Maybe letting go a little, and letting other powers emerge and rise and the global order sort itself out isn’t necessarily such a bad thing

"ross douthat

There’s — I mean, there’s been this sort of bipartisan turn against the relationship that we had with China in the 1990s and 2000s, where we were sort of deeply, economically integrated, and assuming that integration would contribute to liberalization in China, which it obviously has not.

We’ve turned against that. Not just because China hasn’t liberalized, but because of this widespread sense that America has deindustrialized too far, that our trade policies have not worked out for American society as well as confident free traders thought in the 2000s. And this is how you have both the Trump administration and the Biden administration trying to sort of reset the trade arrangements with China, even as we are trying to arm up to defend Taiwan.

Those are sort of overlapping areas, but they’re also distinct. You could imagine a world where we say, look, it’s really important for the US to defend Taiwan and persuade China not to invade. But because of that, we need to have good economic relations with China. We shouldn’t always be in trade wars.

Or you could imagine saying no, we have to have this economic reset, even at the risk of incentivizing China to go to war and try and take over. If you’re having a trade war, it’s helpful to control all of the chip manufacturing infrastructure in Taiwan. So there’s a lot of different ways in which right now, you have multiple incentives in Washington, or multiple theories converging on escalation with China.

carlos lozada

I want to emphasize what Ross said about America’s economic policy toward China in the ‘90s, when the whole argument was, look, engage. Trade. Open things up. And then two things will happen — they’ll have a stake in the global economy, the Chinese will, and that economic openness will create this irresistible impulse toward political openness.

But that didn’t happen. The Chinese economy went gangbusters and the system grew even more authoritarian. And what I find so interesting about that is that it shows that, you know, one country rising , another falling, it’s not just kind of like the ebbs and flows of history. It’s specific things that we do sometimes.

Like, the United States enabled China’s economic rise. It did. It made a bet on how it would turn out. The bet ended up being wrong, right? And that was a huge part of what’s happened, and a huge part of why we’ve been having the conversation about China seeking to supplant America as the great superpower.

lydia polgreen

Well, and I think you could also say that America being the kind of dominant power in the world may not be a recipe for peace and maybe sort of security for all. And maybe part of the problem that as long as any one power is trying to dominate and set the terms of the global order, there are going to be these fissures.

And we should probably be humbled by the history of the last few decades, and think a little bit more carefully about our place in the world. And all of these internal, external, economic, political, security factors, they’re all pulling us in a direction potentially of being a little bit more focused on the home front. And thinking about, how do we secure ourselves, secure our future? And how do we let other countries go forward and do the same?

Our interests are not necessarily aligned. The United States and Europe have different interests in Ukraine and in the relationship with Russia, just given the dependencies. The rest of the world relies on Ukraine for food, for example. So they have a different perspective on it. And I think maybe letting go a little, and letting other powers emerge and rise and the global order sort itself out isn’t necessarily such a bad thing."

Galbūt, šiek tiek paleisti, leisti atsirasti ir kilti kitoms jėgoms, o pasaulinei tvarkai - susitvarkyti, nebūtinai yra toks blogas dalykas

"Douthat Ross

 

Yra, turiu galvoje, buvo toks dvišalis posūkis prieš santykius, kuriuos turėjome su Kinija 1990-aisiais ir 2000-aisiais, kai buvome tarsi giliai, ekonomiškai integruoti ir darant prielaidą, kad integracija prisidės prie Kinijos liberalizavimo, o tai akivaizdu, neturi pagrindo.

 

Mes atsisukome prieš tai. Ne tik todėl, kad Kinija nesiliberalizavo, bet ir dėl šio plačiai paplitusio jausmo, kad Amerika per daug deindustrializuojasi, kad mūsų prekybos politika nepasiteisino Amerikos visuomenei taip, kaip 2000-aisiais manė pasitikintys laisvieji prekybininkai. Ir štai kaip Trumpo administracija ir Bideno administracija bando iš naujo nustatyti prekybos susitarimus su Kinija, net kai mes bandome apsiginkluoti, kad ginti Taivaną.

