הכירו את מודל הבינה המלאכותית הגנרטיבית החדש של מאסטרקארד

בינה מלאכותית גנרטיבית שינתה לחלוטין את עולם הצ'אטבוטים. עכשיו, לדבר עם רובוט זה לא מדע בדיוני, זה פשוט משהו שאנחנו עושים.

אנו מאמינים שאותה טכנולוגיית בינה מלאכותית לא רק תשנה את הצ'אט - היא גם תשנה את המסחר. זה יהפוך את התשלומים למהירים יותר, חוויות הקמעונאות למותאמות אישית יותר וכלי אבטחת סייבר מדויקים יותר.

כדי להגשים את החזון הזה, הצוותים שלנו חקרו ובנו מודל בסיס חדש, שהוא מודל בינה מלאכותית בקנה מידה גדול שניתן להשתמש בו כבסיס למגוון רחב של יישומים. אנו מאמנים את מודל הבסיס שלנו על מערכי הנתונים הייחודיים של מאסטרקארד, החל ממיליארדי עסקאות.

כדי להגן על פרטיות המשתמשים, אנו מסירים את כל הנתונים האישיים מעסקאות אלה. לאחר ניתוח מספיק מהעסקאות האנונימיות הללו, מודל זה יכול להתחיל לחזות עסקאות עתידיות.

מודל חיזוי מסוג זה דומה במידה רבה לאופן שבו צ'אטבוטים פועלים כיום, כאשר הצ'אטבוט מנבא מה צריכה להיות המילה הבאה במשפט. אנחנו מתכננים להשתמש במודל הבסיס החדש הזה - לא כדי לבנות צ'אטבוט - אלא כמנוע תובנות שיהפוך רבים מהכלים והשירותים שלנו לטובים אף יותר, החל מהגנות סייבר ועד תוכניות נאמנות וכלים לעסקים קטנים.

ואנחנו עושים את העבודה הזו תוך מינוף יכולות של Nvidia ו- Databricks, שתיים מהשמות הגדולים ביותר בתחום הבינה המלאכותית כיום. אנחנו כבר רואים תוצאות חזקות, ואנחנו נרגשים להציג את עבודתנו במהלך כנס Nvidia GTC 2026.

הצ'אטבוטים הפופולריים ביותר כיום, כמו קלוד ו- ChatGPT, בנויים באמצעות מודלים של שפה גדולה, או LLMs, המאומנים על כמויות עצומות של נתונים לא מובנים, כגון טקסט, וידאו ותמונות. מודל הבסיס החדש שלנו הוא סוג שונה של רשת נוירונים של למידה עמוקה, הנקראת מודל טבלאי גדול, או LTM, אשר מאומן על נתונים מובנים, כגון טבלאות או מערכי נתונים בקנה מידה גדול.

אנחנו מאמנים את הגרסה האחרונה של מערכת ה-LTM שלנו על מיליארדי עסקאות אנונימיות. התוכנית שלנו היא להרחיב את העבודה הזו כך שתכלול מאות מיליארדי עסקאות תשלום, כמו גם סוגים נוספים של מערכי נתונים, כולל נתוני מיקום של סוחרים, נתוני הונאה, נתוני אישורים, נתוני חיובים חוזרים ונתוני תוכניות נאמנות. עבודה זו מופעלת על ידי פלטפורמת המחשוב המואץ המתקדמת של Nvidia. על ידי מינוף פלטפורמת הבינה המלאכותית המואצת של Nvidia, אנו מסוגלים לעבד נתונים אלה במהירויות חסרות תקדים.

ככל שנאמן את המודל על יותר נתונים ויותר סוגי נתונים, הוא יוכל לספק יותר תובנות ולחזות עסקאות עתידיות בדיוק רב יותר.

אחד התחומים הראשונים שאנחנו מתמקדים בהם הוא אבטחת סייבר. החברה שלנו כבר בנתה רבים מכלי הסייבר הטובים ביותר בתעשייה כדי להפוך את המסחר לאבטח יותר. אנו מאמינים שהוספת היכולות של מודל הבסיס החדש הזה לכלים הנוכחיים שלנו תחזק אותם עוד יותר.

