დეივ ექსელი, Featurespace - ინტერვიუს სერიის დამფუძნებელი

დეივ ექსელი არის დამფუძნებელი ფუნქციების სივრცედეივმა დააარსა Featurespace მისი გამოგონების შემდეგ ადაპტური ქცევის ანალიტიკა, რომელიც იყენებს ახსნად AI-ს, რათა დაეხმაროს ბანკებს ამოიცნონ და მონიშნონ მომხმარებელთა საეჭვო ქცევა. ბოლო დროსაც კი, როცა მომხმარებელთა ქცევა შეიცვალა, ამ მოწინავე AI-მ შეძლო თაღლითობის აღკვეთა და დაეხმარა ხელისუფლებას ფულის გათეთრებისა და სხვა ორგანიზებული ფინანსური დანაშაულის დაძლევაში, ხოლო ფინტექს ნდობა დაუბრუნა.

შეგიძლიათ გაგვიზიაროთ ისტორია, თუ როგორ შექმენით ადაპტური ქცევის ანალიტიკის კონცეფცია პროფესორ ბილ ფიცჯერალდთან თანამშრომლობით?

დოქტორანტურის გავლისას, მე ვმუშაობდი პროფესორ ბილ ფიცჯერალდთან კემბრიჯის უნივერსიტეტში, რათა გამოეყენებინა მანქანათმცოდნეობის და სტატისტიკური ტექნიკები ადამიანის ქცევის გასაგებად. ჩემი იქ ყოფნის დროს, ორგანიზაციები მოდიოდნენ ჩვენთან ახალი გადაწყვეტილებების მოსაძებნად სხვადასხვა გამოწვევებისთვის, რომლებიც მათ ჰქონდათ, ავტომატიზირებდა ეფექტური გადაწყვეტილების მიღების ავტომატიზირებას მათ მიერ აღებული მონაცემებიდან ან ხელით პროცესებში ეფექტურობის გასაუმჯობესებლად. დავიწყე ნიმუშის შემჩნევა: ორგანიზაციები სხვადასხვა ინდუსტრიაში ცდილობდნენ გაეგოთ ძირეული ქცევა ან „განზრახვა“ მათ მიერ აღებული მონაცემების მიღმა, განსაკუთრებით მაშინ, როდესაც ცდილობდნენ ცუდი მსახიობების იდენტიფიცირებას. მაგალითად, ერთ ორგანიზაციასთან ერთად ჩვენ მოვახდინეთ მოთამაშეების გადაწყვეტილების მიღების მოდელირება კომპიუტერულ თამაშში, რათა გვესმოდეს, იყო თუ არა ისინი ნამდვილი მოთამაშეები თუ რობოტები, რომლებიც ატყუებდნენ სისტემას. რაც უფრო მეტ პროექტს ვაკეთებდით, მით უფრო მეტად დავინახე მანქანური სწავლების საჭიროება, რომელიც მოერგებოდა, რადგან შედეგის მიღმა ქცევა (და მონაცემები) (მაგ. თაღლითობა ან თაღლითური აქტივობა) შეიცვლება გამოვლენის თავიდან ასაცილებლად. სინამდვილეში ასე გამოვიტანე პირველად ადაპტური ქცევითი ანალიტიკის კონცეფცია, რომელიც მოგვიანებით გახდა პირველი ფუნდამენტური ტექნოლოგია Featurespace-ში.

შეგიძლიათ გაგიზიაროთ გენეზის ისტორია იმის შესახებ, თუ როგორ გამოიწვია ამ კონცეფციამ Featurespace-ის გაშვება?

მიუხედავად იმისა, რომ მე მსიამოვნებს კვლევა და გადაწყვეტილებების პოვნა, მე არ მსიამოვნებს კვლევა მხოლოდ კვლევისთვის. მე მოტივირებული ვარ ტექნოლოგიების გამოყენებით პრაქტიკულ პრობლემებზე, შემდეგ კომერციული ღირებულების მიწოდების გზების პოვნა და ტექნოლოგიების გამოყენება, რათა დადებითი გავლენა მოვახდინო სამყაროზე, რომელშიც ჩვენ ვცხოვრობთ. ასე დავამთავრე Featurespace-ის დაარსება და ჩვენ ვიმყოფებით მისია მას შემდეგ, რაც სამყარო უფრო უსაფრთხო ადგილად აქციოს.

შეგიძლიათ განიხილოთ არსებული ტექნიკები, რომლებიც გამოიყენება თაღლითობისა და ფინანსური დანაშაულის თავიდან აცილების მიზნით და რატომ არის ეს ტექნიკა?

