Mastercard'ın yeni üretken yapay zeka modeliyle tanışın

Üretken yapay zeka, chatbot dünyasını tamamen değiştirdi. Şimdi, bir robotla konuşmak bilimkurgu değil, sadece yaptığımız bir şey.

Aynı gen-AI teknolojisinin sadece sohbeti değil, ticareti de dönüştüreceğine inanıyoruz. Ödemeleri daha hızlı, perakende deneyimlerini daha kişiselleştirilmiş ve siber güvenlik araçlarını daha hassas hale getirecek.

Bu vizyonu gerçekleştirmek için ekiplerimiz, çok çeşitli uygulamalar için temel olarak kullanılabilecek büyük ölçekli bir yapay zeka modeli olan yeni bir temel modeli araştırıyor ve inşa ediyor. Temel modelimizi milyarlarca işlemden başlayarak Mastercard'ın benzersiz veri kümeleri üzerinde eğitiyoruz.

Kullanıcı gizliliğini korumak için bu işlemlerden tüm kişisel verileri kaldırıyoruz. Bu anonimleştirilmiş işlemlerin yeterince analiz edilmesinin ardından, bu model gelecekteki işlemleri tahmin etmeye başlayabilir.

Bu tür bir tahmin modeli, günümüz sohbet robotlarının çalışma şekliyle büyük ölçüde aynıdır; sohbet robotu bir cümlede bir sonraki kelimenin ne olması gerektiğini tahmin eder. Bu yeni temel modeli bir sohbet robotu oluşturmak için değil, siber savunmadan sadakat programlarına ve küçük işletme araçlarına kadar birçok araç ve hizmetimizi daha da iyi hale getirecek bir içgörü motoru olarak kullanmayı planlıyoruz.

Ve bu çalışmayı, bugün yapay zekanın en büyük isimlerinden ikisi olan Nvidia ve Databricks'in yeteneklerinden yararlanarak yapıyoruz. Şimdiden güçlü sonuçlar almaya başladık ve Nvidia GTC 2026 konferansı sırasında çalışmalarımızı sergileyeceğimiz için heyecanlıyız.

Claude ve ChatGPT gibi günümüzün en popüler sohbet robotları, metin, video ve fotoğraf gibi büyük miktarda yapılandırılmamış veri üzerinde eğitilen büyük dil modelleri veya LLM'ler kullanılarak oluşturulmuştur. Yeni temel modelimiz, büyük ölçekli tablolar veya veri kümeleri gibi yapılandırılmış veriler üzerinde eğitilen büyük tablo modeli veya LTM olarak adlandırılan farklı bir derin öğrenme sinir ağı türüdür.

LTM'mizin en son sürümünü milyarlarca anonimleştirilmiş işlem üzerinde eğitiyoruz. Planımız, bu çalışmayı yüz milyarlarca ödeme işleminin yanı sıra İşyeri konum verileri, dolandırıcılık verileri, yetkilendirme verileri, ters ibraz verileri ve sadakat programı verileri dahil olmak üzere ek veri kümeleri türlerini içerecek şekilde hızlandırmaktır. Bu çalışma Nvidia'nın gelişmiş hızlandırılmış bilgi işlem platformu tarafından desteklenmektedir. Nvidia'nın tam yığın hızlandırılmış yapay zeka platformundan yararlanarak bu verileri benzeri görülmemiş hızlarda işleyebiliyoruz.

Modeli daha fazla veri ve daha fazla veri türü üzerinde eğittikçe, daha fazla içgörü sağlayabilecek ve gelecekteki işlemleri daha doğru bir şekilde tahmin edebilecektir.

Odaklandığımız ilk alanlardan biri siber güvenlik. Şirketimiz, ticareti daha güvenli hale getirmek için sektördeki en iyi siber araçların birçoğunu halihazırda oluşturmuştur. Bu yeni vakıf modelinin yeteneklerini mevcut araçlarımıza eklemenin onları daha da güçlü kılacağına inanıyoruz.

