当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 专家提出人工智能解决数千亿美元税收漏洞的方案

专家提出人工智能解决数千亿美元税收漏洞的方案

来源:51CTO.COM 2023-04-26 12:39:37 0浏览 收藏

IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《专家提出人工智能解决数千亿美元税收漏洞的方案》,聊聊,我们一起来看看吧!

约翰斯·霍普金斯大学的人工智能和法律专家合作团队正在开发一种人工智能系统,该系统能够比税务会计师更有效地识别税务漏洞。其目的是减少因操纵税法而造成的年度税收缺口,估计约为5000亿美元。

专家提出人工智能解决数千亿美元税收漏洞的方案

研究小组正在开发一个名为Shelter Check(庇护所检查)的人工智能系统。该软件将使国会、美国国税局或法院能够仔细审查拟议的税收立法或裁决,以找出无意的漏洞。

“这就是为什么我们称之为庇护所检查——这就像一个拼写检查器,但对于避税天堂来说,”首席研究员、专门研究人工智能的约翰·霍普金斯大学计算机科学家Benjamin Van Durme在约翰·霍普金斯中心的一篇文章中说。“我们希望建立一个系统,可以阅读拟议的法律修改,并向国会和美国国税局通报税法的影响,或警告制定新政策的人注意意外的副作用。”

马里兰大学法学教授兼税务律师Andrew Blair Stanek和学生Nils Holzenberger也加入了Van Durme的行列,他也是Van Durme计算机科学项目的博士生。

错综复杂的美国税法网络有时可以让纳税人通过结合国会、财政部、美国国税局的各种裁决和相关法院裁决来规避纳税义务。

创建一个能够像人类税务专业人员一样熟练地理解和应用这一复杂税法的人工智能可能是一个具有挑战性的前景。法律语言错综复杂,税法包括数千页的表格,这些表格对解释税收结果至关重要。在该项目的早期阶段,该团队已经对ChatGPT和GPT-3进行了实验,但这两个人工智能模型都被税法难住了。

Blair Stanek在Hub的一篇文章中说:“GPT-3完全被税法弄糊涂了。”“从字面上看,在这些问题上扔硬币会得到50%的问题,而GPT-3只得到了大约70%。这些只是关于税法的基本问题,比如‘某某人是一个受抚养人,年收入10万美元,这个税收部分适用吗?’它无法处理。”

尽管存在这些最初的困难,研究人员仍然保持乐观,在使用GPT-4时,初步实验是有希望的。GPT-4是OpenAI最新的大型语言模型,具有扩展的推理能力。

该团队担心,开发类似的人工智能系统可能会发现更多的税收漏洞,因此该项目的进展备受关注。

然而,研究人员也相信,他们的人工智能可以适应医学和商业等领域的更广泛应用,这突出了他们工作的深远影响:“我计划在职业生涯的剩余时间里努力让它发挥作用。”Blair Stanek说。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
MySQL读写分离实现方法MySQL读写分离实现方法
上一篇
MySQL读写分离实现方法
MySQL的BIT数据类型是什么意思?
下一篇
MySQL的BIT数据类型是什么意思?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    284次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    337次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    335次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    303次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    124次使用