 

Tai tarsi persidengiančios sritys, tačiau jos taip pat skiriasi. Galite įsivaizduoti pasaulį, kuriame sakome, žiūrėk, JAV tikrai svarbu ginti Taivaną ir įtikinti Kiniją nesiveržti. Tačiau dėl to turime palaikyti gerus ekonominius santykius su Kinija. Mes neturėtume visada dalyvauti prekybos karuose.

 

Arba galite įsivaizduoti, kad pasakytumėte „ne“, mes turime atkurti ekonomiką, net rizikuodami paskatinti Kiniją kariauti ir bandyti perimti valdžią. Jei vyksta prekybos karas, naudinga kontroliuoti visą lustų gamybos infrastruktūrą Taivane. Taigi šiuo metu yra daug įvairių būdų, kaip Vašingtone gali pasinaudoti įvairiomis paskatomis arba keliomis teorijomis, kurios susilieja dėl eskalavimo su Kinija.

 

Carlosas Lozada

 

Noriu pabrėžti, ką Rossas pasakė apie Amerikos ekonominę politiką Kinijos atžvilgiu 90-aisiais, kai visas ginčas buvo, žiūrėk, įsitrauk. Prekyba. Atidarykite dalykus. Ir tada įvyks du dalykai – jie turės akcijų pasaulio ekonomikoje, Kinija tai padarys, ir tas ekonominis atvirumas sukurs šį nenugalimą impulsą politiniam atvirumui.

 

Bet tai neįvyko. Kinijos ekonomika tapo uraganu, o sistema tapo dar labiau autoritarinė. Ir tai, kas man atrodo taip įdomu, yra tai, kad tai rodo, kad, žinote, viena šalis kyla, o kita krinta, tai ne tik, kaip istorijos atoslūgiai. Tai konkretūs dalykai, kuriuos kartais darome.

 

Kaip ir Jungtinės Valstijos leido Kinijos ekonomikai pakilti. Tai padarėme. Tai padarė statymą, kaip viskas pasisuks. Statymas baigėsi neteisingai, tiesa? Ir tai buvo didžiulė dalis to, kas įvyko, ir didžiulė dalis to, kodėl mes pradėjome pokalbį apie Kiniją, siekiančią išstumti Ameriką, kaip didžiąją supervalstybę.

 

lydia polgreen

 

Na, ir manau, kad taip pat galima sakyti, kad Amerika, būdama dominuojančia galia pasaulyje, gali būti ne taikos receptas, o gal ir saugumo visiems. Ir, galbūt, dalis problemos yra ta, kad tol, kol kuri nors viena valdžia bandys dominuoti ir nustatyti pasaulinės tvarkos sąlygas, tol bus šie įtrūkimai.

 

Ir turbūt turėtume nusižeminti pastarųjų kelių dešimtmečių istorijos ir šiek tiek atidžiau pagalvoti apie savo vietą pasaulyje. Ir visi šie vidiniai, išoriniai, ekonominiai, politiniai, saugumo veiksniai, jie visi traukia mus ta kryptimi, kuri gali būti šiek tiek labiau susitelkusi į namų frontą. O galvodami, kaip apsisaugoti, užsitikrinti savo ateitį? Ir kaip leisti kitoms šalims eiti į priekį ir daryti tą patį?

 

Mūsų interesai nebūtinai sutampa. Jungtinės Valstijos ir Europa turi skirtingus interesus Ukrainoje ir santykiuose su Rusija, vien atsižvelgiant į priklausomybes. Likęs pasaulis priklauso nuo Ukrainos maisto, pavyzdžiui. Taigi jie turi kitokį požiūrį į tai. Ir aš manau, kad, galbūt, šiek tiek paleisti, leisti atsirasti ir kilti kitoms jėgoms, o pasaulinei tvarkai - susitvarkyti, nebūtinai yra toks blogas dalykas."

 

Alphabet Launches Bank AI Tool --- Cloud unit aims to cut human input in screening for money- laundering risks.

"Financial institutions have long relied on human judgment to calibrate systems that help spot potentially risky transactions and customers. Now, Google Cloud wants them to let its artificial intelligence technology take greater control of that process.

