Dave Excell, Featurespace Kurucusu – Röportaj Serisi

Dave Excell Featurespace’in kurucusudur. Dave, Featurespace’i, Adaptive Behavioral Analytics adlı açıklanabilir AI’yı banksilerin şüpheli tüketici davranışlarını tanımalarına ve işaretlemelerine yardımcı olmak için icat ettikten sonra kurdu. Son zamanlarda tüketici davranışları değişse bile, bu gelişmiş AI, sahtekarlığı önlemek ve yetkililerin para aklamayı ve diğer organize finansal suçları ele almalarına yardımcı olmak için kullanıldı ve fintech’e güveni geri getirdi.

Sizlerle birlikte Professor Bill Fitzgerald ile Adaptive Behavioral Analytics kavramını nasıl geliştirdiğinizi paylaşabilir misiniz?

Doktora çalışması yaparken, University of Cambridge’de Professor Bill Fitzgerald ile birlikte insan davranışını anlamak için makine öğrenimi ve istatistiksel teknikleri uyguladım. Orada olduğum süre boyunca, organizasyonlar bize çeşitli zorlukları otomatikleştirmek veya manuel süreçlerde verimliliği artırmak için yeni çözümler aradılar. Bir pattern fark ettim: çeşitli endüstrilerdeki organizasyonlar, özellikle de kötü aktörleri tanımlamaya çalışırken, veri arkasındaki davranış veya ‘niyet’i anlamakta zorluk yaşadılar. Örneğin, bir organizasyonla birlikte, bilgisayar oyunundaki oyuncuların karar verme sürecini modelledik ve onların gerçek oyuncular mı yoksa sistemi kandıran robotlar mı olduklarını anlamaya çalıştık. Projelerimiz ilerledikçe, bu davranışı veya ‘niyet’i anlamak için makine öğrenimine duyulan ihtiyacı gördüm, özellikle de kötü aktörlerin tespit edilmemek için davranışlarını değiştirdikleri zaman. İşte bu, Adaptive Behavioral Analytics kavramını ilk olarak düşünmeme neden oldu ve bu daha sonra Featurespace’in temel teknolojisi oldu.

Featurespace’in kurulma hikayesini paylaşabilir misiniz?

Araştırmayı ve çözümler bulmayı seviyorum, ancak sadece araştırma yapmak için araştırma yapmayı sevmiyorum. Beni motive eden, teknolojileri pratik sorunlara uygulamak ve ticari değer yaratmak, sonra da teknolojiyi dünyanın daha güvenli bir yer olmasına yardımcı olmak için uygulamaktır. İşte bu, Featurespace’i kurmama neden oldu ve o günden beri dünyayı daha güvenli bir yer haline getirmeye çalışıyoruz.

Mevcut tekniklerin sahtekarlık ve finansal suç önleme konusundaki eksikliklerini tartışabilir misiniz?

Finansal sahtekarlıkla mücadele için uzun süredir çeşitli teknoloji uygulamaları var – aslında, finansal sahtekarlıkla mücadele için AI’nın ilk kullanımları 1990’ların başlarına kadar uzanıyor. Ancak, o zamanların AI’sı, sahtekarlık davranışlarının aynı kalacağını varsayıyordu. Algoritmalar, aynı sahtekarlık davranışlarını tekrar tekrar tanımak için tasarlandı. Bu teori, günümüzde de geniş olarak anti-sahtekarlık teknolojilerinde uygulanıyor. Ancak sahtekarlık statik değil. Sahtekarlar, anti-sahtekarlık teknolojisinin önünde kalmak için sürekli olarak yöntemlerini değiştiriyorlar. İşte bu yüzden, Featurespace’de, sahtekarlıkla mücadele için dünyanın ilk adaptif AI modelini yarattık. İnsani müdahale gerektirmeden sahtekarların üç adım önüne geçiyoruz.

Adaptive Behavioral Analytics, geleneksel sahtekarlık önleme tekniklerine göre neden daha etkili?

Özgün Adaptive Behavioral Analytics’imiz, geleneksel sahtekarlık önleme tekniklerine göre daha etkili çünkü geleneksel oyuncular statik sahtekarlık kalıplarına güveniyorlar – ancak sahtekarlık statik değil. Geleneksel oyuncular, bilinen kötü davranış türlerini öğrenir ve milyonlarca işlem arasında bu kötü davranışları tanımlamaya çalışırlar. Problemin kökeni, bu modellerin yalnızca önceden görülen kötü davranışları dikkate alabilmesidir ve sahtekarlar sürekli olarak yöntemlerini değiştirerek sahtekarlık önleme teknolojisini aşmaya çalışırlar. Bunun yerine, Adaptive Behavioral Analytics modelimiz, iyi davranışın nasıl göründüğünü öğrenir ve bu iyi davranışlara karşı değişiklikleri tanımlar. Dünyada yapılan iyi davranışlar, kötü davranışlardan çok daha fazla ve bu, bizim için daha fazla şey öğrenmemize olanak tanır. Sahtekarlık davranışları ise sürekli değişen ve küçük bir küme oluşturuyor. Sadece bilinen sahtekarlık davranışlarını tanımaya çalışmak, kaybedilen bir oyundur.