כדי לבנות את מודלי הבינה המלאכותית הקיימים שלנו בתחום אבטחת הסייבר, מדעני הנתונים שלנו מתחילים עם נתוני עסקאות גולמיים. לאחר מכן הם מעשירים את הנתונים הללו בתכונות נוספות כדי לציין מה המודלים הללו צריכים לנתח ולסמן. לדוגמה, מדען נתונים עשוי להוסיף תכונה המסייעת למודלי הבינה המלאכותית שלנו לזהות עלייה פתאומית בפעילות הרכישה של מישהו, מה שמאפשר למודל לזהות ולעצור הונאות.

לשם השוואה, מודל הבסיס החדש שלנו מנתח את אותם נתונים עם קלט אנושי מוגבל מאוד כנקודת התחלה, ולומד באופן עצמאי יותר מהם המאפיינים החשובים של הנתונים. בדרך זו, ה-LTM יוכל לזהות קשרים חדשים בנתונים שאדם לא יוכל למצוא בעצמו.

בבדיקות שערכנו, כבר ראינו שהמודל החדש הזה עולה על טכניקות למידת מכונה סטנדרטיות בתעשייה, מה שנותן לנו סימנים ראשוניים מבטיחים. לדוגמה, רכישות יקרות מאוד אך נדירות מאוד - כמו למשל כאשר מישהו קונה טבעת נישואין - נוטות להפעיל את הדגמים הנוכחיים של היום ולגרום להרבה תוצאות חיוביות שגויות. בניסויים שלנו, מודל הבסיס שלנו יכול לזהות טוב יותר את העסקאות הלגיטימיות הללו, כאשר המודל מסוגל ללמוד מאותות חלשים יחסית בנתונים.

אנו מתכננים לבנות מערכות היברידיות לסייבר-אבטחה המשלבות את הטוב ביותר ממודלי הבינה המלאכותית הנוכחיים שלנו ואת ה-LTM החדש הזה. זה אמור לעזור לנו לבנות ולהכין את הגנות הסייבר שלנו לעתיד.

דוגמה זו של אבטחת סייבר היא רק תוצאה אפשרית אחת של מחקר זה. אנו מאמינים כי מודל הבסיס החדש יכול לשמש גם לשיפור תוכניות נאמנות ותגמולים, מודלים של התאמה אישית, אופטימיזציה של תיקי השקעות וכלי ניתוח נתונים.

בנוסף, כדי להפעיל את הרשת שלנו, עלינו כיום לבנות, לאמן ולתחזק אלפי מודלים של בינה מלאכותית, כל אחד עבור שווקים, מקרי שימוש או לקוחות שונים. מערכת ה-LTM החדשה הזו יכולה להיות גמישה מספיק כדי לעזור לנו לצמצם משמעותית את הצורך בתחזוקת מודלים שונים כל כך.

אנו מגבירים את עבודתנו כדי להרחיב את יכולות ה-LTM שלנו. אנו מבקשים להוסיף תחכום אלגוריתמי לארכיטקטורת המודל כדי שיוכל לקבל תובנות נוספות מנתונים גולמיים. בנוסף, אנו מפתחים ממשקי API וערכות כלים כדי לאפשר לצוותים ברחבי מאסטרקארד גישה למודל הבסיס החדש הזה, כך שיוכלו לבנות עליו יישומים חדשים.

כמו כן, נמשיך בשיתוף הפעולה ההדוק שלנו עם Nvidia ו-Databricks כדי לקדם את כל עבודת הפיתוח הזו.

כרגיל, נמשיך לבנות את המודל החדש הזה בהתאם לעקרונות האחריות שלנו בנוגע לנתונים, תוך התמקדות בפרטיות המשתמשים, ממשל ובקרות חזקים ושקיפות.

עם כל צעד קדימה, בדיוק כמו ההתפתחות המהירה של צ'אטבוטים כיום, אנו מתחילים לראות את הפוטנציאל שיכול להיות למודל הבסיס הזה עבור התעשייה שלנו - להביא יותר אינטליגנציה, אבטחה ומהירות לתשלומים ולמסחר.