พบกับโมเดล AI สร้างสรรค์ใหม่ล่าสุดจาก Mastercard

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ได้เปลี่ยนแปลงโลกของแชทบอทไปอย่างสิ้นเชิง การพูดคุยกับหุ่นยนต์ไม่ใช่เรื่องนิยายวิทยาศาสตร์ แต่เป็นสิ่งที่เราทำกันอยู่แล้วในปัจจุบัน

เราเชื่อว่าเทคโนโลยี AI รุ่นใหม่นี้จะไม่เพียงแต่เปลี่ยนแปลงการแชทเท่านั้น แต่จะเปลี่ยนแปลงวงการค้าขายโดยรวมด้วย จะทำให้การชำระเงินรวดเร็วขึ้น ประสบการณ์การค้าปลีกมีความเป็นส่วนตัวมากขึ้น และเครื่องมือรักษาความปลอดภัยทางไซเบอร์มีความแม่นยำยิ่งขึ้น

เพื่อให้วิสัยทัศน์นี้เป็นจริง ทีมงานของเราได้ทำการวิจัยและพัฒนารูปแบบพื้นฐานใหม่ ซึ่งเป็นแบบจำลอง AI ขนาดใหญ่ที่สามารถใช้เป็นพื้นฐานสำหรับแอปพลิเคชันที่หลากหลาย เรากำลังฝึกฝนโมเดลพื้นฐานของเราโดยใช้ชุดข้อมูลเฉพาะของ Mastercard ซึ่งเริ่มต้นจากธุรกรรมหลายพันล้านรายการ

เพื่อปกป้อง ความเป็นส่วนตัวของผู้ใช้ เราจึงลบข้อมูลส่วนบุคคลทั้งหมดออกจากธุรกรรมเหล่านี้ หลังจากวิเคราะห์ธุรกรรมที่ไม่ระบุชื่อเหล่านี้ได้มากพอแล้ว โมเดลนี้ก็สามารถเริ่มคาดการณ์ธุรกรรมในอนาคตได้

รูปแบบการทำนายแบบนี้โดยส่วนใหญ่แล้วเหมือนกับวิธีการทำงานของแชทบอทในปัจจุบัน ซึ่งแชทบอทจะทำนายว่าคำต่อไปในประโยคควรเป็นคำอะไร เราวางแผนที่จะใช้โมเดลพื้นฐานใหม่นี้ ไม่ใช่เพื่อสร้างแชทบอท แต่เป็นเครื่องมือวิเคราะห์ข้อมูลเชิงลึกที่จะทำให้เครื่องมือและบริการต่างๆ ของเราดียิ่งขึ้น ตั้งแต่การป้องกันภัยคุกคามทางไซเบอร์ไปจนถึงโปรแกรมสะสมแต้ม และเครื่องมือสำหรับธุรกิจขนาดเล็ก

และเรากำลังดำเนินงานนี้โดยใช้ประโยชน์จากความสามารถของ Nvidia และ Databricks ซึ่งเป็นสองบริษัทชั้นนำด้าน AI ในปัจจุบัน เราเริ่มเห็นผลลัพธ์ที่ดีแล้ว และเรารู้สึกตื่นเต้นที่จะนำเสนอผลงานของเราในระหว่าง การประชุม Nvidia GTC 2026

แชทบอทที่ได้รับความนิยมมากที่สุดในปัจจุบัน เช่น Claude และ ChatGPT สร้างขึ้นโดยใช้โมเดลภาษาขนาดใหญ่ หรือ LLM ซึ่งได้รับการฝึกฝนด้วยข้อมูลที่ไม่เป็นระเบียบจำนวนมหาศาล เช่น ข้อความ วิดีโอ และรูปภาพ โมเดลพื้นฐานใหม่ของเราคือโครงข่ายประสาทเทียมแบบเรียนรู้เชิงลึกชนิดใหม่ที่เรียกว่าโมเดลตารางขนาดใหญ่ หรือ LTM ซึ่งได้รับการฝึกฝนบนข้อมูลที่มีโครงสร้าง เช่น ตารางหรือชุดข้อมูลขนาดใหญ่

