لبه هوش مصنوعی ویزا: چگونه RAG-as-a-service و یادگیری عمیق امنیت را تقویت و بازیابی داده ها را سرعت می بخشد

شرکت پرداخت جهانی ویزا (Visa) در بیش از 200 کشور و منطقه فعالیت می‌کند که همگی قوانین و مقررات منحصربه‌فرد و پیچیده خود را دارند.

تیم خدمات مشتریان آن باید این تفاوت‌های ظریف را در هنگام مطرح شدن سؤالات مربوط به سیاست‌ها درک کند - مانند "آیا ما مجاز به پردازش این نوع پرداخت در این کشور هستیم؟" - اما دانستن همه این پاسخ‌ها از روی ذهن به سادگی از نظر انسانی امکان‌پذیر نیست.

این بدان معناست که آنها معمولاً مجبور بودند اطلاعات مربوطه را به صورت دستی ردیابی کنند - یک فرآیند طاقت‌فرسا که بسته به میزان دسترسی به آن می‌تواند روزها طول بکشد.

هنگامی که هوش مصنوعی مولد (Generative AI) ظهور کرد، ویزا این را به عنوان یک مورد استفاده عالی دید و تولید افزوده شده با بازیابی (Retrieval-Augmented Generation) یا (RAG) را به کار گرفت تا نه تنها اطلاعات را تا 1000 برابر سریع‌تر بیرون بکشد، بلکه آن را به منابع خود نیز ارجاع دهد.

سام همیلتون، معاون ارشد داده و هوش مصنوعی ویزا، به VentureBeat گفت: "اول از همه، نتایج با کیفیت بهتری دارد. همچنین تأخیر نیز وجود دارد، درست است؟ آنها می‌توانند موارد بیشتری را نسبت به قبل رسیدگی کنند."

این تنها یکی از راه‌هایی است که ویزا از هوش مصنوعی مولد برای بهبود عملیات خود استفاده می‌کند - که توسط یک پشته فناوری لایه‌بندی شده که عمداً ساخته شده است، پشتیبانی می‌شود - در حالی که ریسک را مدیریت می‌کند و از تقلب جلوگیری می‌کند.

30 نوامبر 2022، روزی که ChatGPT به جهان معرفی شد، به عنوان یک لحظه محوری برای هوش مصنوعی در تاریخ ثبت خواهد شد.

همیلتون اندکی پس از آن خاطرنشان کرد: "کارمندان ویزا همگی می‌پرسیدند، 'ChatGPT من کجاست؟' 'آیا می‌توانم از ChatGPT استفاده کنم؟' 'من به ChatGPT دسترسی ندارم.' 'من ChatGPT می‌خواهم.'"

با این حال، ویزا به عنوان یکی از بزرگترین ارائه دهندگان پرداخت‌های دیجیتال در جهان، طبیعتاً نگرانی‌هایی در مورد داده‌های حساس مشتریان خود داشت - به طور خاص، اینکه ایمن باقی بماند، خارج از حوزه عمومی باشد و برای آموزش مدل آینده استفاده نشود.

برای پاسخگویی به تقاضای کارکنان در حالی که این نگرانی‌ها را متعادل می‌کند، ویزا چیزی را معرفی کرد که آن را 'ChatGPT امن' می‌نامد، که در پشت یک فایروال قرار دارد و به صورت داخلی در Microsoft Azure اجرا می‌شود. این شرکت می‌تواند ورودی و خروجی را از طریق غربالگری جلوگیری از دست دادن داده (DLP) کنترل کند تا اطمینان حاصل شود که هیچ داده حساسی سیستم‌های ویزا را ترک نمی‌کند.

همیلتون توضیح داد: "همه صدها پتابایت داده، همه چیز رمزگذاری شده است، همه چیز در حالت سکون و همچنین در انتقال امن است."

علیرغم این نام، Secure ChatGPT یک رابط چند مدلی است که شش گزینه مختلف را ارائه می‌دهد: GPT (و تکرارهای مختلف آن)، Mistral، Claude از Anthropic، Llama از Meta، Gemini از Google و Granite از IBM. همیلتون این را مدل-به-عنوان-خدمات یا RAG-به-عنوان-خدمات توصیف کرد.

