डेव एक्सेल, फीचरस्पेस के संस्थापक – साक्षात्कार श्रृंखला

डेव एक्सेल फीचरस्पेस के संस्थापक हैं, डेव ने फीचरस्पेस की स्थापना अपने द्वारा एडाप्टिव बिहेवियरल एनालिटिक्स के आविष्कार के बाद की, जो बैंकों को समझने और संदिग्ध उपभोक्ता व्यवहार को पहचानने में मदद करने के लिए व्याख्या योग्य एआई का उपयोग करता है। हाल के समय में भी जब उपभोक्ता व्यवहार बदलता है, तो यह उन्नत एआई धोखाधड़ी को रोकने और प्राधिकरणों को मनी लॉन्ड्रिंग और अन्य संगठित वित्तीय अपराध से निपटने में मदद करने में सक्षम रहा है, साथ ही साथ फिनटेक में विश्वास को बहाल करने में मदद की है।

क्या आप हमें बता सकते हैं कि प्रोफेसर बिल फिट्जगेराल्ड के साथ सहयोग से एडाप्टिव बिहेवियरल एनालिटिक्स की अवधारणा कैसे उत्पन्न हुई?

जब मैं अपनी पीएचडी कर रहा था, तो मैंने कैम्ब्रिज विश्वविद्यालय में प्रोफेसर बिल फिट्जगेराल्ड के साथ मानव व्यवहार को समझने के लिए मशीन लर्निंग और सांख्यिकीय तकनीकों को लागू करने का काम किया। मेरे वहां रहने के दौरान, संगठन हमारे पास विभिन्न चुनौतियों के लिए नए समाधानों की मांग करने के लिए आते थे जो वे अपने डेटा से प्रभावी निर्णय लेने के लिए स्वचालन करना चाहते थे या मैनुअल प्रक्रियाओं में दक्षता में सुधार करना चाहते थे। मैंने एक पैटर्न देखा कि उद्योगों में संगठनों को समझने में कठिनाई होती है कि वे जिस डेटा को कैप्चर करते हैं उसके पीछे क्या व्यवहार या ‘इरादा’ है, खासकर जब वे बुरे अभिनेताओं की पहचान करने की कोशिश करते हैं। उदाहरण के लिए, एक संगठन के साथ हमने कंप्यूटर गेम में खिलाड़ियों के निर्णय लेने का मॉडल बनाया ताकि यह पता लगाया जा सके कि वे वास्तविक खिलाड़ी हैं या सिस्टम को धोखा देने वाले रोबोट हैं। जितने अधिक परियोजनाएं हमने कीं, उतना ही अधिक मैंने यह देखा कि मशीन लर्निंग की आवश्यकता है जो व्यवहार (और डेटा) के पीछे परिणाम (जैसे कि धोखाधड़ी या धोखाधड़ी गतिविधि) के रूप में बदल जाती है ताकि पता लगाने से बचा जा सके। यह वास्तव में वह तरीका है जिससे मैंने पहली बार एडाप्टिव बिहेवियरल एनालिटिक्स की अवधारणा का आविष्कार किया, जो बाद में फीचरस्पेस के भीतर पहली मूलभूत प्रौद्योगिकी बन गई।

क्या आप बता सकते हैं कि यह अवधारणा फीचरस्पेस के लॉन्च की ओर कैसे ले गई?

हालांकि मुझे शोध करना और समाधान खोजना पसंद है, लेकिन मुझे केवल शोध के लिए शोध करने में मजा नहीं आता। मैं प्रौद्योगिकी को व्यावहारिक समस्याओं पर लागू करने और व्यावसायिक मूल्य प्रदान करने के तरीके खोजने से प्रेरित हूं, और फिर प्रौद्योगिकी को तैनात करने से जो हमारे द्वारा रहने वाले世界 को सुरक्षित बनाने में मदद करता है। यही कारण है कि मैंने फीचरस्पेस की स्थापना की और हम लेन-देन को सुरक्षित बनाने के मिशन पर हैं।

क्या आप बता सकते हैं कि धोखाधड़ी और वित्तीय अपराध रोकथाम के लिए मौजूदा तकनीकें क्या हैं और वे क्यों कम पड़ती हैं?