เรากำลังฝึกฝน LTM เวอร์ชันล่าสุดของเราด้วยข้อมูลธุรกรรมที่ไม่ระบุตัวตนจำนวนมหาศาล แผนของเราคือการขยายขอบเขตงานนี้ให้ครอบคลุมธุรกรรมการชำระเงินหลายแสนล้านรายการ รวมถึงชุดข้อมูลเพิ่มเติมประเภทอื่นๆ เช่น ข้อมูลสถานที่ตั้งของร้านค้า ข้อมูลการฉ้อโกง ข้อมูลการอนุมัติ ข้อมูลการเรียกคืนเงิน และข้อมูลโปรแกรมสะสมแต้ม งานนี้ขับเคลื่อนด้วยแพลตฟอร์มการประมวลผลเร่งความเร็วขั้นสูงของ Nvidia ด้วยการใช้ประโยชน์จากแพลตฟอร์ม AI เร่งความเร็วแบบครบวงจรของ Nvidia เราจึงสามารถประมวลผลข้อมูลนี้ได้ด้วยความเร็วที่ไม่เคยมีมาก่อน

เมื่อเราฝึกฝนโมเดลด้วยข้อมูลที่มากขึ้นและหลากหลายมากขึ้น โมเดลก็จะสามารถให้ข้อมูลเชิงลึกได้มากขึ้นและคาดการณ์ธุรกรรมในอนาคตได้อย่างแม่นยำยิ่งขึ้น

หนึ่งในด้านแรกๆ ที่เราให้ความสำคัญคือความปลอดภัยทางไซเบอร์ บริษัทของเราได้พัฒนาเครื่องมือรักษาความปลอดภัยทางไซเบอร์ที่ดีที่สุดในอุตสาหกรรมมาแล้วมากมาย เพื่อเพิ่มความปลอดภัยในการค้าขาย เราเชื่อว่าการเพิ่มขีดความสามารถของโมเดลพื้นฐานใหม่นี้เข้ากับเครื่องมือที่เรามีอยู่ จะทำให้เครื่องมือเหล่านั้นแข็งแกร่งยิ่งขึ้น

ในการสร้างแบบจำลอง AI ด้านความปลอดภัยทางไซเบอร์ที่มีอยู่ นักวิทยาศาสตร์ข้อมูลของเราเริ่มต้นด้วยข้อมูลธุรกรรมดิบ จากนั้น พวกเขาจะเพิ่มคุณลักษณะเพิ่มเติมลงในข้อมูลนี้ เพื่อระบุว่าแบบจำลองเหล่านั้นควรวิเคราะห์และระบุอะไรบ้าง ตัวอย่างเช่น นักวิทยาศาสตร์ข้อมูลอาจเพิ่มฟีเจอร์ที่ช่วยให้โมเดล AI ของเราสามารถระบุการเพิ่มขึ้นอย่างฉับพลันของกิจกรรมการซื้อของบุคคลใดบุคคลหนึ่ง ซึ่งจะช่วยให้โมเดลสามารถตรวจจับและป้องกันการฉ้อโกงได้

ในทางตรงกันข้าม โมเดลพื้นฐานใหม่ของเราจะวิเคราะห์ข้อมูลชุดเดียวกันโดยใช้ข้อมูลจากมนุษย์เพียงเล็กน้อยเป็นจุดเริ่มต้น และเรียนรู้ลักษณะสำคัญของข้อมูลได้อย่างอิสระมากขึ้น ด้วยวิธีนี้ หน่วยความจำระยะยาว (LTM) สามารถระบุความเชื่อมโยงใหม่ๆ ในข้อมูลที่มนุษย์อาจหาไม่พบด้วยตนเอง