გარკვეული პერიოდის განმავლობაში სივრცეში არსებობდა სხვადასხვა ტექნიკური აპლიკაციები – ფაქტობრივად, AI-ის პირველი გამოყენება ფინანსური თაღლითობის წინააღმდეგ საბრძოლველად თარიღდება 1990-იანი წლების დასაწყისიდან. თუმცა, ხელოვნური ინტელექტის პრიმიტიული ვერსია ვარაუდობდა, რომ თაღლითური ქცევები იგივე დარჩებოდა. ალგორითმები შეიქმნა იმისათვის, რომ ამოიცნონ ერთი და იგივე თაღლითური ქცევა. იგივე თეორია ფართოდ გამოიყენება თაღლითობის საწინააღმდეგო ტექნოლოგიაში დღემდე. მაგრამ თაღლითობა არ არის სტატიკური. თაღლითები მუდმივად ადაპტირებენ თავიანთ მეთოდებს, რათა წინ იყვნენ თაღლითობის საწინააღმდეგო ტექნოლოგიაზე. სწორედ ამიტომ Featurespace-ში შევქმენით მსოფლიოში პირველი ადაპტური AI მოდელი თაღლითობის წინააღმდეგ საბრძოლველად. ჩვენ სამი ნაბიჯით წინ ვდგავართ თაღლითებზე, ყოველგვარი ადამიანის ჩარევის საჭიროების გარეშე.

რატომ არის ადაპტირებული ქცევითი ანალიტიკა ასე გავლენიანი თაღლითობის პრევენციის ამ მემკვიდრეობით მეთოდებთან შედარებით?

ჩვენი საკუთრების ადაპტური ქცევის ანალიტიკა იმდენად ეფექტურია თაღლითობის პრევენციის ტექნიკებთან შედარებით, რადგან ძველი მოთამაშეები ეყრდნობიან სტატიკური თაღლითობის შაბლონებს – მაგრამ თაღლითობა არასოდეს არის სტატიკური. მოძველებული მოთამაშეები სწავლობენ, თუ როგორ გამოიყურება ცნობილი ცუდი ქცევის სხვადასხვა ტიპები, შემდეგ კი დაიწყებენ ამ ცუდი ქცევის აღმოჩენას მილიონობით ტრანზაქციაში. პრობლემა ის არის, რომ ამ მოდელებს შეუძლიათ გაითვალისწინონ მხოლოდ ადრე ნანახი ცუდი ქცევები და თაღლითები მუდმივად ადაპტირებენ თავიანთ მეთოდებს თაღლითობის თავიდან აცილების მიზნით. ამის ნაცვლად, ჩვენი ადაპტური ქცევის ანალიტიკის მოდელი გაიგებს რას კარგი ქცევა გამოიყურება, შემდეგ აღმოაჩენს ცვლილებებს ამ კარგი ქცევის წინააღმდეგ. მსოფლიოში გაცილებით მეტი კარგი ქცევა ხდება, ვიდრე ცუდი, რაც გვაძლევს მეტი ვისწავლოთ კარგი ქცევისგან. თაღლითური ქცევების გაცილებით მცირე ნაკრებია და ისინი მუდმივად იცვლება. მხოლოდ ცნობილი თაღლითური ქცევების გამოვლენის მცდელობა წაგებული თამაშია.

რა არის სხვადასხვა ტიპის მანქანათმცოდნეობის ალგორითმები, რომლებიც გამოიყენება?

Featurespace's Adaptive Behavioral Analytics იყენებს უკონტროლო და ზედამხედველობის ქვეშ მყოფი მანქანური სწავლების ტექნიკის კომბინაციას. ზედამხედველობის გარეშე ტექნიკა გამოიყენება ქცევაში ცვლილებების დასადგენად, რათა მიუთითებდეს სავარაუდო რისკის შესახებ. ზედამხედველობითი ტექნიკა შემდგომში გამოიყენება ჩვენი მოდელების სიზუსტის ოპტიმიზაციისთვის თაღლითობისა და ფინანსური დანაშაულის პრევენციისა და გამოვლენის მიზნით. გასულ წელს Featurespace ამოქმედდა ღრმა ქცევის ავტომატური ქსელი მოდელები, რომლებიც იყენებენ მორეციდივე ნერვული ქსელის ახალ არქიტექტურას. Featurespace Research-მა შეიმუშავა ღრმა ქცევის ავტომატური ქსელები, რათა მოხდეს ფუნქციების აღმოჩენის ავტომატიზირება და მეხსიერების უჯრედების დანერგვა ტრანზაქციის ნაკადებში დროის მნიშვნელობის ბუნებრივი გაგებით, ჩვენი არსებული ადაპტური ქცევითი ანალიტიკის ბაზრის წამყვანი ეფექტურობის გასაუმჯობესებლად.