Alphabet's cloud business on Wednesday announced the launch of a new AI-driven anti-money-laundering product. Like many other tools already on the market, the company's technology uses machine learning to help clients in the financial sector comply with regulations that require them to screen for and report potentially suspicious activity.

Where Google Cloud aims to set itself apart is by doing away with the rules-based programming that is typically an integral part of setting up and maintaining an anti-money-laundering surveillance program -- a design choice that goes against the prevailing approach to such tools and could be subject to skepticism from some quarters of the industry.

The product, an application programming interface dubbed Anti Money Laundering AI, has some notable users, including London-based HSBC, Brazil's Banco Bradesco and Lunar, a Denmark-based digital bank.

Its launch comes as leading U.S. tech companies are flexing their artificial intelligence capabilities following the success of generative AI app ChatGPT and a race by many in the corporate world to integrate such technology into a range of businesses and industries.

Financial institutions for years have relied on more traditional forms of artificial intelligence to help them sort through the billions of transactions some of them facilitate every day. The process typically starts with a series of human judgment calls, then machine-learning technology is layered in to create a system that enables banks to spot and review activity that might need to be flagged to regulators for further investigation.

Google Cloud's decision to do away with rules-based inputs to guide what its surveillance tool should be looking for is a bet on AI's power to solve a problem that has dogged the financial sector for years.

Depending on how they are calibrated, a financial institution's anti-money-laundering tools can flag too little or too much activity. Too few alerts can lead to questions -- or worse -- from regulators. Too many can overwhelm a bank's compliance staff, which is tasked with reviewing each hit and deciding whether to file a report to regulators.

Manually inputted rules drive up those numbers, Google Cloud executives argue. A user could tell the program to flag customers that deposit more than $10,000 or send several transactions of the same amount to over 10 accounts.

As a result, the number of system-generated alerts that turn out to be bad leads, or what the industry calls "false positives," tends to be high. Research by Thomson Reuters Regulatory Intelligence puts the percentage of false positives generated by such systems at as high as 95%.

With Google Cloud's product, users won't be able to input rules, but they will be able to customize the tool using their own risk indicators or typologies, executives said.

By using an AI-first approach, Google Cloud says its technology cut the number of alerts HSBC received by as much as 60%, while increasing their accuracy. HSBC's "true positives" went up by as much as two to four times,according to data cited by Google.

Jennifer Shasky Calvery, the group head of financial crime risk and compliance at HSBC and the former top U.S. anti-money-laundering official, said the technology developed by Google Cloud represented a "fundamental paradigm shift in how we detect unusual activity in our customers and their accounts."

For many financial institutions, ceding control to a machine-learning model could be a tough sell. For one, regulators typically want institutions to be able to clearly explain the rationale behind the design of their compliance program, including how they calibrated their alert systems. The usual line of thinking among banks and their regulators is that such systems should be tailor-made to the specific institution and its risk profile.

And while compliance experts say machine-learning-driven anti-money-laundering tools have improved over the years, their limitations have made some in the industry skeptical of their ability to substitute for a human's capacity to figure out where the risks actually lie.

"There's so much contextual information that isn't accounted for by these systems," Sarah Beth Felix, a consultant who helps banks vet and calibrate anti-money-laundering tools, said of the tools on the market. "AI is only as good as the humans who train it."

Google Cloud executives said they hope to ease these concerns, both by showing better results and through another feature of their product -- what they called its "explainability."

Instead of focusing on providing transaction alerts, the company's product draws on a range of data to identify instances and groups of high-risk retail and commercial customers. Anytime the product flags a particular customer, it also provides information about the underlying transactions and contextual factors that led to the high-risk score, said Zac Maufe, global head of regulated industries solutions at Google Cloud.

"We spent a lot of time making sure that the language that the model was able to provide to the analysts spoke their words," Maufe said. "It's not just 'give them the answer,' it's also 'show them the homework.'"

For her part, Calvery said getting regulators to accept HSBC's new approach was accomplished through testing and validation of the new tool." [1]

1. Cybersecurity: Alphabet Launches Bank AI Tool --- Cloud unit aims to cut human input in screening for money- laundering risks. Tokar, Dylan. 
Wall Street Journal, Eastern edition; New York, N.Y. [New York, N.Y]. 22 June 2023: B.5.

