एलोन मस्क के डिपार्टमेंट ऑफ़ गवर्नमेंट एफ़िशिएंसी, या DOGE, ने सरकार में 2 ट्रिलियन डॉलर की धोखाधड़ी का पता नहीं लगाया, जैसा कि मस्क ने शुरू में सुझाव दिया था कि संभव है, लेकिन मस्क के सहयोगियों का तर्क है कि शुरुआती उम्मीदों पर खरा न उतरने के बावजूद इस प्रयास का अभी भी महत्व है। DOGE का प्राथमिक लक्ष्य संघीय खर्च को महत्वपूर्ण रूप से कम करना था, लेकिन पर्यवेक्षकों के अनुसार, इसका प्रभाव सीमित रहा है।

मस्क ने खुद हाल ही में एक पॉडकास्ट में DOGE की सीमित सफलता को स्वीकार किया। मस्क ने कहा, "यह थोड़ा सफल रहा," जो उनके पहले के, अधिक आशावादी आकलन से अलग था।

इस स्वीकृति के बावजूद, मस्क ने व्यापक सरकारी धोखाधड़ी के दावों को पुनर्जीवित किया है। X पर, उन्होंने अनुमान लगाया कि धोखाधड़ी संघीय बजट का लगभग 20%, या सालाना 1.5 ट्रिलियन डॉलर है, उन्होंने कहा, "शायद इससे भी अधिक।" ये दावे डोनाल्ड ट्रम्प के लिए प्रचार करते समय किए गए दावों को दोहराते हैं।

ट्रम्प के साथ असहमति के बाद मस्क ने मई में DOGE छोड़ दिया, उन्होंने चिंता जताई कि एक ट्रम्प बजट विधेयक DOGE के काम को कमजोर कर देगा। अब वे सरकारी दक्षता प्रयासों में अपने प्रवेश के मूल्य के बारे में कम आश्वस्त दिखते हैं।

धोखाधड़ी का पता लगाने के लिए AI का उपयोग करने की अवधारणा, जैसे कि संभावित रूप से DOGE द्वारा नियोजित, पैटर्न की पहचान और विसंगति का पता लगाने पर निर्भर करती है। AI एल्गोरिदम वित्तीय लेनदेन और सरकारी रिकॉर्ड के विशाल डेटासेट का विश्लेषण कर सकते हैं ताकि संदिग्ध गतिविधियों की पहचान की जा सके जो मानव लेखा परीक्षकों से छूट सकती हैं। इन एल्गोरिदम को ज्ञात धोखाधड़ी गतिविधियों के उदाहरणों पर प्रशिक्षित किया जाता है और फिर नए डेटा में समान पैटर्न को चिह्नित करने के लिए उपयोग किया जाता है।

हालांकि, धोखाधड़ी का पता लगाने में AI की प्रभावशीलता डेटा की गुणवत्ता और पूर्णता के साथ-साथ एल्गोरिदम की परिष्कार पर निर्भर करती है। धोखेबाज लगातार पता लगाने से बचने के लिए नए तरीके विकसित कर रहे हैं, इसलिए AI प्रणालियों को आगे रहने के लिए लगातार अपडेट और परिष्कृत किया जाना चाहिए।

समाज के लिए AI-संचालित धोखाधड़ी का पता लगाने के निहितार्थ महत्वपूर्ण हैं। यदि सफल रहा, तो ये प्रणालियाँ करदाताओं के अरबों डॉलर बचा सकती हैं और सरकारी कार्यक्रमों की दक्षता में सुधार कर सकती हैं। हालांकि, एल्गोरिदम में गोपनीयता और संभावित पूर्वाग्रहों के बारे में भी चिंताएं हैं। यह सुनिश्चित करना महत्वपूर्ण है कि इन प्रणालियों का उपयोग जिम्मेदारी और पारदर्शिता से किया जाए।

AI धोखाधड़ी का पता लगाने में हाल के विकास में मशीन लर्निंग तकनीकों जैसे डीप लर्निंग और रीइन्फोर्समेंट लर्निंग का उपयोग शामिल है। ये तकनीकें AI प्रणालियों को अधिक जटिल पैटर्न सीखने और बदलते धोखाधड़ी रुझानों के अनुकूल होने की अनुमति देती हैं। इसके अतिरिक्त, धोखाधड़ी होने से पहले उसे रोकने के लिए AI का उपयोग करने में बढ़ती रुचि है, उन व्यक्तियों या संगठनों की पहचान करके जो धोखाधड़ी गतिविधियों में शामिल होने के उच्च जोखिम में हैं।