او گفت: "به این فکر کنید که نوعی لایه است که در آن می‌توانیم یک انتزاع ارائه دهیم."

به جای اینکه افراد پایگاه داده برداری خود را بسازند، می‌توانند API را انتخاب کنند که به بهترین وجه با مورد استفاده خاص آنها مطابقت دارد. به عنوان مثال، اگر فقط به کمی تنظیم دقیق نیاز داشته باشند، معمولاً یک مدل منبع باز کوچکتر مانند Mistral را انتخاب می‌کنند؛ در مقابل، اگر به دنبال مدل استدلال پیچیده‌تری هستند، می‌توانند چیزی مانند OpenAI o1 یا o3 را انتخاب کنند.

به این ترتیب، افراد احساس نمی‌کنند که محدود شده‌اند یا گویی از آنچه به راحتی در حوزه عمومی در دسترس است (که می‌تواند منجر به "هوش مصنوعی سایه" یا استفاده از مدل‌های تایید نشده شود) غافل شده‌اند. Secure GPT "چیزی بیش از یک پوسته در بالای مدل نیست" ، همیلتون توضیح داد. "اکنون آنها می‌توانند مدلی را که می‌خواهند در بالای آن انتخاب کنند."

فراتر از Secure ChatGPT، همه توسعه دهندگان ویزا به GitHub Copilot دسترسی دارند تا در کدنویسی و آزمایش روزمره خود کمک کنند. همیلتون خاطرنشان کرد که توسعه دهندگان از Copilot و افزونه‌ها برای محیط‌های توسعه یکپارچه مختلف (IDEs) برای درک کد، بهبود کد و انجام آزمایش واحد (تعیین اینکه کد طبق نظر اجرا می‌شود) استفاده می‌کنند.

او گفت: "بنابراین پوشش کد [شناسایی مناطقی که آزمایش مناسب در آنها وجود ندارد] به طور قابل توجهی افزایش می‌یابد زیرا ما این دستیار را داریم."

یکی از قوی‌ترین موارد استفاده برای Secure ChatGPT، رسیدگی به سؤالات مربوط به سیاست خاص یک منطقه معین است.

همیلتون خاطرنشان کرد: "همانطور که می‌توانید تصور کنید، بودن در 200 کشور با مقررات مختلف، اسناد می‌تواند هزاران و هزاران، صدها هزار باشد. این واقعاً پیچیده می‌شود. شما باید آن را میخکوب کنید، درست است؟ و باید یک جستجوی جامع باشد."

ناگفته نماند، سیاست محلی با گذشت زمان تغییر می‌کند، بنابراین کارشناسان ویزا باید به روز باشند.

اکنون با یک RAG قوی که در داده‌های قابل اعتماد و به روز استوار است، هوش مصنوعی ویزا نه تنها به سرعت پاسخ‌ها را بازیابی می‌کند، بلکه استنادها و مواد منبع را نیز ارائه می‌دهد. همیلتون توضیح داد: "به شما می‌گوید چه کاری می‌توانید انجام دهید یا نمی‌توانید انجام دهید، و می‌گوید، 'این سندی است که شما می‌خواهید، من بر اساس آن پاسخی می‌دهم.' ما پاسخ‌ها را با دانشی که در RAG ساخته‌ایم محدود کرده‌ایم."

به طور معمول، این فرآیند جامع "اگر نه ساعت‌ها، روزها" طول می‌کشد تا به نتایج ملموس برسد. همیلتون گفت: "اکنون می‌توانم آن را در پنج دقیقه، دو دقیقه دریافت کنم."

این قابلیت‌ها نتیجه سرمایه‌گذاری سنگین ویزا در زیرساخت داده در 10 سال گذشته است: به گفته همیلتون، این غول مالی حدود 3 میلیارد دلار برای پشته فناوری خود هزینه کرده است.

او آن پشته را به عنوان "کیک تولد با 4 لایه" توصیف می‌کند: پایه یک "لایه پلتفرم-داده-به-عنوان-خدمات" است، با "داده-به-عنوان-خدمات"، یک اکوسیستم هوش مصنوعی و یادگیری ماشین (ML) و لایه‌های خدمات و محصولات داده که در بالا ساخته شده‌اند.

