مقاله انگلیسی با ترجمه بکارگیری هوش مصنوعی برای مبارزه با پولشویی و توقیف اموال: طلوع عصر جدید

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی جدید که در دسته مقالات هوش مصنوعی Artificial Intelligence هست، منتشر کردیم. این مقاله یه مقاله جدید ISI و علمی پژوهشی هست که توی پایگاه امرالد در سال ۲۰۲۳ منتشر شده. فایل انگلیسی شامل ۱۲ صفحه PDF و فایل ترجمه ۱۷ صفحه WORD و قابل ویرایشه، مثل همیشه مقاله انگلیسی رو می تونید رایگان دانلود کنید. بخش هایی از ترجمه هم براتون رایگان گذاشتم که قبل از خرید ، کیفیت ترجمه رو بررسی کنید. از کیفیت ترجمه هم نگم براتون که مثل همیشه عالییییه. برای خرید ترجمه کامل مقاله روی گزینه خرید و دانلود آنی ترجمه کلیک کنید بعد از پرداخت لینک دانلود بهتون نشون داده میشه، به ایمیلتونم ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.

کد محصول: M1535

سال نشر: ۲۰۲۳

نام ناشر (پایگاه داده): امرالد

نام مجله: Journal of Money Laundering Control

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی: ۱۲ صفحه PDF

تعداد صفحه ترجمه فارسی:   ۱۷ صفحه WORD

قیمت فایل ترجمه شده:  ۶۴۰۰۰ تومان

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۳: بکارگیری هوش مصنوعی برای مبارزه با پولشویی و توقیف اموال: طلوع عصر جدید

عنوان کامل انگلیسی:

Deploying artificial intelligence for anti-money laundering and asset recovery: the dawn of a new era

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

هدف – هدف این مقاله بررسی انتقادی تحول دیجیتال در مبارزه با پولشویی (AML) و مقابله با تامین مالی تروریسم (CFT) بر اساس اصول گروه ویژه اقدام مالی (FATF) سن خوزه، اصول سازمان همکاری اقتصادی و توسعه (OECD) برای هوش مصنوعی (AI) و سند پیشنهادی هوش مصنوعی اتحادیه اروپا (EU) می باشد.  نویسندگان استدلال می‌کنند که ابزارهای هوش مصنوعی می‌توانند AML/CFT و توقیف دارایی‌ها را متحول کنند، اما نیاز به ایجاد تعادل بین بهینه‌سازی کارایی AML و حفظ حقوق اساسی وجود دارد.

طراحی/روش‌شناسی/رویکرد – این مقاله از گزارش‌ها، قوانین، تحقیقات حقوقی و سایر داده‌های منبع باز در مورد تحول دیجیتالی AML/CFT، به‌ویژه بکارگیری هوش مصنوعی در این زمینه، استفاده می‌کند.

یافته ها – یک چارچوب نظارتی جدید با پادمان های قوی برای کاهش ریسک های مرتبط با استفاده از فناوری های جدید در زمینه AML ضروری است.

نوآوری/ارزش – این مطالعه یکی از اولین پژوهش هایی است که استفاده از هوش مصنوعی را در زمینه AML/CFT با توجه به اصول FATF سن خوزه، اصول هوش مصنوعی OECD و سند پیشنهادی هوش مصنوعی اتحادیه اروپا بررسی می کند.

کلمات کلیدی: مبارزه با پولشویی (AML)، هوش مصنوعی (AI)، دیجیتالی سازی، توقیف اموال، شناخت مشتری (KYC)، نظارت بر معاملات

۱.مقدمه

استقرار فناوری های جدید برای مبارزه با پولشویی (AML) و مقابله با تامین مالی تروریسم (CFT) به عنوان یک “تغییر سرنوشت ساز” و “انقلابی رو به جلو” مورد استقبال قرار گرفته است (مک کینزی و شرکت، ۲۰۲۲؛ KPMG، ۲۰۱۸). فن آوری های جدید در این زمینه اغلب به عنوان فناوری نظارتی (RegTech) شناخته می شوند، زیرا آنها وعده بهبود پذیرش AML/CFT و افزایش ارائه الزامات قانونی را از طریق استفاده از هوش مصنوعی (AI) و زیر مجموعه‌های مختلف آن، مانند یادگیری ماشین و پردازش زبان طبیعی می‌دهند (مک کارتی، ۲۰۲۲؛ برینجولفسون و مک آفی، ۲۰۱۷؛ استون و همکاران، ۲۰۱۶). بدیهی است که تحول دیجیتالی در AML/CFT باید مطابق با مفاد مربوطه قوانین ملی و اتحادیه اروپا (EU) و همچنین قوانین نرم گروه ویژه اقدام مالی (FATF) که استانداردساز کلیدی جهانی در زمینه AML/CFT است، باشد…

