万事达卡推出基于交易数据构建的生成式人工智能系统，以增强安全性、提供洞察力和实现个性化服务

简要概述

万事达卡正在开发一种基于生成式人工智能的基础模型，该模型以匿名交易数据为训练基础，旨在提升洞察力、欺诈检测和支付服务，同时保护用户隐私。

科技公司及全球支付网络万事达卡推出了一套设计为支持多种应用的大规模生成式AI系统。该模型正在利用来自数十亿笔支付交易的专有数据集进行训练，个人身份信息已被移除以保护用户隐私。通过分析这些匿名模式，系统旨在生成洞察并预测未来的交易行为。

该方法类似于现代对话式AI系统，后者预测序列中的后续词，但此模型并非用于对话生成。相反，它被开发为一种分析引擎，用于增强现有服务，包括网络安全措施、客户忠诚度计划和中小企业工具。

该系统得到了包括Nvidia和Databricks在内的主要计算和数据基础设施提供商的支持，能够进行大规模处理和加速模型训练。公司表示，相关成果预计将在即将举行的行业会议上公布。

基于结构化交易数据的基础AI模型，提升支付与安全能力

其基础架构不同于常用的大型语言模型，这些模型通常在文本、图像和视频等非结构化数据上训练。而此模型属于一种被称为大型表格模型的类别，专门在结构化的表格数据集上训练。训练过程中将大规模交易数据纳入，未来还计划扩展到更广泛的数据集，如商户位置、欺诈指标、授权记录、拒付数据和忠诚度计划活动。

数据范围的扩大旨在提升模型识别模式和生成更准确预测的能力。其主要应用领域之一是网络安全，目前已有系统用于检测和预防欺诈。集成这一新模型预计将通过改进的模式识别和减少误报，增强这些能力。

目前的网络安全模型通常依赖数据科学家设计的特征工程，以突出交易数据中的特定信号，例如突发的支出行为变化。而新系统旨在通过最少的手动特征工程学习这些模式，从而能够识别传统方法可能未能立即察觉的关系。

初步测试显示，该系统在性能方面优于传统机器学习方法，尤其是在减少合法但罕见交易的误报方面表现出色。它已展示出更好地区分异常但有效活动与潜在欺诈行为的能力。

其他潜在应用包括个性化系统的增强、奖励计划的优化、投资组合分析的改进以及更先进的数据分析能力。该模型还预计将减少在不同地区和用例中维护大量专业模型的需求。

未来的开发计划包括扩展模型功能、优化架构，以及引入应用程序接口和开发者工具，以实现更广泛的组织内部应用。与技术合作伙伴的持续合作也将支持不断的技术进步。

该项目遵循既定的数据治理原则，强调隐私保护、负责任的数据使用和透明度。随着开发的推进，预计该模型将提升支付和商务系统的效率、安全性和智能水平。