Многофункциональный подход с LTM несёт определённые риски: поломка в широко распространённой модели способна затронуть всю систему. Именно поэтому Mastercard сейчас интегрирует свою разработку параллельно с проверенными механизмами обнаружения мошенничества.
Компания намерена нарастить объём данных для обучения модели и усложнить её архитектуру. Появятся интерфейсы API и SDK, которые позволят внутренним разработчикам создавать свежие приложения на этой базе.
В публикации в блоге акцентируют внимание на обязанностях LTM по работе с данными: это конфиденциальность, открытость процессов, интерпретируемость модели и возможность проверки. Любая система, влияющая на кредитные решения или итоги проверок на фрод, неизбежно привлечёт внимание регуляторов, помимо вопросов к обработке данных в самой модели.
Сердцевина LTM — это строго структурированные табличные данные, а не текст или картинки. Такие крупные табличные модели способны положить начало свежему поколению ИИ-систем в ключевых элементах банковской инфраструктуры и платёжных сетей.
Пока подтверждения успехов ограничиваются материалами от поставщиков, поэтому утверждения о характеристиках не стоит принимать за окончательные.
Табличные модели ждут испытаний на прочность в агрессивных сценариях, долговременных расходов после обучения и одобрения со стороны надзорных органов. Эти аспекты решат, насколько быстро и широко их примут. Mastercard сейчас именно здесь видит перспективы для своих вложений.