Temui model AI generatif baru Mastercard

AI generatif benar-benar mengubah dunia chatbot. Sekarang, berbicara dengan robot bukanlah fiksi ilmiah, ini hanya sesuatu yang kita lakukan.

Kami percaya teknologi gen-AI yang sama ini tidak hanya akan mengubah chatting, tetapi juga mengubah perdagangan. Ini akan membuat pembayaran lebih cepat, pengalaman ritel lebih personal, dan alat keamanan siber lebih tepat.

Untuk mewujudkan visi ini, tim kami telah meneliti dan membangun model fondasi baru, yang merupakan model AI berskala besar yang dapat digunakan sebagai dasar untuk berbagai aplikasi. Kami sedang melatih model dasar kami pada kumpulan data unik Mastercard, dimulai dengan miliaran transaksi.

Untuk melindungi privasi pengguna, kami menghapus semua data pribadi dari transaksi ini. Setelah menganalisis cukup banyak transaksi yang dianonimkan ini, model ini dapat mulai memprediksi transaksi di masa depan.

Model prediksi semacam ini sebagian besar sama dengan cara kerja chatbot saat ini, dengan chatbot memprediksi kata apa yang seharusnya ada di dalam sebuah kalimat. Kami berencana untuk menggunakan model fondasi baru ini - bukan untuk membangun chatbot - tetapi sebagai mesin wawasan yang akan membuat banyak alat dan layanan kami menjadi lebih baik, mulai dari pertahanan dunia maya, program loyalitas, hingga alat usaha kecil.

Dan kami melakukan pekerjaan ini dengan memanfaatkan kemampuan dari Nvidia dan Databricks, dua nama terbesar di bidang AI saat ini. Kami telah melihat hasil yang kuat, dan kami sangat antusias untuk memamerkan hasil kerja kami selama konferensi Nvidia GTC 2026.

Chatbot paling populer saat ini, seperti Claude dan ChatGPT, dibuat menggunakan model bahasa besar, atau LLM, yang dilatih dengan data tidak terstruktur dalam jumlah besar, seperti teks, video, dan foto. Model fondasi baru kami adalah jenis jaringan saraf pembelajaran mendalam yang berbeda, yang disebut model tabel besar, atau LTM, yang dilatih pada data terstruktur, seperti tabel atau kumpulan data berskala besar.

Kami sedang melatih versi terbaru LTM kami pada miliaran transaksi anonim. Rencana kami adalah untuk meningkatkan pekerjaan ini untuk memasukkan ratusan miliar transaksi pembayaran, serta jenis dataset tambahan, termasuk data lokasi pedagang, data penipuan, data otorisasi, data tolak bayar, dan data program loyalitas. Pekerjaan ini didukung oleh platform komputasi akselerasi canggih Nvidia. Dengan memanfaatkan platform AI full-stack yang dipercepat dari Nvidia, kami dapat memproses data ini dengan kecepatan yang belum pernah terjadi sebelumnya.

Ketika kami melatih model pada lebih banyak data dan lebih banyak jenis data, model ini akan dapat memberikan lebih banyak wawasan dan memprediksi transaksi di masa depan dengan akurasi yang lebih tinggi.

Salah satu area pertama yang kami fokuskan adalah keamanan siber. Perusahaan kami telah membangun banyak alat siber terbaik di industri ini untuk membuat perdagangan lebih aman. Kami percaya bahwa dengan menambahkan kemampuan model fondasi baru ini ke dalam alat yang ada saat ini, akan membuat alat tersebut menjadi lebih kuat.

Untuk membangun model AI keamanan siber yang ada, para ilmuwan data kami memulai dengan data transaksi mentah. Mereka kemudian memperkaya data ini dengan fitur tambahan untuk mengindikasikan apa yang harus dianalisis dan ditandai oleh model tersebut. Sebagai contoh, seorang ilmuwan data dapat menambahkan fitur yang membantu model AI kami mengidentifikasi lonjakan tiba-tiba dalam aktivitas pembelian seseorang, yang memungkinkan model untuk mendeteksi dan menghentikan penipuan.

Sebagai perbandingan, model fondasi baru kami menganalisis data yang sama dengan input manusia yang sangat terbatas sebagai titik awal, mempelajari secara lebih mandiri karakteristik penting dari data tersebut. Dengan cara ini, LTM dapat mengidentifikasi koneksi baru dalam data yang mungkin tidak dapat ditemukan oleh manusia.

Dalam pengujian kami, kami telah melihat model baru ini mengungguli teknik pembelajaran mesin industri standar, memberikan tanda-tanda awal yang menjanjikan. Contohnya, pembelian yang sangat mahal tetapi sangat jarang dilakukan - seperti ketika seseorang membeli cincin kawin - cenderung memicu model terkini saat ini dan menyebabkan banyak false positive. Dalam percobaan kami, model dasar kami dapat mengidentifikasi transaksi-transaksi yang sah dengan lebih baik, dengan model yang dapat belajar dari sinyal yang relatif lemah dalam data.

Kami berencana membangun sistem keamanan siber hibrida yang menggabungkan yang terbaik dari model AI kami saat ini dan LTM baru ini. Hal ini akan membantu kita membangun dan membuat pertahanan siber kita lebih kuat di masa depan.

Contoh keamanan siber ini hanyalah salah satu hasil potensial dari penelitian ini. Kami percaya bahwa model fondasi yang baru ini juga dapat digunakan untuk meningkatkan program loyalitas dan penghargaan, model personalisasi, optimalisasi portofolio, dan alat analisis data.

Selain itu, untuk menjalankan jaringan kami, saat ini kami perlu membangun, melatih, dan memelihara ribuan model AI, masing-masing untuk pasar, kasus penggunaan, atau pelanggan yang berbeda. LTM baru ini bisa menjadi cukup fleksibel untuk membantu kami mengurangi secara signifikan keharusan mempertahankan begitu banyak model yang berbeda.

Kami meningkatkan pekerjaan kami untuk memperluas kemampuan LTM kami. Kami ingin menambahkan kecanggihan algoritmik pada arsitektur model sehingga model ini dapat memperoleh lebih banyak wawasan dari data mentah. Selain itu, kami sedang mengembangkan API dan toolkit untuk memberi tim di seluruh Mastercard akses ke model dasar baru ini, sehingga mereka dapat membangun aplikasi baru di atasnya.

Kami juga akan melanjutkan kolaborasi erat kami dengan Nvidia dan Databricks untuk mendorong semua pekerjaan pengembangan ini.

Seperti biasa, kami akan terus membangun model baru ini sesuai dengan prinsip-prinsip tanggung jawab data kami, dengan fokus pada privasi pengguna, tata kelola dan kontrol yang kuat, serta transparansi.

Dengan setiap langkah ke depan, seperti halnya perkembangan chatbot yang pesat saat ini, kami mulai melihat potensi yang dapat dimiliki oleh model fondasi ini untuk industri kami - membawa lebih banyak kecerdasan, keamanan, dan kecepatan ke dalam pembayaran dan perdagangan.