Noll
Carousell anser att fokus på artificiell intelligens (AI) behov att gå förbi hype och om hur företag faktiskt kan anta det för att få verklig affärsnytta.
I synnerhet, det Singapore-baserade consumer-to-consumer (C2C) marknadsplats på nätet som var ute efter att maskinen lärande och AI för att bekämpa bedrägerier och som förbättrar användarens upplevelse.
Carousell CTO och Grundare Lucas Ngoo sagt upprättandet användarnas förtroende var viktiga för sajten, där köpare skulle köpa varor från enskilda säljarna att de inte känner personligen eller var de inte backas upp av stora varumärken.
Företaget började undersöka användningen av maskininlärning mindre än ett år går, knacka TensorFlow och Google Cloud Machine Learning engine för att identifiera och flagga potentiella risken för bedrägerier. Till exempel programvara skulle kunna lyfta fram en individ som skickas ut flera förfrågningar till olika Carousell användare, be dem att lämna platsen chatt plattform för att kommunicera.
Denna information skulle då skickas till företagets förtroende och säkerhet laget ses över och att vidta nödvändiga åtgärder, till exempel, att upphäva den enskildes konto.
“Det kommer inte att ersätta människor, men det förstärker människors omdöme…och hjälper till med prognos som tidigare inte var möjligt. Vid slutet av dagen, den mänskliga behövs fortfarande för att göra det sista samtalet baserat på dessa beräkningar,” Ngoo sade under en paneldiskussion på sitt kontor.
“Vi ser lärande [slut] integreras i alla delar av verksamheten, inklusive användarens upplevelse och säkerhet”, sade han, och tillade att företaget skulle fortsätta att utforska andra sätt att utnyttja maskinen lärande.
Enligt Nggo, Carousell närvarande hade ett bedrägeri priser på 0,05 procent.
Øyvind Roti, Google: s Asien-Stillahavsområdet Japan huvudet av lösningar arkitekt för moln, konstaterade att upptäcka bedrägerier processer i det förflutna berörs ett stort antal manuellt ställa in regler och de anställda skulle ha att noggrant titta igenom alla dessa för att avgöra om en transaktion var bedrägliga.
Framväxten av intelligens och maskininlärning hjälpte till att automatisera en hel del av dessa repeterbara processer, sade Roti, som också var med i panelen. Maskinen lär sig att inte bara skära ned den tid som behövs för att granska och identifiera potentiella risker, det kan också plocka upp en ny taktik hackare antog över tid för att kringgå dessa regler. Detta skulle göra det möjligt för företag att hänga med cyberbrottslingar.
Han betonade också, om att människor fortfarande behövdes för att hoppa in och göra den slutliga beslut och vidta nödvändiga åtgärder.
Chris Auld, Microsofts Sydostasien huvudsakliga teknisk evangelist manager, instämde, att notera att det var svårt att genomsyra maskiner med värderingar och moral. Detta underströk behovet för människor att göra som värde judegement, Auld sagt.
Och han borde ju veta, eftersom Microsoft förra året var tvungna att stänga ner sin AI chatbot, Tay.ai, efter bara 16 timmar när det började att plocka upp inflammatoriska och rasistiska åsikter på Twitter.
Att erkänna den misslyckade experiment, Auld sade denna erfarenhet underströk behovet av att genomsyra mänskliga värden, särskilt lärande verktyg lärt sig från vad de sett på nätet, inklusive icke önskvärda mänskliga beteenden.
Han betonade också behovet av IT-leverantör gemenskapen att gå med försiktighet vid körning maskinen lärande och AI, eller riskerar att få regeringar som bära ner på branschen med föreskrifter.
ZDNet frågade då hur det skulle påverka behovet av att balansera tillgång till mer användardata, för att mata modeller och användarnas efterfrågan för den personliga integriteten. Google i synnerhet, den här veckan medgav att det fortsatte att spåra Android-användare’ plats även när inställningen har avaktiverats.
Medan han avböjde att kommentera just den frågan eftersom det var ur hans fokus, Roti sade Google, när det gäller lärande, alltid anges i förskott för att det hade någon äganderätt till de data som används för att mata dessa modeller. Dess företagskunder som används och ägs av sina data, sade han.
Han pekade på en annan utveckling i lärande som inte är beroende av uppgifter som att träna. AlphaGo Noll var att kunna bemästra spelet utan föregående mänsklig kunskap och enbart baserat på sin kunskap om spelets regler och genom att spela helt slumpmässigt Gå spel mot sig själv. I tre dagar, det besegrade sina tidigare iterationen, AlphaGo, 100 spel till 0.
Relaterade Ämnen:
Bank
Säkerhet-TV
Hantering Av Data
CXO
Datacenter
0