认识 Mastercard 全新的生成式人工智能模型

生成式人工智能彻底改变了聊天机器人的世界。现在，与机器人对话不是科幻，而是我们经常做的事情。

我们相信，同样的人工智能技术不仅会改变聊天，还会改变商业。它将使支付更快捷，零售体验更个性化，网络安全工具更精确。

为了实现这一愿景，我们的团队一直在研究和构建一个新的基础模型，这是一个大规模的人工智能模型，可作为广泛应用的基础。我们正在Mastercard的独特数据集上训练我们的基础模型，从数十亿笔交易开始。

为保护用户隐私，我们会删除这些交易中的所有个人数据。在分析了足够多的匿名交易后，该模型就可以开始预测未来的交易。

这种预测模型与当今聊天机器人的工作方式大致相同，聊天机器人会预测句子中的下一个单词是什么。我们计划利用这个新的基础模型--不是建立一个聊天机器人--而是作为一个洞察引擎，使我们的许多工具和服务变得更好，从网络防御到忠诚度计划，再到小型企业工具。

我们正在利用Nvidia和Databricks 这两个当今人工智能领域最大的公司的能力开展这项工作。我们已经看到了强劲的成果，我们很高兴能在Nvidia GTC 2026 大会上展示我们的工作。

目前最流行的聊天机器人，如Claude和ChatGPT，都是使用大型语言模型或 LLM 构建的，这些模型是在文本、视频和照片等海量非结构化数据上训练出来的。我们的新基础模型是一种不同类型的深度学习神经网络，称为大型表格模型（或 LTM），它是在结构化数据（如大型表格或数据集）上进行训练的。

我们正在数十亿笔匿名交易中训练最新版本的 LTM。我们计划加强这项工作，将数千亿笔支付交易以及其他类型的数据集纳入其中，包括商户位置数据、欺诈数据、授权数据、退款数据和忠诚度计划数据。这项工作由 Nvidia 高级加速计算平台提供支持。通过利用 Nvidia 的全栈加速人工智能平台，我们能够以前所未有的速度处理这些数据。

随着我们在更多数据和更多类型的数据上对模型进行训练，它将能够提供更多的见解，并更准确地预测未来的交易。

我们首先关注的领域之一是网络安全。我们公司已经建立了许多业内最好的网络工具，使商务活动更加安全。我们相信，将这一新的基础模型功能添加到我们现有的工具中，将使它们变得更加强大。

为了建立现有的网络安全人工智能模型，我们的数据科学家从原始交易数据入手。然后，他们用其他特征来丰富这些数据，以指出这些模型应该分析和标记的内容。例如，数据科学家可能会添加一项功能，帮助我们的人工智能模型识别某人购买活动的突然激增，从而使模型能够检测并阻止欺诈行为。

相比之下，我们的新基础模型以非常有限的人工输入为起点，分析相同的数据，更独立地了解数据的重要特征。这样，LTM 就能在数据中识别出人类自己可能无法发现的新联系。

在我们的测试中，我们已经看到这个新模型的表现优于标准的行业机器学习技术，给我们带来了可喜的早期迹象。例如，非常昂贵但非常不频繁的购买行为（如购买结婚戒指）往往会触发当前的模型，造成大量误报。在我们的实验中，我们的基础模型能够更好地识别这些合法交易，模型能够从数据中相对较弱的信号中学习。

我们计划建立混合网络安全系统，将我们现有的人工智能模型和这种新的 LTM 的优点结合起来。这将有助于我们建立网络防御系统，并为未来做好准备。

这个网络安全实例只是这项研究的一个潜在成果。我们相信，新的基础模型还可用于改进忠诚度和奖励计划、个性化模型、投资组合优化和数据分析工具。

此外，为了运行我们的网络，我们目前需要建立、训练和维护数千个人工智能模型，每个模型用于不同的市场、用例或客户。这种新的 LTM 可以变得足够灵活，帮助我们大大减少维护这么多不同型号的工作量。

我们正在加紧工作，扩大 LTM 的能力。我们希望在模型架构中增加算法的复杂性，使其能够从原始数据中获得更多的洞察力。此外，我们还在开发应用程序接口（API）和工具包，让万事达卡的各个团队都能使用这一新的基础模型，从而在此基础上构建新的应用程序。

我们还将继续与 Nvidia 和 Databricks 密切合作，推进所有这些开发工作。

我们将一如既往，继续按照我们的数据责任原则建立这一新模式，重点关注用户隐私、健全的管理和控制以及透明度。

就像今天聊天机器人的快速发展一样，随着每一步的前进，我们开始看到这种基础模式可能为我们的行业带来的潜力--为支付和商务带来更多的智能、安全和速度。