რამდენად ადაპტირებულია მოდელები მომხმარებელთა ახალი ქცევის შესწავლისა და მომხმარებელთა პროფილების ოპტიმიზაციისთვის?

ჩვენი ადაპტირებადი ქცევითი ანალიტიკის მოდელები ზუსტად ისეთივე ადაპტირებადია, როგორც საჭიროა – თუნდაც უპრეცედენტო ცვლილების პირობებში. მაგალითად, 19 წელს პირველადი COVID-2020 ჩაკეტვის დროს, მომხმარებელთა შესყიდვის ქცევა შეიცვალა ფაქტიურად ღამით. 29 წლის 2020 აპრილისთვის Mastercard-მა უკონტაქტო გადახდების 40%-იანი ზრდა დაინახა. თაღლითობის პრევენციის არაადაპტირებადი ხელოვნური ინტელექტის მოდელები გამოიყენეს მარყუჟში, რაც ბლოკავს ლეგიტიმურ გადახდებს იმ ადამიანების მიერ, რომლებსაც უბრძანეს სახლში დარჩენა. ჩვენი მოდელები ადაპტირებულია ავტომატურად, ადამიანის ჩარევის გარეშე. ეს ყველაზე აშკარაა მეშვეობით TSYS Foresight ქულა, თაღლითობისა და რისკების მართვის გადაწყვეტილების შეფასების ინსტრუმენტი გადახდების ემიტენტებისთვის, შექმნილი TSYS-ისა და Featurespace-ის მიერ. 2020 წლის იანვრიდან ივნისამდე, TSYS Foresight Score with Featurespace თანმიმდევრულად აწვდიდა სტაბილურ ქულების განაწილებას ყოველკვირეულად, რაც საშუალებას აძლევდა მომხმარებლებს სახლში დარჩენა, რათა განაგრძონ სასურსათო და სხვა აუცილებელი ნივთების შეძენა შეფერხების გარეშე.

რა არის ამ ტექნოლოგიის გამოყენების ყველაზე დიდი შემთხვევები?

ეს ტექნოლოგია სპეციალურად არის მიმართული ბანკების, ფინანსური ინსტიტუტებისა და გადახდების პროცესორებისთვის. მაგალითად, გადახდების გადამამუშავებელი კომპანია Worldpay ახლახანს იქნა აღიარებული თავისი FraudSight პროდუქტით, რომელიც აღჭურვილია Featurespace-ით, თაღლითობის შერბილების უნარის გამო, ვაჭრების დამტკიცების მაჩვენებლების გაზრდისა და მომხმარებლების დასაცავად.

არის კიდევ რაიმე, რისი გაზიარებაც გსურთ Featurespace-ის შესახებ?

თაღლითები მსოფლიოში ერთ-ერთი ყველაზე სწრაფად მზარდი თაღლითობის კატეგორიაა. მარეგულირებლები აღიარებენ ამას და ცდილობენ დაიცვან დაცვა. მაგალითად, დიდი ბრიტანეთის მთავრობამ დაიწყო ონლაინ უსაფრთხოების კანონპროექტის რეფორმა 2022 წლის მარტში, რათა თავიდან აიცილოს თაღლითები და გაზარდოს მომხმარებელთა ნდობა ონლაინ ტრანზაქციებში. ანალოგიურად აშშ-ში, მომხმარებელთა ფინანსური დაცვის ბიურო (CFPB) განიხილავს ზომების მიღებას მომხმარებლების თაღლითობისგან დასაცავად, ბანკებსა და საკრედიტო კავშირებზე მეტი პასუხისმგებლობის დაკისრების გზით. თაღლითობის თავიდან აცილებით, Featurespace-ს შეუძლია დაზოგოს ბანკების ფული და შეინახოს მათი მომხმარებლები უსაფრთხოდ, ავტომატურად, ადამიანის ჩარევის გარეშე.

ამის მაგალითია NatWest, დიდი ბრიტანეთის მეოთხე ბანკი მთლიანი აქტივების მიხედვით, დაახლოებით 19 მილიონი კლიენტით. NatWest-მა დაინახა აღმოჩენილი თაღლითობისა და თაღლითობის ღირებულების ზრდა, მათ შორის ცრუ დადებითი მაჩვენებლების მყისიერი შემცირება (მომხმარებლების ნამდვილი აქტივობა შემცირდა), Featurespace-ის ARIC Risk Hub-ის განთავსებიდან სულ რაღაც 24 საათში. ჩვენი პარტნიორობის შედეგად, მათ დაასახელეს Featurespace, როგორც „ძლიერი პარტნიორი“ თავიანთი ინვესტორებისთვის.

გმადლობთ შესანიშნავი ინტერვიუსთვის, მკითხველს, ვისაც სურს მეტი გაიგოს, უნდა ეწვიოს ფუნქციების სივრცე.