Dr Mark Goldspink, CEO of The ai Corporation (ai) – Wywiad z serii

Dr Mark Goldspink jest dyrektorem generalnym The ai Corporation (ai), która oferuje unikalne samodzielne rozwiązania do wykrywania oszustw, uważane przez wielu liderów branży za najlepsze na świecie. Rozwiązania, w tym nowe „najnowocześniejsze” rozwiązanie oparte na uczeniu maszynowym, chronią i wzbogacają doświadczenia płatnicze dla ponad 100 banków, ponad trzech milionów wielokanałowych detalistów i ponad 300 milionów posiadaczy kart. Monitorują również ponad 25 miliardów transakcji i autoryzacji każdego roku.

Czym było to, co pierwotnie przyciągnęło Cię do uczenia maszynowego i sztucznej inteligencji?

Sztuczna inteligencja jest jedynym sposobem na podejmowanie decyzji biznesowych z dużymi zbiorami danych w sposób wydajny.

Moję pierwsze doświadczenie z uczeniem maszynowym (1992) było związane z elastycznością cen w sektorze paliwowym. Każda stacja benzynowa i produkt ma swój własny wskaźnik elastyczności. Użyliśmy sztucznej inteligencji, aby stworzyć narzędzie predykcyjne do pomocy w zrozumieniu relacji między ceną a popytem. To narzędzie jest nadal używane na całym świecie.

Czy mógłbyś krótko wyjaśnić, czym jest The ai Corporation (ai)?

ai ułatwia cyfryzację rozwiązań płatniczych, oferując produkty i usługi chmury przedsiębiorstw. Po prostu staramy się zapewnić, aby technologia płatnicza naszych klientów była przyszłościowa i pozostawała zgodna z dynamicznie rozwijającym się cyfrowym rynkiem. Wierzymy, że płatności powinny stać się niewidoczne, aby firmy mogły skupić się na zarządzaniu swoimi klientami i mniej czasu poświęcać na martwienie się o sposób płatności.

Jakie są niektóre z technologii uczenia maszynowego, które są używane do flagowania potencjalnych zagrożeń i oszustw?

Istnieje wiele różnych metod i technik używanych w obszarze wykrywania oszustw i zagrożeń. Wczesne przykłady obejmują logikę Bayesowską i drzewa decyzyjne. Późniejsze innowacje doprowadziły do szerokiego przyjęcia sieci neuronowych, które są nadal powszechnie używane dzisiaj. Szybkie przyjęcie uczenia maszynowego w innych branżach zachęciło do dalszego przyjęcia kilku innych metod, takich jak techniki nienadzorowane, XGBoost i inne. Większość firm decyduje się na rozwój własnych metod, które zwykle opierają się na istniejących metodach w celu poprawy wykrywania.

Obecnie, nawet jeśli uczenie maszynowe wykonuje większość „ciężkiej pracy”, nadal wymagane jest dużo monitorowania, aby utrzymać przewagę nad oszustwami. Jak automatyzacja procesu zarządzania oszustwami przy użyciu orkiestracji modeli może rozwiązać ten problem?

Większość systemów antyoszustwowych wykorzystuje wiele modeli w celu wykrycia optymalnej ilości oszustw, jednocześnie redukując „insult” odmowy prawdziwych płatności. Głównym problemem tych systemów jest ogromna ilość dodatkowej kontroli, która jest wymagana do zarządzania tymi modelami. Kontrola i praca zarządcza są zwykle ręczne, a im więcej modeli jest używanych, tym więcej ręcznej pracy jest wymagane, aby upewnić się, że modele nadal działają dobrze.

Orkiestracja modeli rewolucjonizuje sposób, w jaki zarządzamy systemami antyoszustwowymi. Z orkiestracją, maszyna skutecznie zarządza sama sobą. Gdy modele są rozpoznawane jako nie działające dobrze, są one zastępowane nowym modelem lub ponownie szkolone na najnowszych danych. Proces ten wykorzystuje automatyczne procesy do pobierania statystyk wydajności dla modeli na żywo, a także tych samych statystyk dla offline auto-ml wyprodukowanych modeli. Gdy offline modele działają dobrze, są one promowane do produkcji. Tworzy to zamkniętą pętlę, zautomatyzowany system optymalnego wykrywania oszustw i procesów biznesowych.

Czy mógłbyś podać przykłady zagrożeń cyberbezpieczeństwa lub fintech, które zostały wcześniej wykryte za pomocą uczenia maszynowego?

Tutaj w ai, stale zapobiegamy oszustwom za pomocą naszego rozwiązania opartego na uczeniu maszynowym AutoPilotML, które utrzymuje się na bieżąco z trendami oszustw, automatycznie optymalizując całą strategię oszustw (składającą się z modeli uczenia maszynowego i reguł wytworzonych ręcznie). Nasze zoptymalizowane rozwiązania wykryły przejęcia kont i ataki hakowania w sektorze telekomunikacji, na przykład, ratując operatorom tysiące funtów. W rzeczywistości wykryliśmy blisko 10 milionów dolarów wartości podejrzanych transakcji rocznie.

Poza obszarem oszustw, duże ataki są zapobiegane przez uczenie maszynowe na co dzień. Na przykład, Microsoft (MSFT ) wykrywał i natychmiast zapobiegał atakom cybernetycznym pochodzącym z botnetów od lat. W lutym 2018 roku zapobiegli ogromnemu atakowi botnetu Emotet niemal natychmiast), używając tego, co nazwali „warstwowym uczeniem maszynowym”, składającym się z modeli uczenia maszynowego po stronie klienta i serwera.

Zagrożenia cyberbezpieczeństwa często pochodzą z dark webu, czy mógłbyś omówić niektóre z usług zarządzania dark webem, które są obecnie oferowane?

ai oferuje usługę monitorowania dark webu, wspieraną przez aplikację SaaS Skurio, w celu poinformowania i ochrony klientów, którzy zostali naruszeni, tak szybko, jak tylko ich dane zostaną udostępnione na dark webie. Wierzymy, że partnerstwo jest unikalne i zapewnia naszym użytkownikom światowej klasy wywiad cybernetyczny, który automatycznie skanuje strony internetowe, rynki i fora w celu wykrycia przypadków pojawienia się danych klienta na dark webie.

Czy jest coś jeszcze, co chciałbyś podzielić się na temat The ai Corporation (ai)?

Budowanie wielkich produktów w połączeniu z odpowiednimi procesami może być osiągnięte tylko przez posiadanie światowej klasy zespołu. Jestem niezwykle dumny z zespołu ai, i to właśnie ta współpraca pomaga nam w innowacjach.

To także ta współpraca, która sprawia, że praca w ai jest przyjemna i motywująca dla mnie. Jest to najbardziej satysfakcjonująca rzecz w byciu liderem. Pomaganie ludziom w rozwoju i wzroście.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić The ai Corporation (ai).