ইলন মাস্কের ডিপার্টমেন্ট অফ গভর্নমেন্ট এফিসিয়েন্সি, বা DOGE, সরকারের ২ ট্রিলিয়ন ডলারের জালিয়াতি উদঘাটন করতে পারেনি, যা মাস্ক প্রাথমিকভাবে সম্ভব বলেছিলেন, কিন্তু মাস্কের সহযোগীরা মনে করেন যে প্রাথমিক প্রত্যাশা পূরণ না হওয়া সত্ত্বেও এই প্রচেষ্টার মূল্য রয়েছে। পর্যবেক্ষকদের মতে, DOGE-এর প্রধান লক্ষ্য ছিল ফেডারেল ব্যয় উল্লেখযোগ্যভাবে হ্রাস করা, কিন্তু এর প্রভাব সীমিত ছিল।

মাস্ক সম্প্রতি একটি পডকাস্টে DOGE-এর সীমিত সাফল্যের কথা স্বীকার করেছেন। মাস্ক বলেন, "এটি সামান্য সফল ছিল," যা তার আগের, আরও আশাবাদী মূল্যায়ন থেকে সরে আসা।

এই স্বীকারোক্তি সত্ত্বেও, মাস্ক ব্যাপক সরকারি জালিয়াতির দাবি পুনরুজ্জীবিত করেছেন। X-এ, তিনি অনুমান করেছেন যে জালিয়াতির পরিমাণ ফেডারেল বাজেটের প্রায় ২০%, বা বার্ষিক ১.৫ ট্রিলিয়ন ডলার, আরও যোগ করেছেন, "সম্ভবত আরও বেশি।" এই দাবিগুলি ডোনাল্ড ট্রাম্পের জন্য প্রচার চালানোর সময় তিনি যা বলেছিলেন তার প্রতিধ্বনি।

ট্রাম্পের বাজেট বিল DOGE-এর কাজকে দুর্বল করে দেবে এমন উদ্বেগের কথা উল্লেখ করে মাস্ক মে মাসে ট্রাম্পের সঙ্গে মতবিরোধের পর DOGE ত্যাগ করেন। সরকারি দক্ষতা প্রচেষ্টায় তার এই উদ্যোগের মূল্যের বিষয়ে এখন তাকে কম আত্মবিশ্বাসী মনে হচ্ছে।

DOGE দ্বারা সম্ভাব্যভাবে ব্যবহৃত AI-এর মতো, জালিয়াতি সনাক্ত করতে AI ব্যবহারের ধারণাটি প্যাটার্ন রিকগনিশন এবং অ্যানোমালি ডিটেকশনের উপর নির্ভর করে। AI অ্যালগরিদমগুলি আর্থিক লেনদেন এবং সরকারি রেকর্ডের বিশাল ডেটাসেট বিশ্লেষণ করে সন্দেহজনক কার্যকলাপ সনাক্ত করতে পারে যা মানুষের নিরীক্ষকদের দ্বারা মিস হয়ে যেতে পারত। এই অ্যালগরিদমগুলি পরিচিত জালিয়াতির কার্যকলাপের উদাহরণের উপর ভিত্তি করে প্রশিক্ষিত এবং তারপর নতুন ডেটাতে অনুরূপ প্যাটার্ন চিহ্নিত করতে ব্যবহৃত হয়।

তবে, জালিয়াতি সনাক্তকরণে AI-এর কার্যকারিতা ডেটার গুণমান এবং সম্পূর্ণতার পাশাপাশি অ্যালগরিদমের পরিশীলিততার উপর নির্ভর করে। জালিয়াতকারীরা ক্রমাগত সনাক্তকরণ এড়াতে নতুন পদ্ধতি তৈরি করছে, তাই AI সিস্টেমগুলিকে অবশ্যই ক্রমাগত আপডেট এবং পরিমার্জন করতে হবে।

সমাজের জন্য AI-চালিত জালিয়াতি সনাক্তকরণের প্রভাবগুলি তাৎপর্যপূর্ণ। সফল হলে, এই সিস্টেমগুলি করদাতাদের বিলিয়ন ডলার সাশ্রয় করতে পারে এবং সরকারি কর্মসূচির দক্ষতা উন্নত করতে পারে। তবে, অ্যালগরিদমের গোপনীয়তা এবং সম্ভাব্য পক্ষপাতিত্ব সম্পর্কেও উদ্বেগ রয়েছে। এই সিস্টেমগুলি যেন দায়িত্বপূর্ণ এবং স্বচ্ছভাবে ব্যবহার করা হয় তা নিশ্চিত করা গুরুত্বপূর্ণ।

AI জালিয়াতি সনাক্তকরণের সাম্প্রতিক উন্নয়নের মধ্যে রয়েছে ডিপ লার্নিং এবং রিইনফোর্সমেন্ট লার্নিং-এর মতো মেশিন লার্নিং কৌশলগুলির ব্যবহার। এই কৌশলগুলি AI সিস্টেমগুলিকে আরও জটিল প্যাটার্ন শিখতে এবং পরিবর্তনশীল জালিয়াতির প্রবণতার সাথে খাপ খাইয়ে নিতে দেয়। এছাড়াও, জালিয়াতি ঘটার আগেই তা প্রতিরোধ করতে AI ব্যবহারের প্রতি আগ্রহ বাড়ছে, যেখানে জালিয়াতির কার্যকলাপের উচ্চ ঝুঁকিতে থাকা ব্যক্তি বা সংস্থাগুলিকে চিহ্নিত করা হয়।