Tohtori Mark Goldspink, The ai Corporationin (ai) toimitusjohtaja – Haastattelusarja

Tohtori Mark Goldspink on The ai Corporationin (ai) toimitusjohtaja, joka tarjoaa ainutlaatuisia itsepalveluratkaisuja petosten havaitsemiseen, jotka monien alan “ajattelijoiden” mielestä ovat maailman parhaat. Ratkaisut, mukaan lukien uusi “huipputeknologia” -konsepti, suojella ja rikastuttaa maksukokemuksia yli 100 pankille, yli kolmelle miljoonalle monikanavaiselle kauppiasille ja yli 300 miljoonalle kuluttajien luottokortinomistajalle. He myös seuraavat yli 25 miljardia transaktiota ja valtuutusta vuosittain.

Mikä alun perin veti sinut machine learningin ja tekoälyyn?

AI on ainoa tapa tehdä liiketoimintapäätöksiä suurten tietolähteiden kanssa tehokkaasti.

Minun ensimmäinen machine learning -käyttöni (1992) oli polttoainesektorin hintajoustavuuden tutkiminen. Jokaisella huoltoasemalla ja tuotteella on oma joustavuusindeksi. Käytimme AI:ta luomaan ennustavaa hintatyökalua, jotta voimme ymmärtää hinnan suhdetta määrään. Se työkalu on edelleen käytössä ympäri maailmaa.

Voitko lyhyesti selittää, mitä The ai Corporation (ai) on?

ai mahdollistaa maksuratkaisujen digitalisoinnin tarjoamalla yritysten pilvipalveluita ja -tuotteita. Yksinkertaisesti sanottuna pyrimme varmistamaan, että asiakkaiden maksuteknologia on tulevaisuudessa turvattu, jotta he voivat pysyä synkronoissa laajemman, jatkuvasti kehittyvän digitaalisen markkinan kanssa. Uskomme, että maksut pitäisi tulla näkymättömäksi, jotta yritykset voivat keskittyä enemmän asiakkaiden hallintaan ja vähemmän siitä, miten maksut tehdään.

Mitkä ovat joitain machine learning -teknologioita, joita käytetään potentiaalisten uhkien ja petosten tunnistamiseen?

On olemassa monia eri menetelmiä ja tekniikoita, joita käytetään petosten ja uhkien havaitsemisessa. Varhaiset esimerkit ovat Bayesilaista logiikkaa ja päätöspuita. Myöhempi innovaatio johti laajaan otteeseen neuroverkkoja, jotka ovat edelleen laajasti käytössä tänään. Machine learningin (ML) nopea omaksuminen muilla aloilla on rohkaissut useiden muiden menetelmien käyttöönottoa, kuten valvomattomia tekniikoita, XGBoostia ja muita. Useimmat yritykset valitsevat kehittää omat menetelmänsä, jotka perustuvat olemassa oleviin menetelmiin havaitsemisen parantamiseksi.

Nykyään, vaikka machine learning tekee suurimman osan “raskaasta työstä”, on edelleen tarve paljon seurantaa, jotta voidaan pitää yllä petosten torjuntaa. Miten automatisoimalla petosten hallintaprosessia mallien orkestraatiolla voidaan ratkaista tämä ongelma?

Useimmat petostorjuntajärjestelmät käyttävät useita malleja havaitsemaan optimaalinen määrä petoksia samalla, kun vähennetään “loukkauksen” määrää, jossa lainsäädännön mukaiset maksut hylätään. Nämä järjestelmien ongelma on kuitenkin se, että niiden hallinta ja johtaminen vaativat paljon manuaalista työtä. Tämä hallinta- ja johtamistyö on yleensä manuaalista, ja mitä enemmän malleja käytetään, sitä enemmän manuaalista työtä vaaditaan, jotta mallit toimisivat hyvin.

Model orchestration on vallankumous, joka muuttaa tapaa, jolla hallitsemme petostorjuntajärjestelmiä. Orkestraation avulla kone hallitsee itseään. Kun mallit tunnistetaan toimimattomaksi, ne korvataan uusilla malleilla tai koulutetaan uudelleen viimeisimmillä tiedoilla. Tämä prosessi käyttää automaattisia prosesseja noutamaan suorituskykytilastoja sekä live-malleista että offline-automated-ml-malleista. Kun offline-mallit toimivat hyvin, ne siirretään tuotantoon. Tämä muodostaa suljetun, automaattisen järjestelmän optimaaliseen petosten havaitsemiseen ja liiketoimintaprosesseihin.

Voitko antaa joitain esimerkkejä kyberuhkista tai rahoitusalan uhkista, joita on aiemmin havaittu machine learningin avulla?

Me täällä ai:ssa estämme jatkuvasti petoksia käyttämällä machine learning -ratkaisuumme AutoPilotML, joka pitää yllä petosten trendejä automaattisesti optimoimalla koko petostenstrategiaa (joka koostuu sekä ML- että manuaalisesti tuotetuista säännöistä). Meidän optimoidut ratkaisumme ovat havainneet tilitoiminnan kaappauksen ja tilitoiminnan hakkerointiautomaatiot teleoperaattorien alalla, esimerkiksi säästäen operaattoreille tuhansia puntaa. Tosiasiallisesti olemme havainneet lähes 10 miljoonan dollarin arvosta epäilyttäviä transaktioita vuosittain.

Petosten ulkopuolella suuret hyökkäykset estetään päivittäin machine learningin avulla. Esimerkiksi Microsoft (MSFT ) on estänyt ja estää edelleen kyberhyökkäyksiä, jotka tulevat botnetistä, vuosien ajan. Helmikuussa 2018 he estivät suuren Emotet-botnet-hyökkäyksen lähes välittömästi) käyttämällä “kerroksellista machine learningia”, joka koostui sekä asiakas- että palvelinpäässä olevista machine learning -malleista.

Kyberuhkia usein esiintyy pimeästä verkosta, voitko keskustella pimeän verkon hallitsemisesta tarjoamistasi palveluista?

ai tarjoaa pimeän verkon seurantapalvelun Skurion SaaS-sovelluksen kautta, jotta voidaan ilmoittaa ja suojella asiakkaita, kun heidän tietonsa ovat alttiina pimeälle verkolle. Uskomme, että tämä kumppanuus on ainutlaatuinen ja tarjoaa meille maailmanluokan kyberintelligenssin, joka skannaa automaattisesti verkkosivuja, markkinoita ja foorumeita, jotta voidaan havaita asiakkaan tietojen esiintyminen pimeässä verkossa.

Onko jotain muuta, mitä haluaisit jakaa The ai Corporationista (ai)?

Hyvien tuotteiden rakentaminen yhdessä oikeiden prosessien kanssa voidaan saavuttaa vain, jos on maailmanluokan tiimi. Olen erittäin ylpeä tiimistä ai, ja se on se, mikä auttaa meitä olemaan innovatiivisia.

Se on myös se, mikä tekee työskentelystä ai:ssa nautittavasta ja motivoivasta minulle. Se on eniten palkitseva asia johtajana. Auttaminen ihmisten kehittymisessä ja kasvussa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla The ai Corporation (ai):ssa.