Dr. Mark Goldspink, generální ředitel společnosti The ai Corporation (ai) – Rozhovor série

Dr. Mark Goldspink je generálním ředitelem společnosti The ai Corporation (ai), která nabízí unikátní samoobslužné řešení pro detekci podvodů, která jsou mnoha odborníky považována za nejlepší na světě. Tato řešení, včetně nového „špičkového“ řešení založeného na strojovém učení, chrání a obohacují platební zkušenosti pro více než 100 bank, více než tři miliony multi-kanálových prodejců a více než 300 milionů držitelů kreditních karet. Monitorují také více než 25 miliard transakcí a autorizací ročně.

Co vás původně přitáhlo k strojovému učení a umělé inteligenci?

Umělá inteligence je jediný způsob, jak provádět obchodní rozhodování s velkými datovými zdroji efektivním způsobem.

Moje první zkušenost se strojovým učením (1992) spočívala v analýze cenové elasticity v odvětví paliv. Každá čerpací stanice a produkt má svůj vlastní index elasticity. Použili jsme umělou inteligenci k vytvoření predikčního nástroje pro stanovení ceny, abychom pochopili vztah mezi cenou a poptávkou. Tento nástroj se dosud používá po celém světě.

Můžete stručně vysvětlit, co je The ai Corporation (ai)?

ai usnadňuje digitalizaci platebních řešení nabídkou podnikových cloudových produktů a služeb. Jednoduše řečeno, naše cílem je zajistit, aby platební technologie našich zákazníků zůstala v souladu s rychle se vyvíjejícím digitálním trhem. Věříme, že platby by měly být neviditelné, aby se podniky mohly soustředit více na řízení svých zákazníků a méně se starat o to, jak platby provádět.

Jaké jsou některé z technologií strojového učení, které se používají k identifikaci potenciálních hrozeb a podvodů?

Existuje mnoho různých metod a technik používaných v oblasti detekce podvodů a hrozeb. Rané příklady zahrnují bayesovskou logiku a rozhodovací stromy. Pozdější inovace vedly k širokému přijetí neuronových sítí, které se stále používají. Rychlé přijetí strojového učení v jiných odvětvích vedlo k dalšímu přijetí dalších metod, jako jsou nesupervizované techniky, XGBoost a další. Většina podniků si vyvíjí své vlastní metody, které jsou obvykle založeny na existujících metodách pro zlepšení detekce.

V současné době, i když strojové učení provádí většinu „těžké práce“, je stále vyžadováno velké množství monitorování, aby se udržel krok s podvody. Jak může automatizace procesu řízení podvodů pomocí orchestrace modelů vyřešit tento problém?

Většina systémů pro detekci podvodů používá několik modelů k detekci optimálního množství podvodů,同时 snižuje „insult“ sazbu odmítnutí legálních plateb. Hlavním problémem těchto systémů je však obrovské množství dodatečné správy, které je vyžadováno pro řízení těchto modelů. Tato správa a údržba jsou obvykle manuální a čím více modelů se používá, tím více manuálního úsilí je vyžadováno k zajištění toho, aby modely pokračovaly ve výkonu.

Orchestrace modelů revolucionalizuje způsob, jakým spravujeme systémy pro detekci podvodů. S orchestrací stroj efektivně spravuje sám sebe. Když jsou modely identifikovány jako nefunkční, jsou nahrazeny novým modelem nebo přeškoleny na nejnovějších datech. Tento proces využívá automatizované procesy pro získání statistik výkonu pro živé modely, stejně jako stejné statistiky pro offline auto-ml vygenerované modely. Když jsou offline modely identifikovány jako fungující, jsou povýšeny do produkce. Tím se vytváří uzavřený systém pro optimální detekci podvodů a obchodní procesy.

Můžete poskytnout einige příklady kybernetických hrozeb nebo finančních hrozeb, které byly dříve detekovány pomocí strojového učení?

Zde v ai neustále zabraňujeme podvodům pomocí našeho řešení strojového učení AutoPilotML, které zůstává v souladu s trendy podvodů automatickým optimalizováním celé strategie detekce podvodů (skládající se z obou ML a ručně vytvořených pravidel). Naše optimalizovaná řešení detekovala schémata převzetí účtů a hackování v oblasti telekomunikací, například, a ušetřila operátorům tisíce liber. Skutečně jsme detekovali téměř 10 milionů dolarů podezřelých transakcí ročně.

Mimo oblast detekce podvodů jsou velké útoky preventovány pomocí strojového učení denně. Například Microsoft (MSFT ) detekuje a okamžitě zabraňuje kybernetickým útokům, které pocházejí z botnetů, po několik let. V únoru 2018 zabránil obrovskému útoku Emotet botnetu téměř okamžitě), pomocí toho, co nazvali „vrstveným strojovým učením“, skládajícím se z obou klienta a serveru strojového učení modelů.

Kybernetické hrozby často vznikají z temné sítě, můžete diskutovat o některých službách pro správu temné sítě, které jsou v současné době nabízeny?

ai nabízí službu pro monitorování temné sítě, poháněnou aplikací SaaS Skurio, aby informovala a chránila zákazníky, jejichž data jsou vystavena na temné síti. Věříme, že toto partnerství je jedinečné a poskytuje našim uživatelům světovou kybernetickou inteligenci, která automaticky skenuje webové stránky, trhy a fóra, aby detekovala případy, kdy jsou data zákazníka vystavena na temné síti.

Je něco jiného, co byste chtěli sdílet o The ai Corporation (ai)?

Vytváření skvělých produktů spojených s správnými procesy lze dosáhnout pouze tím, že máte špičkový tým. Jsem extrémně hrdý na tým ai a je to právě toto týmové úsilí, které nám pomáhá být inovativní.

Je to také týmové úsilí, které dělá práci v ai příjemnou a motivující pro mě. Je to nejodměňující věc o vedení. Pomáhat lidem rozvíjet a růst.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit The ai Corporation (ai).