17. mart 2026.
Generativna AI je potpuno promenila svet chatbotova. Sada, razgovor sa robotom nije naučna fantastika, to je jednostavno nešto što radimo.
Verujemo da ova ista generativna AI tehnologija neće samo transformisati čet – ona će transformisati trgovinu. To će učiniti plaćanja bržim, maloprodajna iskustva personalizovanijim, a alate za sajber bezbednost preciznijim.
Da bismo ostvarili ovu viziju, naši timovi su istraživali i gradili novi osnovni model, koji je AI model velikih razmera koji se može koristiti kao osnova za širok spektar primena. Obučavamo naš osnovni model na jedinstvenim skupovima podataka kompanije Mastercard, počevši od milijardi transakcija.
Da bismo zaštitili privatnost korisnika, uklanjamo sve lične podatke iz ovih transakcija. Nakon analize dovoljno ovih anonimizovanih transakcija, ovaj model može početi da predviđa buduće transakcije.
Ovakav model predviđanja je uglavnom isti kao način na koji funkcionišu današnji četbotovi, pri čemu četbot predviđa koja bi sledeća reč trebalo da bude u rečenici. Planiramo da koristimo ovaj novi temeljni model — ne za izgradnju četbota — već kao mehanizam za uvide koji će mnoge naše alate i usluge učiniti još boljim, od sajber odbrane do programa lojalnosti i alata za mala preduzeća.
A ovaj posao obavljamo koristeći mogućnosti kompanija Nvidia i Databricks, dva najveća imena u AI danas. Već vidimo snažne rezultate i uzbuđeni smo što ćemo predstaviti naš rad tokom konferencije Nvidia GTC 2026.
Danas najpopularniji chatbotovi, kao što su Claude i ChatGPT, izgrađeni su korišćenjem velikih jezičkih modela, ili LLM-ova, koji su obučeni na ogromnim količinama nestrukturiranih podataka, kao što su tekst, video i fotografije. Naš novi temeljni model je drugačija vrsta neuronske mreže dubokog učenja, nazvana veliki tabelarni model, ili LTM, koji se obučava na strukturiranim podacima, kao što su velike tabele ili skupovi podataka.
Obučavamo najnoviju verziju našeg LTM-a na milijardama anonimizovanih transakcija. Naš plan je da ubrzamo ovaj rad kako bismo uključili stotine milijardi transakcija plaćanja, kao i dodatne vrste skupova podataka, uključujući podatke o lokaciji trgovca, podatke o prevarama, podatke o autorizaciji, podatke o povraćaju sredstava i podatke o programima lojalnosti. Ovaj rad pokreće Nvidia-ina napredna ubrzana računarska platforma. Korišćenjem Nvidia-ine potpuno integrisane ubrzane AI platforme, u mogućnosti smo da obrađujemo ove podatke neviđenim brzinama.
Kako obučavamo model na više podataka i na više vrsta podataka, moći će da pruži više uvida i da predvidi buduće transakcije sa većom preciznošću.
Jedna od prvih oblasti na koje se fokusiramo je sajber bezbednost. Naša kompanija je već razvila mnoge od najboljih sajber alata u industriji kako bi trgovina bila sigurnija. Verujemo da će dodavanje mogućnosti ovog novog fundamentalnog modela u naše trenutne alate učiniti ih još jačim.
Da bi izgradili naše postojeće AI modele za sajber bezbednost, naši stručnjaci za podatke počinju sa sirovim podacima o transakcijama. Zatim obogaćuju ove podatke dodatnim karakteristikama kako bi ukazali šta ti modeli treba da analiziraju i označe. Na primer, stručnjak za podatke može dodati funkciju koja pomaže našim AI modelima da identifikuju iznenadni skok u nečijoj aktivnosti kupovine, što omogućava modelu da otkrije i zaustavi prevaru.
Poređenja radi, naš novi temeljni model analizira iste podatke sa veoma ograničenim ljudskim unosom kao polaznom tačkom, učeći samostalnije koje su važne karakteristike podataka. Na ovaj način, LTM bi mogao da identifikuje nove veze u podacima koje čovek možda ne bi sam pronašao.
Na našem testiranju, već smo videli da ovaj novi model nadmašuje standardne industrijske tehnike mašinskog učenja, što nam daje obećavajuće rane znakove. Na primer, vrlo skupe, ali vrlo retke kupovine — kao što je kupovina vereničkog prstena — obično pokreću trenutne modele danas i uzrokuju mnogo lažnih pozitivnih rezultata. U našim eksperimentima, naš osnovni model može bolje da identifikuje ove legitimne transakcije, pri čemu je model sposoban da uči iz relativno slabih signala u podacima.
Planiramo da izgradimo hibridne sisteme sajber bezbednosti koji kombinuju najbolje iz naših trenutnih AI modela i ovog novog LTM-a. Ovo bi nam trebalo pomoći da ojačamo i osiguramo dugoročnu održivost naše sajber odbrane.
Ovaj primer sajber bezbednosti je samo jedan potencijalni ishod ovog istraživanja. Verujemo da se novi temeljni model može koristiti i za poboljšanje programa lojalnosti i nagrađivanja, modela personalizacije, optimizacije portfolija i alata za analizu podataka.
Pored toga, za funkcionisanje naše mreže, trenutno moramo da razvijamo, obučavamo i održavamo hiljade AI modela, svaki za različita tržišta, slučajeve upotrebe ili korisnike. Ovaj novi LTM mogao bi Become dovoljno fleksibilan da nam pomogne da značajno smanjimo potrebu za održavanjem toliko mnogo različitih modela.
Ubrzavamo rad na proširenju mogućnosti našeg LTM-a. Radimo na tome da arhitekturi modela dodamo algoritamsku sofisticiranost kako bi mogao da stekne više uvida iz sirovih podataka. Pored toga, razvijamo API-je i komplete alatki kako bismo timovima širom Mastercarda omogućili pristup ovom novom osnovnom modelu, tako da mogu da grade nove aplikacije na njemu.
Takođe ćemo nastaviti blisku saradnju sa kompanijama Nvidia i Databricks kako bismo unapredili sav ovaj razvojni rad.
Kao i uvek, nastavićemo da gradimo ovaj novi model prateći naše principe odgovornosti za podatke, fokusirajući se na privatnost korisnika, snažno upravljanje i kontrole, kao i transparentnost.
Sa svakim korakom napred, baš kao i brzi razvoj chatbotova danas, počinjemo da sagledavamo potencijal koji ovaj temeljni model može imati za našu industriju — donoseći više inteligencije, sigurnosti i brzine u plaćanja i trgovinu.