پلتفرم-داده-به-عنوان-خدمات اساساً به عنوان یک سیستم عامل ساخته شده بر روی یک دریاچه داده عمل می‌کند که "صدها پتابایت داده" را جمع‌آوری می‌کند، همیلتون توضیح داد. لایه بالا، داده-به-عنوان-خدمات، به عنوان نوعی "بزرگراه داده" با خطوط متعدد که با سرعت‌های مختلف حرکت می‌کنند، عمل می‌کند تا صدها برنامه را تامین کند.

لایه سوم، اکوسیستم AI/ML، جایی است که ویزا به طور مداوم مدل‌ها را آزمایش می‌کند تا اطمینان حاصل کند که به درستی عمل می‌کنند و مستعد سوگیری و رانش نیستند. در نهایت، لایه چهارم جایی است که ویزا محصولاتی را برای کارکنان و مشتریان می‌سازد.

یکی از اولویت‌های اصلی ویزا به عنوان یک ارائه دهنده پرداخت مورد اعتماد، جلوگیری از کلاهبرداری است و هوش مصنوعی در اینجا نیز نقش فزاینده‌ای ایفا می‌کند. همیلتون توضیح داد که این شرکت بیش از 10 میلیارد دلار برای کمک به کاهش کلاهبرداری و افزایش امنیت شبکه سرمایه گذاری کرده است. در نهایت، این به شرکت کمک کرد تا از 40 میلیارد دلار کلاهبرداری تلاش شده تنها در سال 2024 جلوگیری کند.

به عنوان مثال، یک ابزار مجوز عمیق جدید ویزا، امتیازدهی ریسک تراکنش را برای کمک به مدیریت پرداخت‌های کارت-بدون-حضور (CNP) ارائه می‌دهد (مانند زمانی که کاربران از طریق وب یا برنامه تلفن همراه پرداخت می‌کنند، همانطور که برای همه ما یک عمل روزمره است). این توسط یک مدل شبکه عصبی بازگشتی (RNN) یادگیری عمیق مبتنی بر پتابایت داده‌های متنی طراحی شده است. به طور مشابه، حفاظت از پرداخت حساب به حساب در زمان واقعی (فکر کنید از طریق کیف پول دیجیتال یا سیستم‌های پرداخت فوری) - توسط مدل‌های هوش مصنوعی یادگیری عمیق فعال می‌شود که امتیازهای ریسک فوری تولید می‌کنند و به طور خودکار تراکنش‌های بد را مسدود می‌کنند.

همیلتون توضیح داد که ویزا از یک مدل مبتنی بر ترانسفورماتور - یک شبکه عصبی که با ردیابی روابط در داده‌ها، زمینه و معنی را یاد می‌گیرد - برای بهبود این ابزارها و شناسایی و خنثی کردن سریع کلاهبرداری استفاده کرد. او گفت: "ما می‌خواستیم این کار را در راستای تراکنش‌ها انجام دهیم." "این بدان معناست که ما کمتر از یک ثانیه، باید بگویم میلی ثانیه، زمان پاسخ داریم."

داده‌های مصنوعی نیز در جلوگیری از کلاهبرداری ارزش دارند: تیم همیلتون داده‌های موجود را با داده‌های مصنوعی افزایش می‌دهد تا شبیه‌سازی‌هایی را در مورد شمارش‌های جدیدتر کلاهبرداری انجام دهد. او گفت: "این به ما کمک می‌کند تا یاد بگیریم اکنون چه اتفاقی می‌افتد و در کوتاه مدت و بلند مدت چه اتفاقی می‌تواند بیفتد، بنابراین می‌توانیم مدل را شبیه‌سازی و آموزش دهیم تا داده‌ها را بگیرد."

او خاطرنشان کرد که کلاهبرداری یک مسابقه تسلیحاتی است - و مانع ورود برای عوامل تهدید بسیار کم است. همیلتون تاکید کرد: "ما باید یک قدم جلوتر از آن باشیم و آنها را پیش بینی و مسدود کنیم."