 

„Alphabet“ pristato banko dirbtino intelekto (AI) įrankį --- „Cloud“ padalinys siekia sumažinti žmogaus indėlį į pinigų plovimo rizikos patikrinimą

„Finansų institucijos jau seniai pasitikėjo žmogaus nuomone, kalibruodamos sistemas, kurios padeda pastebėti potencialiai rizikingas operacijas ir klientus. Dabar „Google Cloud“ nori, kad jos leistų dirbtinio intelekto technologijai labiau kontroliuoti šį procesą.

 

     „Alphabet“ debesų verslas trečiadienį paskelbė, kad pristato naują dirbtiniu intelektu pagrįstą kovos su pinigų plovimu produktą. Kaip ir daugelis kitų rinkoje jau esančių įrankių, bendrovės technologija naudoja mašininį mokymąsi, kad padėtų klientams finansų sektoriuje laikytis taisyklių, reikalaujančių, kad jie patikrintų galimai įtartiną veiklą ir praneštų apie ją.

 

     „Google Cloud“ siekia išsiskirti, atsisakydama taisyklėmis pagrįsto programavimo, kuris paprastai yra neatskiriama pinigų plovimo priežiūros programos sukūrimo ir priežiūros dalis – tokio dizaino pasirinkimas prieštarauja vyraujančiam požiūriui į tokią programą. ir kai kurie pramonės atstovai gali turėti daug skepticizmo.

 

     Produktas, programų programavimo sąsaja, pavadinta Anti Money Laundering AI, turi keletą žymių vartotojų, įskaitant Londone įsikūrusią HSBC, Brazilijos Banco Bradesco ir Danijos skaitmeninį banką Lunar.

 

     Ji pradedama naudoti tuo metu, kai pirmaujančios JAV technologijų įmonės išplečia savo dirbtinio intelekto galimybes po generacinės AI programos ChatGPT sėkmės ir daugelio verslo pasaulio atstovų lenktynių integruoti tokią technologiją į įvairias verslo sritis ir pramonės šakas.

 

     Finansų institucijos daugelį metų rėmėsi tradicinėmis dirbtinio intelekto formomis, kad padėtų joms surūšiuoti milijardus operacijų, kurias kai kurios iš jų sudaro kasdien. Procesas paprastai prasideda nuo daugybės žmogaus sprendimų, tada mašininio mokymosi technologija yra įdiegta, kad būtų sukurta sistema, leidžianti bankams pastebėti ir peržiūrėti veiklą, kurią gali reikėti pažymėti reguliavimo institucijoms tolesniam tyrimui.

 

     „Google Cloud“ sprendimas atsisakyti taisyklėmis pagrįstos įvesties, kad nustatytų, ko turėtų ieškoti jos stebėjimo įrankis, yra lažybos dėl AI galios išspręsti problemą, kuri daugelį metų kamuoja finansų sektorių.

 

     Priklausomai nuo to, kaip jie sukalibruotos, finansų įstaigos kovos su pinigų plovimu priemonės gali rodyti per mažą arba per didelę veiklą. Per mažai įspėjimų reguliavimo institucijoms gali kilti klausimų arba dar blogiau. Per daug gali priblokšti banko atitikties personalą, kuriam pavesta peržiūrėti kiekvieną atitiktį ir nuspręsti, ar pateikti ataskaitą reguliavimo institucijoms.

 

     „Google Cloud“ vadovai tvirtina, kad rankiniu būdu įvestos taisyklės padidina šiuos skaičius. Vartotojas gali nurodyti programai pažymėti klientus, kurie įneša daugiau nei 10 000 solerių arba siunčia kelias tos pačios sumos operacijas į daugiau, nei 10 sąskaitų.

 

     Dėl šios priežasties sistemos sugeneruotų įspėjimų, kurie pasirodo esąs blogais potencialiais klientais, arba tai, ką pramonė vadina „klaidingais teigiamais pranešimais“, skaičius paprastai būna didelis. Thomson Reuters Regulatory Intelligence tyrimai rodo, kad tokių sistemų sugeneruotų klaidingų teigiamų rezultatų procentas siekia net 95%.

