مقابلات
ديف اكسيل، مؤسس شركة فيتشرسبيس – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
ديف اكسيل هو مؤسس فيتشرسبيس، أسس ديف فيتشرسبيس بعد اختراعه تحليل السلوك التكيفي، الذي يستخدم الذكاء الاصطناعي القابل للشرح لمساعدة البنوك على التعرف على السلوك المشبوه للعملاء وتحديده. حتى في الأوقات الحديثة مع تغير سلوك المستهلك، تمكنت هذه الذكاء الاصطناعي المتقدمة من مكافحة الاحتيال ومساعدة السلطات على مكافحة غسيل الأموال والجرائم المالية المنظمة الأخرى وإعادة الثقة إلى التكنولوجيا المالية.
يمكنك أن تشاركنا بقصة كيفية ظهور مفهوم تحليل السلوك التكيفي بالتعاون مع البروفيسور بيل فيتزجيرالد؟
خلال دراستي للدكتوراه، عملت مع البروفيسور بيل فيتزجيرالد في جامعة كامبريدج لتطبيق تقنيات التعلم الآلي والإحصائية لفهم السلوك البشري. خلال فترة وجودي هناك، كانت المنظمات تأتي إلينا تبحث عن حلول مبتكرة لمختلف التحديات التي تواجهها في اتخاذ القرارات الفعالة من البيانات التي تم جمعها أو لتحسين الكفاءة في العمليات اليدوية. بدأت ألاحظ نمطًا: كانت المنظمات عبر مختلف القطاعات تعاني من فهم السلوك أو “النية” الكامنة وراء البيانات التي جمعتها، خاصة عند محاولة تحديد الممارسين السيئين. على سبيل المثال، مع واحدة من المنظمات قمنا بنمذجة اتخاذ القرارات من قبل اللاعبين داخل لعبة حاسوب لفهم ما إذا كانوا لاعبين حقيقيين أو روبوتات تخدع النظام. كلما قمنا بالمزيد من المشاريع، زادت رؤيتي لضرورة وجود تعلم آلي يعتمد على التكيف مع تغير السلوك (والبيانات) وراء النتيجة (مثل الغش أو النشاط الاحتيالي). هذا هو بالضبط كيف ظهرت فكرة تحليل السلوك التكيفي، والتي أصبحت فيما بعد التكنولوجيا الأساسية الأولى داخل فيتشرسبيس.
يمكنك أن تشاركنا بقصة كيفية تطور هذا المفهوم إلى إطلاق فيتشرسبيس؟
على الرغم من أنني أستمتع بالبحث وإيجاد الحلول، إلا أنني لا أستمتع بالبحث من أجل البحث فقط. أنا متحفز بتطبيق التكنولوجيا على المشاكل العملية، ثم إيجاد طرق لتسليم القيمة التجارية وتحقيق تأثير إيجابي على العالم الذي نعيش فيه. هذا هو كيف انتهى بي الأمر إلى تأسيس فيتشرسبيس، ولدينا مهمة منذ ذلك الحين لجعل العالم مكانًا أكثر أمانًا للتعامل.
يمكنك أن تناقش التقنيات الحالية المطبقة لمنع الاحتيال والجرائم المالية، ولماذا تفتقر هذه التقنيات؟
لقد تم تطبيق تقنيات مختلفة في هذا المجال منذ فترة – في الواقع، تعود أول استخدامات الذكاء الاصطناعي لمكافحة الاحتيال المالي إلى أوائل التسعينيات. ومع ذلك، افترضت هذه الإصدارات الأولية من الذكاء الاصطناعي أن سلوكيات الاحتيال ستبقى على حالها. تم بناء الخوارزميات لتتعرف على نفس السلوك الاحتيالي مرارًا وتكرارًا. يتم تطبيق هذه النظرية نفسها على نطاق واسع في تقنيات مكافحة الاحتيال حتى اليوم. لكن الاحتيال ليس ساكنًا. الاحتياليون يعتمدون باستمرار أساليب جديدة للبقاء أمام تقنيات مكافحة الاحتيال. لذلك، في فيتشرسبيس، أنشأنا أول نموذج ذكاء اصطناعي قابل للتكيف لمكافحة الاحتيال. نحن نبقى ثلاث خطوات أمام الاحتياليين دون الحاجة إلى أي تدخل بشري.
لماذا يكون تحليل السلوك التكيفي مؤثرًا بشكل كبير مقارنة بتقنيات منع الاحتيال التقليدية؟
تحليل السلوك التكيفي الخاص بنا مؤثر بشكل كبير مقارنة بتقنيات منع الاحتيال التقليدية لأن اللاعبين التقليديين يعتمدون على أنماط الاحتيال الثابتة – ولكن الاحتيال ليس ثابتًا. يتعلم اللاعبون التقليديون ما يبدو عليه السلوك السيئ المعروف، ثم يكتشفون هذا السلوك السيئ بين ملايين المعاملات. المشكلة هي أن هذه النماذج لا يمكنها أن تأخذ في الاعتبار سوى السلوكيات السيئة المعروفة، والاحتياليون يعتمدون باستمرار أساليب جديدة للبقاء أمام تقنيات منع الاحتيال. بدلاً من ذلك، نموذج تحليل السلوك التكيفي يتعلم ما يبدو عليه السلوك “جيد”، ثم يكتشف التغييرات مقابل هذا السلوك الجيد. هناك المزيد من السلوك الجيد يتم تنفيذه في العالم أكثر من السلوك السيئ، مما يعطينا المزيد لنتعلمه من السلوك الجيد. هناك مجموعة أصغر من السلوكيات الاحتيالية، وتتغير باستمرار. محاولة كشف السلوك الاحتيالي فقط هو لعبة خاسرة.
