PRAGMA: Revolut Foundation Model
تقدم الورقة البحثية PRAGMA، وهي عائلة من النماذج التأسيسية القائمة على تقنية Transformer والمُدربة مسبقاً على تسلسلات أحداث مصرفية ضخمة وغير متجانسة عبر نمذجة القناع، والتي تحقق أداءً فائقاً عبر مهام مالية متنوعة مثل التقييم الائتماني وكشف الاحتيال من خلال تعلم تمثيلات عامة الغرض من البيانات الخام.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل مكتبة ضخمة وفوضوية حيث يمثل كل كتاب فيها حياة مالية كاملة لشخص ما. هذه الكتب ليست مكتوبة في فقرات مرتبة؛ بل هي مزيج مشوش من الإيصالات، والملاحظات في التقويم، والرسائل النصية، وأرصدة البنوك، وقوائم التسوق، وكلها مكتوبة بلغات وتنسيقات مختلفة. بعض الصفحات مفقودة، وبعضها مكتوب بشفرة، والترتيب يتغير كل يوم.
لسنوات، حاولت البنوك فهم هذه الكتب عبر توظيف فريق من المتخصصين لكل سؤال على حدة. كان هناك فريق يقرأ الكتب ليخمن ما إذا كنت ستسدد قرضاً (التقييم الائتماني). وفريق آخر يقرأها لاكتشاف السارق (كشف الاحتيال). وفريق ثالث يحاول تخمين ما ستشتريه تالياً (توصيات المنتجات). كان على كل فريق إعادة قراءة نفس الصفحات الفوضوية يدوياً، وتحديد أجزاء مختلفة منها، وبناء نظام أرشفة فريد خاص به. كان الأمر بطيئاً، ومكلفاً، ولم يكن بإمكانهم مشاركة ما تعلموه مع بعضهم البعض بسهولة.
إليك PRAGMA: "القارئ المالي الخارق".
قام فريق Revolut ببناء نوع جديد من الذكاء الاصطناعي يسمى PRAGMA. فكر فيه ليس كمتخصص، بل كـ أمين مكتبة عبقري قد قرأ بالفعل كل الكتب المالية في العالم.
إليك كيف يعمل، مقسماً إلى مفاهيم بسيطة:
1. المترجم (الترميز - Tokenization)
المشكلة في البيانات المالية هي أنها فوضوية. عملية تحويل بنكي ليست مجرد جملة؛ بل هي مزيج من الأرقام، والتواريخ، والأكواد، والنصوص.
- الطريقة القديمة: تخيل أنك تحاول قراءة إيصال عن طريق تحويل كل رقم إلى سلسلة من الحروف (مثلاً: "$100" تصبح "دولار، واحد، صفر، صفر"). أنت بذلك تفقد معنى حجم الرقم.
- طريقة PRAGMA: يمتلك PRAGMA مترجماً خاصاً. ينظر إلى المعاملة ويقول: "آه، هذا هو المفتاح (ماذا حدث؟)، والقيمة (كم المبلغ؟)، والوقت (متى؟)". إنه يتعامل مع "المبلغ: 100$" ليس كنص، بل كمفهوم مهيكل. هو يفهم أن "Metal Plan" هي حالة محددة، وليست مجرد كلمات عشوائية. هذا يسم يسمح للذكاء الاصطناعي بـ "قراءة" اللغة المالية بطلاقة دون الارتباك من التنسيق.
2. نظام الدماغ المزدوج (البنية - Architecture)
تم تصميم PRAGMA بـ "دماغين" متميزين يعملان معاً:
- الدماغ (أ) (مشفر الأحداث - Event Encoder): هذا الدماغ يقرأ القصة. ينظر إلى تسلسل الأحداث: "اشتريت قهوة، ثم حولت مبلغاً، ثم تحققت من رصيدك". إنه يفهم تدفق وتوقيت حياتك.
- الدماغ (ب) (مشفر الملف الشخصي - Profile Encoder): هذا الدماغ يقرأ السياق. ينظر إلى الحقائق الثابتة التي لا تتغير كثيراً: "عمرك 25 عاماً، تعيش في المملكة المتحدة، وتمتلك بطاقة معدنية مميزة (Premium Metal Card)".