Mevcut siber güvenlik yapay zeka modellerimizi oluşturmak için veri bilimcilerimiz işe ham işlem verileriyle başlıyor. Daha sonra bu modellerin neleri analiz etmesi ve işaretlemesi gerektiğini belirtmek için bu verileri ek özelliklerle zenginleştirirler. Örneğin, bir veri bilimci, yapay zeka modellerimizin birinin satın alma faaliyetindeki ani bir artışı tespit etmesine yardımcı olan bir özellik ekleyebilir, bu da modelin dolandırıcılığı tespit etmesini ve durdurmasını sağlar.

Buna karşılık, yeni temel modelimiz aynı verileri başlangıç noktası olarak çok sınırlı insan girdisiyle analiz ederek verilerin önemli özelliklerinin neler olduğunu daha bağımsız bir şekilde öğreniyor. Bu şekilde LTM, verilerde bir insanın kendi başına bulamayacağı yeni bağlantıları tespit edebilir.

Testlerimizde, bu yeni modelin standart endüstri makine öğrenimi tekniklerinden daha iyi performans gösterdiğini gördük ve bu da bize umut verici erken işaretler veriyor. Örneğin, çok pahalı ancak çok seyrek satın alımlar - örneğin bir kişinin alyans satın alması - günümüzde mevcut modelleri tetikleme eğilimindedir ve çok sayıda yanlış pozitif sonuca neden olur. Deneylerimizde, temel modelimiz bu meşru işlemleri daha iyi tanımlayabiliyor ve model verilerdeki nispeten zayıf sinyallerden öğrenebiliyor.

Hem mevcut yapay zeka modellerimizin hem de bu yeni LTM'nin en iyi özelliklerini bir araya getiren hibrit siber güvenlik sistemleri oluşturmayı planlıyoruz. Bu, siber savunmamızı geliştirmemize ve geleceğe hazırlamamıza yardımcı olacaktır.

Bu siber güvenlik örneği, bu araştırmanın potansiyel sonuçlarından sadece bir tanesidir. Yeni temel modelin sadakat ve ödül programlarını, kişiselleştirme modellerini, portföy optimizasyonunu ve veri analitiği araçlarını geliştirmek için de kullanılabileceğine inanıyoruz.

Ayrıca, ağımızı çalıştırmak için şu anda her biri farklı pazarlar, kullanım durumları veya müşteriler için binlerce yapay zeka modeli oluşturmamız, eğitmemiz ve sürdürmemiz gerekiyor. Bu yeni LTM, çok sayıda farklı modelin bakımını yapma zorunluluğunu önemli ölçüde azaltmamıza yardımcı olacak kadar esnek hale gelebilir.

LTM'nin yeteneklerini genişletmek için çalışmalarımızı hızlandırıyoruz. Ham verilerden daha fazla içgörü elde edebilmesi için modelin mimarisine algoritmik karmaşıklık eklemek istiyoruz. Ayrıca, Mastercard'daki ekiplerin bu yeni temel modele erişimini sağlamak için API'ler ve araç setleri geliştiriyoruz, böylece bunun üzerine yeni uygulamalar oluşturabilirler.

Tüm bu geliştirme çalışmalarını ilerletmek için Nvidia ve Databricks ile yakın işbirliğimizi de sürdüreceğiz.

Her zaman olduğu gibi bu yeni modeli de veri sorumluluğu ilkelerimizi izleyerek, kullanıcı gizliliğine, sağlam yönetişim ve kontrollere ve şeffaflığa odaklanarak oluşturmaya devam edeceğiz.

İleriye doğru atılan her adımda, tıpkı günümüzde sohbet robotlarının hızla gelişmesi gibi, bu temel modelin sektörümüz için sahip olabileceği potansiyeli görmeye başlıyoruz - ödemelere ve ticarete daha fazla zeka, güvenlik ve hız getiriyoruz.