Mastercard розкриває нову модель генеративного ШІ

На відміну від популярних великих мовних моделей, навчання яких базується на величезних обсягах неструктурованих даних, Mastercard у співпраці з Nvidia та Databricks створила велику табличну модель, або LTM, яка навчається на структурованих даних, таких як великомасштабні таблиці або набори даних.

LTM навчається на мільярдах анонімізованих транзакцій, і Mastercard планує збільшити цей обсяг до сотень мільярдів платіжних транзакцій, а також додаткових типів наборів даних, включаючи дані про місцезнаходження торговців, дані про шахрайство, дані авторизації, дані про повернення платежів і програми лояльності.

Модель вже приносить користь у сфері кібербезпеки, перевершуючи стандартні техніки машинного навчання у галузі, повідомляє видатний інженер Mastercard Стів Флінтер.

«Наприклад, дуже дорогі, але дуже рідкісні покупки — наприклад, коли хтось купує обручку — зазвичай активують сучасні моделі і спричиняють багато хибних спрацьовувань. У наших експериментах наша базова модель краще визначає ці легітимні транзакції, оскільки вона може навчатися на відносно слабких сигналах у даних», — пише Флінтер у блозі.

Тим часом Флінтер пояснює, що Mastercard наразі потрібно створювати, навчати та підтримувати тисячі моделей штучного інтелекту для роботи своєї мережі, кожну для різних ринків, випадків використання або клієнтів. Нова LTM може стати достатньо гнучкою, щоб значно зменшити кількість моделей, які потрібно підтримувати.

Зараз компанія розробляє API та інструменти, щоб надати командам Mastercard доступ до нової базової моделі для створення нових додатків на її основі.

Флінтер пише: «Ми плануємо використовувати цю нову базову модель — не для створення чатбота — а як інструмент для отримання аналітики, який зробить багато наших інструментів і сервісів ще кращими, від кіберзахисту до програм лояльності та інструментів для малого бізнесу».