- مشفر التاريخ (History Encoder): هو المايسترو. يأخذ القصة من الدماغ (أ) والسياق من الدماغ (ب) ويمزجهما معاً لإنشاء فهم عميق وواحد لـ من أنت في هذه اللحظة تحديداً.
3. طريقة التدريب (النمذجة المقنعة - Masked Modelling)
كيف تعلم حاسوباً فهم المال دون إعطائه الإجابات؟
تخيل لعبة "الفراغات المالية" (Financial Mad Libs).
- يُعرض على الذكاء الاصطناعي تاريخ المستخدم، لكن عليه تخمين الأجزاء المفقودة.
- "قام المستخدم بتحويل مبلغ إلى [فراغ] في تاريخ [فراغ] بمبلغ [فراغ]".
- يجب على الذكاء الاصطناعي استخدام القرائن المحيطة لملء الفراغات.
- من خلال لعب هذه اللعبة مليارات المرات على مليارات من التواريخ المالية الوهمية (ولكن الواقعية)، يتعلم الذكاء الاصطناعي الأنماط الخفية للسلوك البشري. يتعلم أن الأشخاص الذين يشترون الكثير من القهوة في عطلات نهاية الأسبوع غالباً ما يكون لديهم نمط إنفاق معين، أو أن انخفاضاً مفاجئاً في الرصيد متبوعاً بنقرة على تطبيق معين قد يشير إلى عملية احتيال.
4. سحر "النموذج الواحد لكل المهام" (المهام اللاحقة - Downstream Tasks)
بمجرد أن يتعلم PRAGMA لغة المال، يصبح محولاً عالمياً.
- الطريقة القديمة: لبناء كاشف احتيال، كان عليك بناء نموذج جديد من الصفر.
- طريقة PRAGMA: تأخذ "القارئ الخارق"، وتجمد دماغه، ثم تقوم فقط بإضافة "رأس قرار" صغير وبسيط فوقه.
- هل تحتاج للتنبؤ بـ التقييم الائتماني؟ أضف رأس "القرض".
- هل تحتاج لكشف الاحتيال؟ أضف رأس "اللص".
- هل تحتاج لتخمين القيمة الدائمة للعميل؟ أضف رأس "الربح".
لأن العمل الشاق (فهم البيانات) قد تم بالفعل أثناء التدريب، فإن هذه "الرؤوس" الجديدة تتعلم بسرعة فائقة وتعمل بشكل أفضل من فرق المتخصصين القديمة.
5. النتائج: لماذا يهم ذلك؟
اختبرت الورقة البحثية PRAGMA في ست مهام مصرفية مختلفة. كانت النتائج تشبه العثور على "سكين سويسري" يعمل بشكل أفضل من ست أدوات منفصلة:
- التقييم الائتماني: أصبح أفضل بنسبة 130% في رصد المقترضين ذوي المخاطر العالية مقارنة بالطرق القديمة.
- كشف الاحتيال: كشف عن 65% أكثر من عمليات الاحتيال مع تقليل الخطأ في المعاملات المشروعة.
- الكفاءة: بدلاً من تدريب ستة نماذج ضخمة مختلفة، يقوم البنك الآن بتدريب نموذج واحد ضخم ويستخدمه لكل شيء.
نقطة الضعف الوحيدة
تعترف الورقة البحثية بوجود قصور واحد: مكافحة غسيل الأموال (AML).
PRAGMA بارع في قراءة قصة شخص واحد. لكن غسيل الأموال غالباً ما يتضمن شبكة من الأشخاص الذين يمررون الأموال لبعضهم البعض. الأمر يشبه محاولة حل مؤامرة عبر قراءة مذكرات مشتبه به واحد فقط؛ ستفقد الروابط بين المشتبه بهم. لهذه المهمة تحديداً، يعاني PRAGMA حالياً لأنه لا "يرى" الشبكة بأكملها، بل يرى الفرد فقط.
الصورة الكبيرة
يمثل PRAGMA تحولاً من "توظيف متخصص لكل وظيفة" إلى "توظيف عبقري واحد يمكنه القيام بكل الوظائف". إنه يأخذ الواقع الفوضوي والمشوش لكيفية استخدامنا للمال ويحوله إلى إشارة واضحة ومفهومة. إنه يثبت أنه حتى في عالم التمويل الصارم، يمكن للنموذج التأسيسي أن يتعلم "قواعد" السلوك البشري ويطبقها لحل أي مشكلة تقريباً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.