จากการทดสอบของเรา เราพบว่าโมเดลใหม่นี้มีประสิทธิภาพเหนือกว่าเทคนิคการเรียนรู้ของเครื่องจักรมาตรฐานในอุตสาหกรรม ซึ่งเป็นสัญญาณที่ดีในเบื้องต้น ตัวอย่างเช่น การซื้อของที่มีราคาสูงมากแต่เกิดขึ้นไม่บ่อยนัก เช่น การซื้อแหวนแต่งงาน มักจะกระตุ้นแบบจำลองปัจจุบันและทำให้เกิดผลลัพธ์ที่ผิดพลาดจำนวนมาก จากการทดลองของเรา โมเดลพื้นฐานของเราสามารถระบุธุรกรรมที่ถูกต้องตามกฎหมายเหล่านี้ได้ดียิ่งขึ้น โดยโมเดลสามารถเรียนรู้จากสัญญาณที่ค่อนข้างอ่อนในข้อมูลได้

เราวางแผนที่จะสร้างระบบรักษาความปลอดภัยทางไซเบอร์แบบไฮบริดที่ผสมผสานสิ่งที่ดีที่สุดจากทั้งโมเดล AI ปัจจุบันของเราและ LTM ใหม่นี้ สิ่งนี้จะช่วยให้เราสร้างและเตรียมความพร้อมด้านการป้องกันภัยไซเบอร์สำหรับอนาคตได้

ตัวอย่างด้านความปลอดภัยทางไซเบอร์นี้เป็นเพียงผลลัพธ์ที่เป็นไปได้ประการหนึ่งของการวิจัยนี้ เราเชื่อว่าโมเดลพื้นฐานใหม่นี้สามารถนำไปใช้เพื่อปรับปรุงโปรแกรมความภักดีและรางวัล โมเดลการปรับแต่งเฉพาะบุคคล การเพิ่มประสิทธิภาพพอร์ตโฟลิโอ และเครื่องมือวิเคราะห์ข้อมูลได้อีกด้วย

นอกจากนี้ เพื่อให้เครือข่ายของเราดำเนินงานได้ เราจำเป็นต้องสร้าง ฝึกฝน และบำรุงรักษาโมเดล AI หลายพันโมเดล โดยแต่ละโมเดลมีไว้สำหรับตลาด กรณีการใช้งาน หรือลูกค้าที่แตกต่างกัน LTM ใหม่นี้อาจมีความยืดหยุ่นมากพอที่จะช่วยให้เราลดจำนวนโมเดลที่แตกต่างกันลงได้อย่างมาก

เรากำลังเร่งดำเนินการเพื่อขยายขีดความสามารถของ LTM ของเรา เรากำลังมองหาแนวทางที่จะเพิ่มความซับซ้อนทางอัลกอริทึมให้กับโครงสร้างของโมเดล เพื่อให้สามารถดึงข้อมูลเชิงลึกเพิ่มเติมจากข้อมูลดิบได้ นอกจากนี้ เรากำลังพัฒนา API และชุดเครื่องมือเพื่อให้ทีมต่างๆ ทั่วทั้ง Mastercard สามารถเข้าถึงโมเดลพื้นฐานใหม่นี้ เพื่อให้พวกเขาสามารถสร้างแอปพลิเคชันใหม่ๆ บนโมเดลนี้ได้

นอกจากนี้เรายังจะยังคงร่วมมืออย่างใกล้ชิดกับ Nvidia และ Databricks เพื่อผลักดันงานพัฒนาทั้งหมดนี้

เช่นเคย เราจะยังคงสร้างแบบจำลองใหม่นี้ต่อไปโดยยึดมั่นในหลักการความรับผิดชอบด้านข้อมูลของเรา โดยมุ่งเน้นที่ความเป็นส่วนตัวของผู้ใช้ การกำกับดูแลและการควบคุมที่แข็งแกร่ง และความโปร่งใส

ในแต่ละก้าวที่ก้าวไปข้างหน้า เช่นเดียวกับการพัฒนาอย่างรวดเร็วของแชทบอทในปัจจุบัน เราเริ่มเห็นศักยภาพที่แบบจำลองพื้นฐานนี้สามารถนำมาสู่อุตสาหกรรมของเราได้ ซึ่งจะนำความชาญฉลาด ความปลอดภัย และความเร็วที่มากขึ้นมาสู่การชำระเงินและการค้า