इस क्षेत्र में तकनीकी अनुप्रयोग लंबे समय से मौजूद हैं – वास्तव में, वित्तीय धोखाधड़ी से लड़ने के लिए एआई का पहला उपयोग 1990 के दशक की शुरुआत में हुआ था। हालांकि, यह प्रारंभिक एआई मान लिया गया था कि धोखाधड़ी व्यवहार समान रहेगा। एल्गोरिदम को एक ही धोखाधड़ी व्यवहार को बार-बार पहचानने के लिए बनाया गया था। यही सिद्धांत आज भी व्यापक रूप से एंटी-धोखाधड़ी प्रौद्योगिकी में लागू है। लेकिन धोखाधड़ी स्थिर नहीं है। धोखेबाज अपने तरीकों को बदलते रहते हैं ताकि वे एंटी-धोखाधड़ी प्रौद्योगिकी से आगे रहें। यही कारण है कि फीचरस्पेस में, हमने धोखाधड़ी से लड़ने के लिए दुनिया का पहला अनुकूलन योग्य एआई मॉडल बनाया है। हम धोखेबाजों से तीन कदम आगे रहते हैं बिना किसी मानव हस्तक्षेप के।

एडाप्टिव बिहेवियरल एनालिटिक्स विरासत धोखाधड़ी रोकथाम तकनीकों की तुलना में इतना प्रभावी क्यों है?

हमारे प्रोप्राइटरी एडाप्टिव बिहेवियरल एनालिटिक्स विरासत धोखाधड़ी रोकथाम तकनीकों की तुलना में इतने प्रभावी हैं क्योंकि विरासत खिलाड़ी स्थिर धोखाधड़ी पैटर्न पर निर्भर करते हैं – लेकिन धोखाधड़ी स्थिर नहीं है। विरासत खिलाड़ी सीखते हैं कि विभिन्न प्रकार के ज्ञात बुरे व्यवहार कैसा दिखता है, और फिर उन बुरे व्यवहारों को लाखों लेन-देन में पहचानने का प्रयास करते हैं। समस्या यह है कि वे मॉडल केवल उन बुरे व्यवहारों को ध्यान में रख सकते हैं जो पहले देखे गए हैं, और धोखेबाज अपने तरीकों को बदलते रहते हैं ताकि वे धोखाधड़ी रोकथाम से आगे रहें। इसके बजाय, हमारे एडाप्टिव बिहेवियरल एनालिटिक्स मॉडल सीखते हैं कि क्या अच्छा व्यवहार दिखता है, और फिर उन अच्छे व्यवहारों के खिलाफ परिवर्तनों का पता लगाते हैं। दुनिया में अच्छा व्यवहार करने वाले लोगों की तुलना में बहुत अधिक है, जो हमें अच्छे व्यवहार से सीखने के लिए अधिक देता है। धोखाधड़ी व्यवहारों का एक छोटा सा सेट है, और वे लगातार बदलते रहते हैं। केवल ज्ञात धोखाधड़ी व्यवहारों का पता लगाने का प्रयास करना एक हार का खेल है।

कौन से मशीन लर्निंग एल्गोरिदम का उपयोग किया जाता है?

फीचरस्पेस के एडाप्टिव बिहेवियरल एनालिटिक्स में अनुपervised और सुपरवाइज्ड मशीन लर्निंग तकनीकों का संयोजन उपयोग किया जाता है। अनुपervised तकनीकों का उपयोग संभावित जोखिम का संकेत देने के लिए व्यवहार में परिवर्तनों की पहचान करने के लिए किया जाता है। सुपरवाइज्ड तकनीकों का उपयोग बाद में हमारे मॉडलों की सटीकता को अनुकूलित करने के लिए किया जाता है ताकि धोखाधड़ी और वित्तीय अपराध को रोका और पता लगाया जा सके। पिछले साल फीचरस्पेस ने ऑटोमेटेड डीप बिहेवियरल नेटवर्क मॉडल लॉन्च किए जो एक नए रिकरेंट न्यूरल नेटवर्क आर्किटेक्चर का उपयोग करते हैं। फीचरस्पेस रिसर्च ने ऑटोमेटेड डीप बिहेवियरल नेटवर्क विकसित किए ताकि फीचर डिस्कवरी को स्वचालित किया जा सके और समय के महत्व को समझने के लिए मेमोरी सेल को पेश किया जा सके, जो हमारे मौजूदा एडाप्टिव बिहेवियरल एनालिटिक्स के बाजार-अग्रणी प्रदर्शन में सुधार करता है।

मॉडल उपभोक्ता व्यवहार सीखने और ग्राहक प्रोफाइल को अनुकूलित करने में कितने अनुकूलन योग्य हैं?