 

     Naudodami „Google Cloud“ produktą, vartotojai negalės įvesti taisyklių, tačiau galės pritaikyti įrankį, naudodami savo rizikos rodiklius ar tipologijas, sakė vadovai.

 

     „Google Cloud“ teigia, kad naudojant AI principą, jos technologija sumažino HSBC gaunamų įspėjimų skaičių net 60%, tuo pačiu padidindama jų tikslumą. Remiantis „Google“ nurodytais duomenimis, HSBC „tikrieji teigiami rezultatai“ išaugo net nuo dviejų iki keturių kartų.

 

     Jennifer Shasky Calvery, HSBC finansinių nusikaltimų rizikos ir reikalavimų laikymosi grupės vadovė ir buvus aukščiausia JAV kovos su pinigų plovimu pareigūnė, teigė, kad „Google Cloud“ sukurta technologija yra „pagrindinis paradigmos pokytis, kaip aptinkame neįprastą savo klientų veiklą ir jų sąskaitas“.

 

     Daugeliui finansų įstaigų kontrolės perdavimas mašininio mokymosi modeliui gali būti sunkus pardavimas. Pirma, reguliavimo institucijos paprastai nori, kad institucijos galėtų aiškiai paaiškinti savo atitikties programos pagrindą, įskaitant tai, kaip kalibravo įspėjimo sistemas. Įprasta bankų ir jų reguliavimo institucijų nuomonė yra ta, kad tokios sistemos turėtų būti pritaikytos konkrečiai institucijai ir jos rizikos profiliui.

 

     Ir nors atitikties ekspertai teigia, kad mašininiu mokymu pagrįstos kovos su pinigų plovimu priemonės, bėgant metams, tobulėjo, dėl jų apribojimų kai kurie pramonės atstovai skeptiškai žiūri į jų gebėjimą pakeisti žmogaus gebėjimą išsiaiškinti, kur iš tikrųjų slypi rizika.

 

     „Yra tiek daug kontekstinės informacijos, į kurią šios sistemos neatsižvelgia“, – apie rinkoje esančius įrankius sakė konsultantė Sarah Beth Felix, padedanti bankams tikrinti ir kalibruoti kovos su pinigų plovimu įrankius. „AI yra geras tik tiek, kiek jį treniruojantys žmonės yra geri".

 

     „Google Cloud“ vadovai teigė, kad tikisi palengvinti šiuos rūpesčius ir parodydami geresnius rezultatus, ir naudodami kitą savo produkto funkciją – tai, ką jie pavadino „paaiškinimu“.

 

   Užuot sutelkusi dėmesį į įspėjimų apie sandorius teikimą, įmonės produktas remiasi įvairiais duomenimis, kad nustatytų didelės rizikos mažmeninių ir komercinių klientų atvejus ir grupes. Kiekvieną kartą, kai produktas pažymi konkretų klientą, jame taip pat pateikiama informacija apie pagrindines operacijas ir kontekstinius veiksnius, kurie lėmė didelės rizikos balą, sakė Zac Maufe, pasaulinis „Google Cloud“ reguliuojamų pramonės sprendimų vadovas.

 

     „Mes praleidome daug laiko, įsitikindami, kad kalba, kurią modelis galėjo pateikti analitikams, pasakytų jų žodžius“, - sakė Maufe. „Tai ne tik „duokite jiems atsakymą“, bet ir „parodykite jiems namų darbus“.

 

     Savo ruožtu Calvery teigė, kad, kai reguliuotojai buvo priversti priimti naująjį HSBC požiūrį, tai buvo pasiekta, išbandant ir patvirtinus naująjį įrankį." [1]

1. Cybersecurity: Alphabet Launches Bank AI Tool --- Cloud unit aims to cut human input in screening for money- laundering risks. Tokar, Dylan. 
Wall Street Journal, Eastern edition; New York, N.Y. [New York, N.Y]. 22 June 2023: B.5.