PayPal的商業(yè)模式是為了給用戶更便捷的支付體驗,華爾街日報采訪了PayPal的首席風(fēng)險官Tomer Barel和PayPal全球風(fēng)險科學(xué)高級主管王輝博士,來了解PayPal如何在提供良好的客戶體驗的同時有效地保障支付安全。
Barel先生:PayPal提供的是支付服務(wù),我們面臨的最關(guān)鍵的風(fēng)險是交易中任何一方不履行職責(zé)。買家這一端最常見的是欺詐,如身份信息被盜??;另一種情況是他們的身份信息正確但是卻沒有清還銀行賬單或者有目的地聲稱他們沒有收到貨物。而賣家這一端最常見的違約行為是收到錢款卻不發(fā)貨。PayPal提供完善的買家保障政策來抵制欺詐,對賣家我們也有強(qiáng)有力的保障政策。除了欺詐風(fēng)險外,另一個重要的風(fēng)險就是信用風(fēng)險。PayPal在美國為主的幾大市場均有向買家和賣家提供貸款的信用產(chǎn)品。
Barel先生:由于PayPal是一種在線服務(wù),并且是全球化的,我們的風(fēng)險壓力相當(dāng)大。注冊賬戶并開始交易是一件相對簡單的事情,而這只是PayPal商業(yè)模型的一部分。我們從公司創(chuàng)始之初就意識到并十分關(guān)注其中所蘊含的風(fēng)險。PayPal的創(chuàng)始人們在管理風(fēng)險尤其是管理欺詐風(fēng)險上投入很多。這使得我們有了有效自主管理風(fēng)險的能力。我們有一大批優(yōu)秀的工程師,也相信金融風(fēng)險是以技術(shù)驅(qū)動的。PayPal的生態(tài)系統(tǒng)需要我們在定制化解決方案上進(jìn)行很大的投入,因為我們面臨著嚴(yán)峻的危險而支付行業(yè)本身的性質(zhì)使每個錯誤的成本都很高。如果我們沒有辦法提高準(zhǔn)確性,就很有可能會扼殺很多正常交易。
王女士:在2009年前,PayPal的風(fēng)險管理系統(tǒng)架構(gòu)是基于市場統(tǒng)一標(biāo)準(zhǔn)的線性技術(shù)。而在此之后,當(dāng)我們不斷發(fā)展并擁有更多不同類型的數(shù)據(jù)時,我們發(fā)現(xiàn)非線性技術(shù)可以比傳統(tǒng)的線性技術(shù)更好地幫助我們利用其中的信息。簡單來說,如果有一張充滿綠點和紅點的紙,你需要去區(qū)分它們,線性技術(shù)使用的是一條直線,而非線性技術(shù)則可以使用曲線或者多維線條。
王女士:PayPal的欺詐偵測系統(tǒng)是使用各種數(shù)據(jù)來有效反映一個交易的各種方面。比如說我們有一筆來自紐約的交易,正在試圖購買一件在加州的產(chǎn)品,但收貨地址卻在密歇根。在傳統(tǒng)的觀念中大家可能會認(rèn)為這筆交易很可疑,但通過復(fù)雜精準(zhǔn)的數(shù)據(jù)分析系統(tǒng),我們可以提供一種不同的解釋。也許這是一個來自密歇根的學(xué)生,正在給父母買禮物。在以前的在線支付中,用戶可能會遭遇交易被拒的情況,或者要通過客戶服務(wù)中心才可以保證交易通過。但現(xiàn)在我們使用數(shù)據(jù)分析技術(shù)來判斷用戶并能準(zhǔn)確地授權(quán)交易成功。
王女士:舉例來說,如果有人購買了一個金額為三萬美金的商品,高額的商品單價可以作為一個簡單地識別異常交易的指標(biāo)。但如果是以很低的金額進(jìn)行多次交易,比如進(jìn)行了兩萬次金額為一美金的交易呢?雖然聽上去比較詭異但這確實是一種逃避傳統(tǒng)欺詐偵測系統(tǒng)的有效方法。為解決這類欺詐行為,我們現(xiàn)在有辦法把很多交易行為連結(jié)在一起去發(fā)現(xiàn)一筆交易的各類異常信號。即使單價只是一美金但頻次不合理的交易,如果他們又來自同一個商戶,那我們就有足夠的理由去懷疑這是一筆欺詐交易。這種不同角度的思考在舊系統(tǒng)中是做不到的。
王女士: PayPal與全球的監(jiān)管機(jī)構(gòu)都合作密切。我們與銀行受限于相同的反洗錢監(jiān)管機(jī)制。我們了解用戶的方式與銀行傳統(tǒng)的面對面交流或用戶在分行提供實體身份證明有所不同,但無論是用戶注冊及交易過程中提供的可驗證的信息或是我們用來進(jìn)行風(fēng)險管理而捕捉的特定交易行為,我們相信把從用戶那里獲取的數(shù)據(jù)結(jié)合在一起足夠讓我們了解用戶身份的全貌。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。