям.
“Я считаю, что план FinLabX хорошо адаптируется в секторах, требующих строгого соблюдения нормативных требований и обеспечения соблюдения политики, таких как здравоохранение, юридические технологии и кибербезопасность”, – говорит Вахид. “Сочетая объяснимый ИИ, федеративное обучение и прогнозирование с квантовым улучшением, я построил модель, которая не только обеспечивает соответствие требованиям, но и способствует развитию культуры проактивной подотчетности. Поскольку регулирующие органы во всем мире модернизируются, я считаю, что этот подход будет использоваться в качестве отправной точки для будущих структур, которые уравновешивают инновации с ответственным управлением”.
Адаптируемость этих технологий уже демонстрируется в других областях, таких как предлагаемое использование квантово-защищенной периферийной системы ИИ и блокчейна для смягчения последствий контрафактной продукции в цепочках поставок.
Система Вахида предлагает передовой шаблон для управления сложными нормативными требованиями в мире глобализации. Соединяя квантовые вычисления и федеративное обучение с объяснимым ИИ, проект открывает возможный путь к большей эффективности, большей безопасности и большей ясности соответствия требованиям.
Превосходное руководство по использованию технологий в качестве решения фундаментальных проблем, работа устанавливает новый стандарт для RegTech и масштабируемый шаблон, который можно использовать в других регулируемых областях.
Всегда имейте в виду, что редакции некоторых изданий могут придерживаться предвзятых взглядов в освещении новостей.
8/6
Автор – Carl Williams
