2026 年 3 月 17 日
生成式 AI 徹底改變了聊天機器人的世界。現在，跟機器人說話不是科幻，而是我們常做的事。
我們相信同樣的人工智能技術不僅會改變聊天方式，還會改變商業。它將使支付更快速、零售體驗更個人化、網路安全工具更精準。
為了實現這一愿景，我們的團隊一直在研究和建立一個新的基礎模型，這是一個大規模的人工智能模型，可以作為廣泛應用的基礎。我們正在針對Mastercard的獨特資料集訓練我們的基礎模型，從數十億筆交易開始。
為了保護使用者隱私，我們會移除這些交易中的所有個人資料。在分析了足夠多的匿名交易後，這個模型就可以開始預測未來的交易。
這種預測模型與現今聊天機器人的運作方式大致相同，聊天機器人會預測句子中的下一個字應該是什麼。我們計劃使用這個新的基礎模型 - 不是建立聊天機器人 - 而是作為一個洞察引擎，讓我們的許多工具和服務更臻完善，從網路防禦、忠誠計劃到小型企業工具。
我們正在運用Nvidia和Databricks 這兩個當今人工智慧領域最知名的公司的能力來進行這項工作。我們已經看到強大的成果，我們很高興能在Nvidia GTC 2026 會議中展示我們的工作。
當今最流行的聊天機器人，例如Claude和ChatGPT，都是使用大型語言模型（或稱 LLM）建立的，而 LLM 是在大量非結構化資料（例如文字、視訊和照片）上訓練而成的。我們的新基礎模型是一種不同的深度學習神經網路，稱為大型表格模型 (large tabular model)，或稱 LTM，它是在結構化資料（例如大型表格或資料集）上進行訓練。
我們正在數十億筆匿名交易上訓練最新版本的 LTM。我們的計劃是加強這項工作，以包括數十億筆的付款交易，以及其他類型的數據集，包括商戶位置數據，欺詐數據，授權數據，退款數據和忠誠度計劃數據。這項工作由 Nvidia 先進的加速運算平台所支援。透過利用 Nvidia 的全堆疊加速 AI 平台，我們能夠以前所未有的速度處理這些資料。
隨著我們在更多的資料和更多種類的資料上訓練模型，它將能夠提供更多的洞察力，並更準確地預測未來的交易。
我們最先著重的領域之一是網路安全。我們公司已經建立了許多業內最好的網路工具，讓商業更安全。我們相信，將這個新基礎模型的功能加入我們現有的工具中，將使這些工具更加強大。
為了建立現有的網路安全 AI 模型，我們的資料科學家會從原始交易資料開始。然後，他們會使用額外的特徵來豐富這些資料，以指出這些模型應該分析和標示的內容。例如，資料科學家可能會新增一項功能，幫助我們的人工智能模型識別某人購買活動中的突然峰值，從而使模型能夠偵測並阻止欺詐行為。
相較之下，我們的新基礎模型會以非常有限的人為輸入作為起點，分析相同的資料，更獨立地學習資料的重要特徵。如此一來，LTM 就能在資料中找出人類無法自行發現的新連結。
在我們的測試中，我們已經看到這個新模型的表現優於標準的業界機器學習技術，讓我們看到了可喜的早期跡象。舉例來說，非常昂貴但非常不經常的購買 - 例如當某人購買結婚戒指時 - 往往會觸發現今的現有模型，並造成大量的誤判。在我們的實驗中，我們的基礎模型能夠更好地識別這些合法交易，模型能夠從資料中相對較弱的信號中學習。
我們計劃建立混合式網路安全系統，結合我們目前的 AI 模型與此新 LTM 的優點。這應該有助於我們建立網路防禦，並為未來做好準備。
這個網路安全範例只是這項研究的一個潛在成果。我們相信新的基礎模型也可用於改善忠誠度和獎勵計劃、個人化模型、組合優化和資料分析工具。
此外，為了運行我們的網路，我們目前需要建立、訓練和維護數千個 AI 模型，每個模型都用於不同的市場、用例或客戶。這款新的 LTM 可能會Become足夠靈活，以幫助我們大大減少維護如此多不同型號的必要性。
我們正在加速擴充 LTM 的能力。我們希望為模型的架構增加演算法的精密度，讓它能從原始資料中獲得更多洞察力。此外，我們正在開發 API 和工具包，讓萬事達卡的團隊能夠存取這個新的基礎模型，以便他們可以在其上面構建新的應用程式。
我們也將繼續與 Nvidia 和 Databricks 密切合作，推動所有這些開發工作。
一如既往，我們將繼續遵循我們的資料責任原則來建立這個新模式，著重於使用者隱私、穩健的治理和控制以及透明度。
每前進一步，就像今日聊天機器人的快速發展一樣，我們開始看到這個基礎模式可能為我們的產業帶來的潛力 - 為支付和商務帶來更多智慧、安全和速度。
