Nul
Carousell van mening dat de focus op de kunstmatige intelligentie (AI) moet voorbij de hype en over hoe bedrijven daadwerkelijk kan nemen om te krijgen echte zakelijke voordelen.
In het bijzonder de in Singapore gevestigde consumer-to-consumer (C2C) online marktplaats was op zoek naar een ‘machine learning’ en AI voor de bestrijding van fraude en het verbeteren van de gebruikerservaring.
Carousell CTO en Mede-Oprichter Lucas Ngoo zei oprichting van het vertrouwen van gebruikers is belangrijk voor de site, waarbij kopers zou de aankoop van goederen van individuele verkopers die ze niet persoonlijk kennen of niet werden ondersteund door de grote merken.
Het bedrijf begon met het verkennen van het gebruik van machine learning minder dan een jaar ga tikken TensorFlow en Google ‘ s Cloud Machine Learning motor te identificeren en markeren van mogelijke risico van fraude. Bijvoorbeeld, de software in staat zou zijn om te wijzen op een persoon die verzonden uit meerdere verzoeken om verschillende Carousell gebruikers, hen te vragen om de site te verlaten chat platform om te communiceren.
Deze informatie zou dan worden verzonden naar het bedrijf het vertrouwen en de veiligheid van het team te worden herzien en de nodige actie te ondernemen, bijvoorbeeld het opschorten van de individuele rekening.
“Het zal niet de mens vervangen, maar het verhoogt menselijk oordeel…en helpt met de voorspelling dat eerder niet mogelijk. Aan het einde van de dag, de mens is nog steeds nodig om de finale te halen gesprek op basis van deze voorspellingen,” Ngoo gezegd tijdens een panelgesprek op het kantoor.
“We zien een machine learning [uiteindelijk] wordt geïntegreerd in elk onderdeel van het bedrijf, met inbegrip van gebruiker-ervaring en zekerheid,” zei hij, eraan toevoegend dat het bedrijf zou blijven zoeken naar andere manieren om op machine learning.
Volgens Nggo, Carousell was op dit moment een fraude tarief van 0,05 procent.
Oyvind Roti, Google ‘ s Azië-Pacific en Japan hoofd van solutions architect voor de cloud, merkte dat de opsporing van fraude processen in het verleden betrokken zijn grote aantallen handmatig instellen van regels en werknemers zou moeten zorgvuldig kijken door al deze om te bepalen of een transactie onrechtmatig zijn.
De opkomst van kunstmatige intelligentie en machine learning hielp het automatiseren van veel van deze herhaalbare processen, zei Roti, die ook op het paneel. Machine learning niet alleen vermindert de tijd die nodig is om te beoordelen en identificeren van potentiële risico ‘ s, het kan ook pick-up op de nieuwe tactiek hackers vastgesteld over de tijd tot het omzeilen van deze regels. Dit zou bedrijven in staat stellen om bij te blijven met cybercriminelen.
Hij benadrukte ook, hoewel, dat de mens nog nodig waren om te springen in en maken de uiteindelijke beslissing en de nodige maatregelen nemen.
Chris Auld, Microsoft ‘ s Zuidoost-Azië principal technical evangelist manager, was het ermee eens, en merkte op dat het moeilijk was aan te hechten machines met waarden en normen. Dit onderstreept de noodzaak voor de mens om te maken dat de waarde judegement, Auld zei.
En hij kan het weten, aangezien Microsoft vorig jaar had om het afsluiten van de AI chatbot, Tay.ai, na 16 uur toen het begon het oppakken van inflammatoire en racistische meningen op Twitter.
Het erkennen van het mislukte experiment, Auld zei deze ervaring onderstreept de noodzaak bijbrengen van menselijke waarden, in het bijzonder als machine learning tools geleerd van wat ze zag online, met inbegrip van ongewenst menselijk gedrag.
Hij benadrukte ook de noodzaak voor de IT-leverancier gemeenschap te treden met voorzichtigheid bij het rijden van ‘machine learning’ en AI, of het risico dat overheden dragen naar beneden op de industrie met de regelgeving.
ZDNet vroeg vervolgens hoe dat van invloed zou zijn op de noodzaak om de balans toegang tot meer gegevens van de gebruiker, te voeden machine learning modellen, en de gebruikers de vraag voor privacy. Google, in het bijzonder, heeft deze week toegegeven dat bleef track Android-gebruikers’ locatie, zelfs als de instelling is uitgeschakeld.
Terwijl hij weigerde commentaar te geven specifiek aan de zaak want het was uit zijn aandachtsgebied, Roti zei Google, met betrekking tot machine learning, altijd vooraf vermeld dat het niet de eigendom van de gegevens die zijn gebruikt voor de voeding van deze modellen. De enterprise-klanten gebruikt en is zijn eigendom van hun gegevens, zei hij.
Hij heeft verder gewezen op een ontwikkeling in het machine learning die niet afhankelijk zijn van het gebruik van de gegevens op te leiden. AlphaGo Nul was in staat om meester van het spel zonder voorafgaande menselijke kennis en alleen gebaseerd op zijn kennis van de spelregels en het spelen van volledig willekeurige Gaan spelen tegen zichzelf. In drie dagen, versloeg de vorige iteratie, AlphaGo, 100 games naar 0.
Verwante Onderwerpen:
Banking
Beveiliging TV
Data Management
CXO
Datacenters
0