Mastercard: Πώς αξιοποιείται η τεχνητή νοημοσύνη κατά της απάτης στις online συναλλαγές

Ένας τέτοιος τομέας είναι η προστασία από απάτες των ηλεκτρονικών συναλλαγών, οι οποίες έχουν αυξηθεί τα τελευταία χρόνια, ιδιαίτερα μετά την πανδημία της COVID-19.

«Το συγκεκριμένο θέμα είναι ιδιαίτερα μεγάλο, καθώς εκτιμάται ότι αντιστοιχεί σε ένα ποσοστό μεταξύ 1% και 3% όσον αφορά το ηλεκτρονικό εμπόριο. Αυτό σημαίνει ότι το συνολικό ποσό ανέρχεται σε αρκετά δισ. δολάρια» επισημαίνει στο CNN Greece o Sudhir Jha, ανώτερος αντιπρόεδρος της Mastercard και επικεφαλής της Brighterion.

Η τελευταία είναι μία εταιρεία, η οποία από το 2017 έχει εξαγοραστεί από τη Mastercard, που ασχολείται με την ανάπτυξη εξειδικευμένων λύσεων τεχνητής νοημοσύνης (ΑΙ) για οργανισμούς και μεγάλες επιχειρήσεις που θέλουν να αντιμετωπίσουν τα ζητήματα που προκύπτουν από απάτες σε ηλεκτρονικές συναλλαγές.

Η Brighterion δραστηριοποιείται στο συγκεκριμένο χώρο τις τελευταίες δύο δεκαετίες και ήταν από τις πρώτες εταιρείες που αξιοποίησαν εφαρμογές τεχνητής νοημοσύνης προκειμένου να αντιμετωπίσουν το ζήτημα με τις απάτες στις ηλεκτρονικές συναλλαγές, οι οποίες παρουσιάζουν διαρκώς άνοδο.

Σύμφωνα με τον κ. Jha, το ζήτημα είναι πως καθώς όλο και περισσότεροι άνθρωποι χρησιμοποιούν online υπηρεσίες αυξάνονται και οι πιθανότητες να υπάρξει κάποιος που θα εκμεταλλευτεί αυτή την τάση για μία απάτη.

«Ταυτόχρονα βλέπουμε ότι οι απάτες γίνονται όλο και πιο εξεζητημένες και έξυπνες» επισημαίνει το στέλεχος της Mastercard, προσθέτοντας ότι εκεί είναι που αναλαμβάνει ρόλο η τεχνητή νοημοσύνη και τα αλγοριθμικά μοντέλα που αναπτύσσει η Brighterion προκειμένου να προλάβουν τη διενέργεια κάποιας απάτης.

Οι προκλήσεις του ΑΙ

Προκειμένου να λειτουργήσουν σωστά αυτές οι εφαρμογές τεχνητής νοημοσύνης χρειάζονται όλο και περισσότερο δεδομένα αλλά εκεί υπάρχουν διάφορα ζητήματα. Καταρχάς, σύμφωνα με τον κ. Jha, ένα ζήτημα που υπάρχει με το ΑΙ είναι πως δίνεται ιδιαίτερη έμφαση στον τομέα της διαμόρφωσης των αλγοριθμικών μοντέλων. «Για κάποιον που αξιοποιεί τα δεδομένα, τους αποκαλούμενους data scientists, υπάρχουν τρεις φάσεις.

Η πρώτη αφορά την προετοιμασία των δεδομένων, δηλαδή να εντοπίσεις τα χαρακτηριστικά που χρειάζεσαι και τις ανάγκες που θες να καλύψεις. Η δεύτερη είναι η διαμόρφωση των μοντέλων.

Και η τρίτη είναι τι γίνεται μετά τη διαμόρφωση, πως δηλαδή γίνεται η υλοποίηση αυτών των μοντέλων, η συντήρηση αλλά και η προσαρμογή τους σε νέες συνθήκες» εξηγεί ο κ. Jha.

Όπως, όμως, σπεύδει να προσθέσει το υψηλόβαθμο στέλεχος της Mastercard, τα τελευταία χρόνια έχει δοθεί μεγάλη έμφαση στο δεύτερη φάση και στη διαμόρφωση των μοντέλων, όταν και οι άλλες δύο είναι εξίσου σημαντικές.

Και εκεί είναι ένας τομέας όπου η Brighterion προσπαθεί να δώσει μεγαλύτερη έμφαση. Το πλεονέκτημα μας είναι πως βλέπουμε συνολικά μία λύση, κάτι που μας επιτρέπει να επιλύουμε περισσότερο πολύπλοκα προβλήματα» αναφέρει ο κ. Jha.

Ένα δεύτερο μεγάλο ζήτημα έχει να κάνει με τον τομέα της ηθικής και των διακρίσεων από τις εφαρμογές τεχνητής νοημοσύνης. «Πρόκειται για ένα ζήτημα όπου μπορούν να δοθούν λύσεις αν ασχοληθούμε με την προετοιμασία των δεδομένων αλλά και με το πως αξιοποιούμε τα μοντέλα.

Μία μηχανή μπορεί να εκπαιδευτεί σωστά αρκεί να έχει τα κατάλληλα δεδομένα» τονίζει ο κ. Jha, ο οποίος δηλώνει αισιόδοξος ότι θα επιλύσουμε το θέμα των διακρίσεων στην τεχνητή νοημοσύνη.

«Είναι η πρώτη φορά που όλος ο κλάδος κάνει λόγο για ηθικές αξίες και αναφέρεται στη σωστή χρήση της τεχνολογίας και στο ότι είναι κάτι που θα πρέπει να λύσουμε όλοι μαζί» επισημαίνει ο αντιπρόεδρος της Mastercard, προσθέτοντας ότι σε όλη αυτή την προσπάθεια απαιτείται να υπάρχει και το κατάλληλο θεσμικό πλαίσιο.

Η ευκαιρία της Ελλάδας

Σύμφωνα με τον κ. Jha, η πανδημία οδήγησε σε μία αύξηση της χρήσης εφαρμογών τεχνητής νοημοσύνης τα τελευταία δύο χρόνια. «Οι εταιρείες έχουν αρχίσει πλέον να είναι πιο ανοικτές στη χρήση εφαρμογών AI» αναφέρει το στέλεχος της Mastercard, σημειώνοντας ότι θα πρέπει να είμαστε λίγο πιο προσεκτικοί ώστε να διασφαλίσουμε ότι είμαστε στο σωστό δρόμο.

«Ευελπιστώ ότι οι εταιρείες θα αρχίσουν να συνεργάζονται περισσότερο μεταξύ τους και να χρησιμοποιούν η μία τις προβλέψεις της άλλης» σημειώνει ο κ. Jha.

Όσον αφορά στην Ελλάδα, ο κ. Jha αναφέρει ότι τώρα είναι ο κατάλληλος χρόνος προκειμένου να αξιοποιηθούν τα δεδομένα.

«Από τη στιγμή που υπάρχει μεγαλύτερη ψηφιοποίηση, παράγονται και περισσότερα δεδομένα και αυτό είναι κλειδί όσον αφορά στη σωστή αξιοποίηση της τεχνητής νοημοσύνης» επισημαίνει το στέλεχος της Mastercard.