A mesterséges intelligencia igazi svájci bicska: egyetlen köhögést hallva kimutatja a koronavírus-fertőzést, kiszűri a zaklató hozzászólásokat, új sört talál ki, és ha belenéz a mikroszkópba, megmondja, hol kell keresni a rákos sejteket. A látványos és gyakran kézzelfogható dolgok mellett azonban olyan területeken is jelen van, ahol ha minden jól megy, nem veszünk belőle észre semmit.

Például a pénzügyekben. Az IDC becslése szerint a szektor 2020-ban 11 milliárd dollárt költ el mesterséges intelligenciára (MI), bármely más iparágnál többet.

Óriási összeg véd óriási összegeket.

Merthogy az MI egyik legfontosabb feladata ezen a területen a pénzmozgások értő megfigyelése, és többek között annak biztosítása, hogy az ügyfelek számláin lévő pénz csak akkor és csak olyan irányba indulhasson el, amikor és ahova a számlatulajdonos szeretné.

Bármi lehet gyanús – bármi is

Kártyaszinten leginkább a plasztikba épített chip és a PIN-kód véd a csalások ellen. Ha bankkártyánkat mobilunkhoz társítjuk, akkor szintén egy kód és/vagy a telefon biometrikus technológiái (ujjlenyomat- vagy arcfelismerés) segít. Bármelyiket is használjuk – sőt, ha a kártyánk és mi magunk sem vagyunk jelen, egyszerűen csak valaki megszerezte kártyaadatainkat, és távolról próbál visszaélni velük –, a háttérben meghúzódik egy másik védelmi vonal.

A fizetési folyamat szereplői manapság hihetetlenül sok adatponttal rendelkeznek. A kérdés nem az, hogy az intelligens rendszereknek rendelkezésükre áll-e elég adat egy csalás felderítéséhez, inkább az, hogy az óriási adathalmazban tudják-e, mit kell keresni és elég gyorsan megtalálják-e azt.

Pixabay / geralt

MI alapú rendszerek figyelik, figyelembe veszik többek között a fizetés időpontját, helyét, az összeg nagyságát. Ezeknek historikus értékeit is számításba veszik: ha például valaki rendszerint kisösszegű fizetési tranzakciókat szokott indítványozni, majd egyszer csak feltűnik egy milliós tétel, az gyanús lehet. Ez persze még csak egyetlen pont, ami alapján az ugyan nem valószínű, hogy a rendszer máris megfogja a tranzakciót, de azért "húzhat egy strigulát". Ha erre a szokatlanul nagy összegű tranzakcióra egy olyan országban kerül sor, ahol az illető korábban sosem használta bankkártyáját, az újabb strigulát jelenthet.

Ha valaki éveken át csak Magyarországon fizet a bankkártyával, és reggel is megteszi ezt Budapesten, majd délután már New Yorkból jelentkezik fel a kártya egy boltbéli fizetési tranzakcióra, akkor is furcsán néz a mesterséges intelligencia. Ha a két említett városbéli tranzakció között gyanúsan rövid idő telik el, akkor dönthet úgy az MI, hogy nem életszerű ennyi idő alatt megtenni a távolságot, ezért blokkolhatja az amerikai próbálkozást.

De ha a két fizetési kísérlet között eltelt annyi idő, amennyi alatt éppen le lehet repülni az utat, ráadásul a tranzakciós előzményekből az látszik, hogy a kártyatulajdonos rendszeresen jár külföldön is, akkor az MI elhiheti, hogy mindkét helyen a jogos használó vette elő a bankkártyáját.

Nem kell ahhoz kimozdulni, hogy gyanús adatpontok keletkezzenek: egy webshopos fizetésnél is keletkezhetnek újabbak és újabbak az említett strigulákból, például ha a fizetést bonyolító rendszer azt látja, hogy az érintett felhasználó azzal a kártyával még sosem fizetett annál a kereskedőnél, ráadásul egy, a kártyához korában soha nem társított címre rendelne éppen nagy tételben valamit.