Hangi tür makine öğrenimi algoritmaları kullanıyorsunuz?

Featurespace’in Adaptive Behavioral Analytics, denetimli ve denetimsiz makine öğrenimi tekniklerinin bir kombinasyonunu kullanır. Denetimsiz teknikler, muhtemel riski gösteren davranış değişikliklerini tanımlamak için kullanılır. Denetimli teknikler, daha sonra modellerimizin sahtekarlık ve finansal suçları önleme ve tespit etme konusundaki doğruluğunu optimize etmek için kullanılır. Geçen yıl Featurespace, Automated Deep Behavioral Network modellerini lanç etti. Bu modeller, yeni bir Recurrent Neural Network mimarisini kullanarak, özelliklerin otomatik olarak keşfedilmesini ve zamanın significance’inin anlaşılmasını sağlar ve mevcut Adaptive Behavioral Analytics’in performansını geliştirir.

Müşteri profillerini optimize etme ve yeni tüketici davranışlarını öğrenme konusundaki adaptiflik düzeyiniz nedir?

Adaptive Behavioral Analytics modellerimiz,必要 olduğu kadar adapte edilebilir – hatta beklenmedik değişikliklerin karşısında. Örneğin, 2020’deki initial COVID-19 kilitlenmeleri sırasında, tüketici satın alma davranışları neredeyse aniden değişti. 29 Nisan 2020’de, Mastercard (MA ), temaslı ödemelerde %40’lık bir artış gördü. Adaptive olmayan sahtekarlık önleme AI modelleri, evde kalma emri verilen insanların yaptığı meşru ödemeleri engelledi. Modellerimiz, insani müdahale gerektirmeden otomatik olarak adapte oldu. Bu, TSYS Foresight Score ile en belirgin şekilde görülüyor. TSYS Foresight Score, ödemeler çıkaranlar için bir sahtekarlık ve risk yönetimi kararı veren bir araçtır ve Featurespace tarafından TSYS ile birlikte geliştirilmiştir. Ocak-Haziran 2020 arasında, TSYS Foresight Score, her hafta tutarlı bir şekilde puan dağılımı sağladı ve evde kalma emri verilen insanların temel ihtiyaçlarını satın almalarına devam etmelerine olanak tanıdı.

Bu teknolojinin en büyük kullanım alanları nelerdir?

Bu teknoloji, özellikle bankalar, finansal kurumlar ve ödemeler işleyicileri için tasarlanmıştır. Örneğin, ödemeler işleme şirketi Worldpay, Featurespace tarafından desteklenen FraudSight ürününü, sahtekarlığı önleme ve tüccar onay oranlarını artırma yeteneği nedeniyle tanındı.

Featurespace hakkında paylaşmak istediğiniz başka bir şey var mı?

Dolandırıcılık, dünyanın en hızlı büyüyen sahtekarlık kategorilerinden biridir. Düzenleyiciler, bu konuda korumalar oluşturmak için çalışıyorlar. Örneğin, İngiltere hükümeti, Mart 2022’de dolandırıcılığı önlemek ve çevrimiçi işlemlerde tüketici güvenini artırmak için Çevrimiçi Güvenlik Yasası’nın reformunu lanç etti. Benzer şekilde, ABD’de Tüketici Finansal Koruma Bürosu (CFPB), dolandırıcılıkla mücadele için bankalara ve kredi birliklerine daha fazla sorumluluk yüklemek için harekete geçmeyi düşünüyor. Dolandırıcılığı önleyerek, Featurespace, bankalara para kazandırabilir ve müşterilerini güvende tutabilir, insani müdahale gerektirmeden.

Bunun bir örneği, NatWest (NWG ), İngiltere’nin dördüncü büyük bankası, 19 milyon müşterisi ile. NatWest, Featurespace’in ARIC Risk Hub’u’nu dağıtmadan 24 saat içinde, dolandırıcılık ve sahtekarlık değerinde bir artış ve gerçek müşteri faaliyetlerinde (sahtekarlık değil) bir azalma gördü. İşbirliğimizin bir sonucu olarak, yatırımcılarına Featurespace’i “güçlü bir ortak” olarak tanımladılar.

Harika bir röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular, Featurespace ziyaret edebilir.