根據特朗普的指導方針，此次聲明的核心並非某個具體的政治議題，而是“調查效率”以及應對“基於人工智能的犯罪”。隨著區塊鏈分析公司TRM Labs向執法機構引入人工智能代理，追蹤加密貨幣犯罪的方法正變得越來越“對話化”。
面向調查機構的人工智能代理，“以自然語言跟蹤指令”
TRM Labs於當地時間26日宣佈，執法機構可以使用其分析工具中嵌入的人工智能代理。關鍵在於，即使沒有專門的查詢或複雜的技術輸入，如果調查人員使用日常語言提出請求，例如“顯示資金流向”，系統也能將其轉化為調查所需的複雜分析任務。
這項功能已嵌入TRM Labs的“TRM Forensics”服務中。該服務不僅被調查機構廣泛應用，也被加密貨幣公司和金融機構所採用。該公司解釋說，該服務“將自然語言提示轉化為複雜的調查行動”。其目標是在與時間賽跑的非法資金追蹤中，通過縮短初始分析時間來加速追蹤“不法分子”。
非法加密貨幣市場價值1580億美元……調查需求超過人力增長
TRM Labs分析顯示，去年非法加密貨幣交易額高達1580億美元（約合237.2萬億韓元）。隨著市場規模的擴大，洗錢、黑客攻擊、勒索軟件和欺詐等犯罪類型也日趨複雜，業內普遍擔憂調查機構處理的案件數量增長速度已超過人員擴充速度。
TRM Labs法律與政府關係主管阿里·雷德博德表示：“我們每天都看到案件數量的增長速度超過了人力增長速度。調查人員必須同時處理數十個區塊鏈、多個司法管轄區以及各種類型的犯罪案件。”這意味著，能夠減少重複性工作的自動化工具已變得至關重要，因為他們必須在多鏈環境中同時深入研究地址聚類、交易路徑和服務鏈接點。
人工智能欺詐和詐騙案件激增500%……深度偽造和自動化加劇了威脅
TRM Labs 還強調，利用人工智能的欺詐和詐騙活動正在激增。該部門負責人 Redboard 認為，如果執法機構利用人工智能工具，就能幫助他們應對“基於人工智能的欺詐和詐騙活動的快速增長”。TRM Labs 的數據顯示，相關犯罪增加了 500%，並解釋說，犯罪分子正在利用自動化、深度偽造和人工智能工具，以前所未有的速度和精度“擴大”犯罪規模。
然而，隨著人工智能在調查領域的應用不斷擴展，結果解讀的問責制、證據價值、偏見風險和誤報等問題也隨之出現。最終，儘管“自然語言分析”的廣泛應用將降低准入門檻，但批評人士指出，驗證這些工具所得出結論的系統和標準也必須相應加強。
🔎 市場分析
- TRM Labs 將面向調查機構的“對話式（自然語言）”人工智能代理集成到 TRM Forensics 中，強化了區塊鏈犯罪跟蹤從以查詢為中心向以提示為中心的轉變。
隨著非法加密貨幣交易量（每年 1580 億美元）和利用人工智能的犯罪活動（增長 500%）的增加，對調查的需求激增，導致自動化和人工智能工具的採用正成為“必要的基礎設施”，而不是一種“選擇”。
- 在多鏈和多司法管轄區環境中，快速執行地址聚類、交易路徑分析和服務接觸點識別的能力與監管合規性和生態系統信譽直接相關。
💡戰略要點
- 調查機構/合規團隊：使用自然語言指令縮短初步分析時間，同時規範二次驗證（人工審查）和關鍵結論的可重複證據日誌（相關性評估、歸因估計）。
- 加密貨幣公司/金融機構：在使用 TRM 取證工具時，應事先建立針對“誤報”（爭議/提交證據/重新評估）的響應流程，以最大限度地減少客戶損失和運營風險。
- 市場層面：為了應對基於人工智能的欺詐（深度偽造和自動化詐騙）的蔓延，有必要將客戶准入（KYC）、異常檢測和客戶溝通渠道（網絡釣魚預防）升級為“人工智能響應”能力。
📘 詞彙表
- AI 代理：一種基於人工智能的工具，它接收用戶的自然語言請求，並自動執行各種分析步驟以實現目標。
- 自然語言提示：一種使用日常用語而不是技術命令來指示系統的輸入方法。
- TRM Forensics：TRM Labs 的區塊鏈分析服務，用於調查和合規性分析（資金流動、關聯地址、服務觸點等分析）
- 聚類（地址分組）：一種分析多個可能由同一實體控制的錢包地址的技術，將其估計為一個單一的組。
- 誤報：將合法交易或用戶錯誤地識別為與犯罪有關的錯誤。
- 深度偽造：一種利用人工智能操縱視頻和音頻使其看起來逼真的技術，可被用於欺詐或冒充他人。
💡 常見問題解答 (FAQ)
問：
TRM Labs面向調查機構的AI代理發生了哪些變化？
以前，人們必須瞭解專門的查詢或分析程序，但現在，如果您用自然語言發出命令，例如“告訴我這個地址的錢去了哪裡”，系統會自動將其轉換為各種分析步驟（追蹤交易路徑、識別相關地址等）並執行這些步驟。
問：
為什麼需要這樣的工具？
隨著非法加密貨幣交易規模不斷擴大（每年高達1580億美元），以及涉及多鏈和多司法管轄區的案件日益增多，調查工作量的增長速度已經超過了人力增長速度。人工智能代理旨在通過減少重複性初始分析所花費的時間來提高追蹤速度。
問：
如果使用人工智能實現調查自動化，會產生哪些副作用？
誤報（將合法用戶錯誤識別為犯罪分子）、偏見、結果解讀的責任以及證據的可採納性等問題都可能增加。因此，與其僅僅確認人工智能的結論，不如建立一個結合可復現證據（日誌/分析路徑）、人工審核和標準化驗證程序的系統。
TP AI 重要提示
本文已使用基於 TokenPost.ai 的語言模型進行摘要。原文的關鍵點可能被省略或不準確。
實時新聞……請前往 TokenPost Telegram
你最大的風險不是市場，而是你自己。
查看我的投資基因 →<版權所有 ⓒ TokenPost，未經授權禁止複製和傳播>