A mesterséges intelligencia közel sem mindig dönt jól. A cikk szerzőjével is megesett már, hogy útitársának kártyáját azért blokkolta a szolgáltató, mert egy amerikai landolás után túl hamar került elő az aznap Budapesten is használt hitelkártya, ráadásul – mint kiderült – egy olyan motelben, ahol elő-előfordulnak furcsa tételek. Az MI rosszul döntött, hiába a jogos tulajdonosnál volt a kártya, az amerikai tranzakciót nem engedélyezte. Ilyenkor jön képbe a gépi tanulás, amelynek köszönhetően az MI több egy egyszerű igen/nem szabályrendszernél: ha tévedett, akkor ezt tudomásul veszi, és a legközelebbi gyanús tranzakció megítélésénél már hasznosítja az így felszedett tudást, például úgy, hogy a korábbinál eltérő súlyozással vesz figyelembe egyes adatpontokat. És persze abból is tanul, ha megerősítik neki, hogy valóban csalással találkozott: például összeveti korábbi csalásokkal, keresi a hasonlóságokat, illetve az esetleges új mintázatokat – így biztosítható az, hogy a csalók a jövőben se tudjanak túl sok lépéssel a biztonsági rendszer előtt járni.

Ha már jövő: mit hozhat?

Amellett, hogy a mesterséges intelligencia tanul, fejlesztői is azon vannak, hogy bővítsék tárházát. Az MI-kutatások egyik aktívan fejlődő területe a hangazonosítás, amely a hangalapú digitális asszisztensek által ma már okostelefonokban, okostévékben, okoshangszórókban is jelen van. Ha továbbfejlesztik a mindennapok technológiáját, alkalmas lehet rá, hogy beszédünk megértése mellett hangunk alapján személyünket nagyon(-nagyon) pontosan beazonosítsa. Az azonosítás és a megértés összekapcsolása által lehetőségünk nyílhat rá, hogy elég legyen a kanapén ülve felsorolni a bankkártyával összekapcsolt digitális asszisztensünknek, hogy mit szeretnénk rendelni, majd kérni, hogy fizesse is ki a rendelést – a hangunk alapján külön azonosítási folyamatra már szükség sem lesz, hiszen teljesen világos lesz a rendszernek, hogy mi adtuk le a rendelést. (Sőt, mivel a mesterséges intelligencia a hangszín, hanglejtés és a hangunk egyéb tulajdonságai alapján arra is képes, hogy érzelmi állapotunkra következtessen, még az is megoldható lesz, hogy ha a rendszer arra a következtetésre jut, hogy hangunkkal nem önszántunkból akarunk kifizetni valamit, akkor blokkolja a tranzakciót.)

A mesterséges intelligenciát érintő kutatás-fejlesztésnek szintén fontos területe az objektumfelismerés, azon belül is a ma már a legtöbb okostelefonban meglévő arcfelismerés. Ez már ma is összekapcsolható a mobilfizetéssel: az iPhone-ok mellett több androidos készülék is úgy végzi a felhasználó azonosítását, hogy kód bepötyögése helyett azt kéri, hogy az illető nézzen a képernyőre/kamerába.

A jóslatok szerint ez olyan irányba is fejlődhet, hogy kártyaadataink egy chippel felszerelt műanyaglap helyett arcunkkal lehetnek összekapcsolva a fizetési szolgáltatóknál. Így előfordulhat, hogy a jövőben nemhogy a bankkártyát nem kell magunkkal vinnünk, még a mobilunkat sem kell elővennünk, elég lesz csak ránézni a boltban a terminálra, és az tudni fogja, hogy melyik számláról kell indítani a fizetési tranzakciót.

Amazon Go

Amazon

A bolti vásárlásnak még kényelmesebb formája az lehet, amellyel az Amazon kassza nélküli boltjaiban már kísérletezik. Az AWS Deeplens nevű megoldás mögött dolgozó algoritmusok az üzletben elhelyezett kamerák segítségével nem csak a vásárló személyét azonosítják, hanem azt is felismerik, ki miből mennyit tesz a kosarába. Így az ember csak bemegy a boltba, levesz a polcról mindent, amire szüksége van, majd kisétál – és közben nemcsak a bevásárlás, maga a fizetés is megtörténik, az MI által, rengeteg oldalról bebiztosított módon.

A boltba lépéstől a fizetésig mindent automatizáló technológia olyannyira nem csak a távoli jövő része, hogy az Amazon évekkel ezelőtt megnyitotta első, kísérleti üzletét: videón is megnézheti, hogy működik az ABC, ahol se eladó nincs, se pénztár.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.