۴.جمع بندی

صد سال پیش، کریستین لانگ، برنده جایزه صلح نوبل، با دقت متذکر شد که «فناوری خدمتگزار مفیدی است اما ارباب خطرناکی است» (لانژ، ۱۹۲۱)، و هشدار داد که پیشرفت‌های فناوری ممکن است دولت‌ها را وسوسه کند که از قدرت نامحدود استفاده کنند. در عصر هوش مصنوعی، این یک نگرانی حائز اهمیت نه تنها برای دولت ها، بلکه برای بزرگترین شرکت های جهان، از جمله شرکت های بیگتک و موسسات مالی بزرگ است. صنایع مالی و فناوری اطلاعات در حال حاضر انقلابی در انطباق با AML/CFT از طریق هوش مصنوعی برای کاهش ریسک‌های نظارتی و هزینه‌های انطباق و افزایش کارایی رویه آغاز کرده‌اند. در واقع، استفاده از هوش مصنوعی در AML/CFT می‌تواند با تجزیه و تحلیل مقادیر زیادی از داده‌های مالی و شناسایی سریع و دقیق فعالیت‌های مشکوک، به شناسایی و جلوگیری از پولشویی کمک کند. با این حال این موضوع چالش‌های نظارتی جدیدی از جمله حریم خصوصی، انصاف، توضیح‌پذیری و نظارت را ایجاد می‌کند (برتراند و همکاران، ۲۰۲۱؛ FATF، ۲۰۲۱a). انطباق با AML/CFT نباید به نظارت گسترده با کمک هوش مصنوعی ناخوشایند تبدیل شود و به مؤسسات مالی اجازه دهد کاری را انجام دهند که دولت ها نمی توانند مستقیماً انجام دهند.

Abstract  

Purpose – This paper aims to critically examine the digital transformation of anti-money laundering (AML) and countering the financing of terrorism (CFT) in light of the Financial Action Task Force (FATF) San Jose principles, the Organisation for Economic Co-operation and Development (OECD) principles for artificial intelligence (AI) and the proposed European Union (EU) Artificial Intelligence Act. The authors argue that AI tools can revolutionize AML/CFT and asset recovery, but there is a need to strike a balance between optimizing AML efficiency and safeguarding fundamental rights.

Design/methodology/approach – This paper draws on reports, legislation, legal scholarships and other open-source data on the digital transformation of AML/CFT, particularly the deployment of AI in this context.

Findings – A new regulatory framework with robust safeguards is necessary to mitigate the risks associated with the use of new technologies in the AML context.

Originality/value – This study is one of the first to examine the use of AI in the AML/CFT context in light of the FATF San Jose principles, the OECD AI principles and the proposed EU AI Act.

Keywords: Anti-money laundering (AML), Artificial intelligence (AI), Digitalization, Asset recovery, Know your customer (KYC), Transaction monitoring

۱.Introduction

The deployment of new technologies for anti-money laundering (AML) and countering the financing of terrorism (CFT) has been hailed as a “game changer” and an “up-and-coming revolution” (McKinsey and Company, 2022; KPMG, 2018). New technologies in this field are often referred to as regulatory technology (RegTech), for they promise to improve AML/ CFT compliance and enhance the delivery of regulatory requirements through the use of artificial intelligence (AI) and its various subsets, such as machine learning and natural language processing (McCarthy, 2022; Brynjolfsson and McAfee, 2017; Stone et al., 2016). Evidently, the ongoing digital transformation of AML/CFT must adhere to and keep pace with the relevant provisions of national and European Union (EU) laws, as well as the soft law rules of the Financial Action Task Force (FATF), which is the key global standardsetter in the field of AML/CFT…

۴.Concluding remarks

One hundred years ago, Nobel Peace Prize laureate Christian Lange discerningly noted that “technology is a useful servant but a dangerous master” (Lange, 1921), warning that technological advancements may tempt states to wield unrestricted power. In the era of AI, this is a justifiable concern not only for states but also for the world’s largest corporations, including Big Tech companies and major financial institutions. The financial and IT industries have already started revolutionizing AML/CFT compliance through AI to reduce regulatory risks and compliance costs and increase procedure efficiency. Indeed, the use of AI in AML/CFT can help detect and prevent money laundering by analysing vast amounts of financial data and identifying suspicious activity promptly and accurately. At the same time, however, it poses new regulatory challenges, including privacy, fairness, explainability and oversight (Bertrand et al., 2021; FATF, 2021a). AML/CFT compliance must not degenerate into dystopian AI-assisted massive surveillance, allowing financial institutions to do what states cannot do directly…