ما هي أنواع خوارزميات التعلم الآلي المستخدمة؟
يستخدم تحليل السلوك التكيفي في فيتشرسبيس مزيجًا من تقنيات التعلم الآلي غير الموجهة والموجهة. يتم استخدام تقنيات غير موجهة لتحديد التغييرات في السلوك لتحديد المخاطر المحتملة. يتم استخدام تقنيات موجهة لاحقًا لتحسين دقة نماذجنا لمنع الاحتيال والجرائم المالية. في العام الماضي، أطلقت فيتشرسبيس نماذج الشبكات السلوكية العميقة الآلية التي تستخدم هيكلًا جديدًا من الشبكات العصبية المتكررة. تم تطوير الشبكات السلوكية العميقة الآلية من قبل بحث فيتشرسبيس لتأتمتة اكتشاف الميزات وتقديم خلايا ذاكرة ذات فهم أصلي لأهمية الوقت في تدفقات المعاملات، مما يحسن الأداء الرائد في السوق لنماذج تحليل السلوك التكيفي الحالية.
ما مدى تكيفية النماذج مع تعلم سلوك المستهلك الجديد وتحسين ملفات العملاء؟
نماذج تحليل السلوك التكيفي الخاصة بنا هي بالضبط ما نحتاجه من التكيف – حتى في مواجهة التغيير غير المسبوق. على سبيل المثال، خلال الإغلاقات الأولية لجائحة كوفيد-19 في عام 2020، تغير سلوك الشراء للمستهلكين بشكل حرفي خلال ليلة واحدة. بحلول 29 أبريل 2020، شهدت ماستركارد زيادة بنسبة 40% في المدفوعات بدون تلامس. كانت نماذج منع الاحتيال غير التكيفية مدمرة، حيث قامت بحظر المدفوعات الشرعية التي يتم إجراؤها من قبل أشخاص تمت إدارتهم للبقاء في المنزل. تم تعديل نماذجنا تلقائيًا، دون أي تدخل بشري. هذا هو ما يظهر بشكل واضح من خلال تسيس فورسايت سكور، أداة تسجيل القرارات لمنع الاحتيال وإدارة المخاطر للمصدرين، التي تم بناؤها من قبل تسيس وفيتشرسبيس. من يناير إلى يونيو 2020، سلم تسيس فورسايت سكور مع فيتشرسبيس توزيعات نقاط مستقرة على أساس أسبوعي، مما مكن المستهلكين الموجودة في المنزل من الاستمرار في الشراء دون انقطاع.
(MA )ما هي أكبر حالات استخدام هذه التكنولوجيا؟
تتمحور هذه التكنولوجيا بشكل خاص حول البنوك والمؤسسات المالية ومعالجين الدفع. على سبيل المثال، تم الاعتراف مؤخرًا بشركة معالجة الدفع وورلدباي لمنتجها فroudسايت الذي يعمل بواسطة فيتشرسبيس ل khả năngه في منع الاحتيال مع زيادة معدلات الموافقة للمتاجر وحماية المستهلكين.
هل هناك أي شيء آخر تريد مشاركته حول فيتشرسبيس؟
الاحتيال عبر الاحتيال هو واحدة من أسرع فئات الاحتيال نموًا في العالم. تعترف السلطات بذلك وتحاول وضع الحماية في مكانها. على سبيل المثال، أطلقت حكومة المملكة المتحدة إصلاحًا لقانون السلامة عبر الإنترنت في مارس 2022 في محاولة لمنع الاحتيال وزيادة ثقة المستهلك في المعاملات عبر الإنترنت. بشكل مماثل في الولايات المتحدة، يفكر مكتب الحماية المالية للمستهلك في اتخاذ إجراءات لحماية المستهلكين من الاحتيال عن طريق وضع المزيد من المسؤولية على البنوك والاتحادات الائتمانية. من خلال منع الاحتيال قبل حدوثه، يمكن لفيتشرسبيس أن يوفر للبنوك المال ويحافظ على أمان العملاء، تلقائيًا دون أي تدخل بشري.
مثال على ذلك هو نات ويست، رابع أكبر بنك في المملكة المتحدة من حيث الإجمالي الكلي للأصول، مع حوالي 19 مليون عميل. لاحظ نات ويست زيادة في قيمة الاحتيال والاحتيال التي تم اكتشافها، بما في ذلك انخفاض فوري في معدلات الإيجابيات الكاذبة (انخفاض النشاط الحقيقي للعملاء)، في غضون 24 ساعة فقط من نشر منصة فيتشرسبيس ريسك هاب. نتيجة لشراكتنا، أشاروا إلى فيتشرسبيس كشريك “قوي” لمستثمريهم.
(NWG )شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة فيتشرسبيس.