हमारे एडाप्टिव बिहेवियरल एनालिटिक्स मॉडल उतने ही अनुकूलन योग्य हैं जितने उन्हें होने की आवश्यकता है – यहां तक कि अभूतपूर्व परिवर्तन के सामने भी। उदाहरण के लिए, 2020 में कोविड-19 लॉकडाउन के दौरान, उपभोक्ता खरीदारी व्यवहार रातोंरात बदल गया। 29 अप्रैल, 2020 तक, मास्टरकार्ड ने संपर्क रहित भुगतान में 40% की वृद्धि देखी। गैर-एडाप्टिव धोखाधड़ी रोकथाम एआई मॉडल उलझन में थे, लेकिन वैध भुगतानों को रोक रहे थे जो लोगों द्वारा घर पर रहने के लिए आदेश दिए जा रहे थे। हमारे मॉडल ने स्वचालित रूप से अनुकूलन किया, मानव हस्तक्षेप के बिना। यह सबसे अधिक टीएसवाईएस फोरसाइट स्कोर के माध्यम से स्पष्ट है, जो एक धोखाधड़ी और जोखिम प्रबंधन निर्णय लेने वाला स्कोरिंग टूल है जो टीएसवाईएस और फीचरस्पेस द्वारा भुगतान जारीकर्ताओं के लिए बनाया गया है। जनवरी-जून 2020 के बीच, टीएसवाईएस फोरसाइट स्कोर ने फीचरस्पेस के साथ स्थिर स्कोर वितरण प्रदान किया, जिससे उपभोक्ताओं को घर पर रहने के आदेश दिए जाने के बावजूद किराने और अन्य आवश्यक चीजों की खरीदारी करने में सक्षम बनाया गया।

इस प्रौद्योगिकी के लिए सबसे बड़े उपयोग के मामले क्या हैं?

यह प्रौद्योगिकी विशेष रूप से बैंकों, वित्तीय संस्थानों और भुगतान प्रोसेसर के लिए डिज़ाइन की गई है। उदाहरण के लिए, भुगतान प्रोसेसिंग कंपनी वर्ल्डपे को हाल ही में फीचरस्पेस द्वारा संचालित अपने फ्रॉडसाइट उत्पाद के लिए पहचाना गया था, जो धोखाधड़ी को रोकने और व्यापारियों की अनुमोदन दर में वृद्धि करने और उपभोक्ताओं की सुरक्षा करने में सक्षम है।

क्या फीचरस्पेस के बारे में और कुछ है जो आप साझा करना चाहेंगे?

स्कैम दुनिया में सबसे तेजी से बढ़ने वाली धोखाधड़ी श्रेणियों में से एक है। नियामक इसे पहचान रहे हैं और सुरक्षा उपायों को लागू करने का प्रयास कर रहे हैं। उदाहरण के लिए, यूके सरकार ने मार्च 2022 में ऑनलाइन सुरक्षा बिल के सुधार को लॉन्च किया ताकि स्कैम को रोका जा सके और ऑनलाइन लेन-देन में उपभोक्ता विश्वास बढ़ाया जा सके। इसी तरह, अमेरिका में, उपभोक्ता वित्तीय सुरक्षा ब्यूरो (सीएफपीबी) स्कैम से उपभोक्ताओं की सुरक्षा के लिए बैंकों और क्रेडिट यूनियनों पर अधिक जिम्मेदारी डालने के लिए कार्रवाई करने पर विचार कर रहा है। धोखाधड़ी को होने से पहले रोकने से, फीचरस्पेस बैंकों को पैसे बचा सकता है और उनके ग्राहकों को सुरक्षित रख सकता है, स्वचालित रूप से मानव हस्तक्षेप के बिना।

एक उदाहरण नैटवेस्ट है, जो यूके का चौथा सबसे बड़ा बैंक है जो कुल संपत्ति के मामले में 19 मिलियन ग्राहकों के साथ है। नैटवेस्ट ने फीचरस्पेस के एआरआईसी रिस्क हब को तैनात करने के 24 घंटे के भीतर धोखाधड़ी और स्कैम का पता लगाने में वृद्धि देखी, जिसमें गलत सकारात्मक दरों (वास्तविक ग्राहक गतिविधि में कमी) में तुरंत कमी आई। हमारे साझेदारी के परिणामस्वरूप, उन्होंने अपने निवेशकों को फीचरस्पेस को एक “मजबूत साझेदार” के रूप में उद्धृत किया है।

धन्यवाद इस शानदार साक्षात्कार के लिए, पाठकों को अधिक जानने के लिए फीचरस्पेस पर जाना चाहिए।