TransactionGPT
यह शोधपत्र TransactionGPT को प्रस्तुत करता है, जो एक विशेष 3D-Transformer आर्किटेक्चर पर निर्मित एक नवीन फाउंडेशन मॉडल है जो विसंगति का पता लगाने (anomaly detection) और भविष्य के लेनदेन के सृजन में मौजूदा प्रोडक्शन मॉडलों से बेहतर प्रदर्शन करने के लिए अरबों पैमाने के लेनदेन डेटा का लाभ उठाता है, जबकि फाइन-ट्यून किए गए लार्ज लैंग्वेज मॉडल्स की तुलना में बेहतर दक्षता प्रदान करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक विशाल, अत्यंत बुद्धिमान जासूस है जिसने पिछले कुछ वर्षों में अरबों लोगों के बटुओं से मिले हर एक रसीद को पढ़ा है। यह जासूस केवल नंबरों को नहीं देखता; वह आपकी खर्च करने की आदतों के पीछे की कहानी को समझता है।
वह जासूस TransactionGPT (TGPT) है, जो Visa Research द्वारा बनाया गया एक नया "मस्तिष्क" है।
यहाँ बताया गया है कि यह कैसे काम करता है, जिसे सरल अवधारणाओं में विभाजित किया गया है:
1. समस्या: एक उलझा हुआ, जटिल पहेली
कल्पना कीजिए कि कोई यह अनुमान लगाने की कोशिश कर रहा है कि कोई व्यक्ति आगे क्या खरीदेगा। यह वाक्य में अगले शब्द का अनुमान लगाने जैसा नहीं है (जैसा कि मैं जैसे चैटबॉट्स करते हैं)।
- चैटबॉट्स शब्दों के साथ काम करते हैं, जिन्हें समझना आसान है।
- खर्च का डेटा एक जटिल मिश्रण है:
- आपने इसे कब खरीदा (समय)।
- आपने इसे कहाँ खरीदा (एक विशिष्ट स्टोर)।
- आपने क्या खरीदा (एक श्रेणी जैसे "जूते")।
- आपने कितना खर्च किया।
- छिपे हुए सुराग (जैसे "यह व्यक्ति आमतौर पर मंगलवार को कॉफी खरीदता है")।
पिछले AI मॉडल ऐसे थे जैसे किसी चौकोर टुकड़े को गोल छेद में फिट करने की कोशिश करना। वे या तो बहुत सरल थे (बड़ी तस्वीर समझने में विफल रहे) या बहुत महंगे और धीमे थे (हर एक विवरण को एक उपन्यास की तरह पढ़ने की कोशिश करते थे)।
2. समाधान: "3D जासूस"
शोधकर्ताओं ने एक नए प्रकार का AI आर्किटेक्चर बनाया है जिसे 3D-Transformer कहा जाता है। इसे एक ऐसे जासूस के रूप में सोचें जिसके पास तीन विशेष लेंस हैं जो एक साथ अलग-अलग कोणों से डेटा को देखते हैं:
- लेंस 1: "कौन और क्या" लेंस (Metadata)। यह बुनियादी तथ्यों को देखता है: व्यापारी कौन है? श्रेणी क्या है? यह समझता है कि "Starbucks" "Shell Gas Station" से अलग है।
- लेंस 2: "कब" लेंस (Time)। यह आपके जीवन की लय को देखता है। क्या आपने नाश्ते के 4 घंटे बाद दोपहर का भोजन खरीदा? क्या यह शुक्रवार की रात है? यह आपके खर्च की "ताल" (cadence) को सीखता है।
- लेंस 3: "गुप्त सुराग" लेंस (Features)। यह अतिरिक्त डेटा को देखता है जो केवल विशिष्ट कार्यों के लिए उपयोगी हो सकता है, जैसे धोखाधड़ी को पकड़ना।
जादुई ट्रिक: "वर्चुअल टोकन" (Virtual Token)
यहाँ सबसे पेचीदा हिस्सा है: "कौन और क्या" वाला लेंस लाखों अलग-अलग स्टोर के नाम (एक विशाल सूची) देखता है, जबकि "गुप्त सुराग" वाला लेंस केवल कुछ ही नंबर देखता है। यदि आप उन्हें सीधे मिलाने की कोशिश करते हैं, तो AI भ्रमित हो जाता है या क्रैश हो जाता है।
इसे हल करने के लिए, शोधकर्ताओं ने एक वर्चुअल टोकन का आविष्कार किया।
- उपमा: कल्पना कीजिए कि आपके पास किताबों का एक विशाल पुस्तकालय (स्टोर के नाम) और नोट्स की एक छोटी नोटबुक (अतिरिक्त सुराग) है। आप पूरे पुस्तकालय को नोटबुक में नहीं ठूंस सकते।
- इसके बजाय, वर्चुअल टोकन एक स्मार्ट सारांशकर्ता (summarizer) के रूप में कार्य करता है। यह पुस्तकालय के सबसे महत्वपूर्ण पन्नों और नोटबुक के नोट्स को लेता है, उन्हें एक साथ मिलाता है, एक एकल, पूर्ण "सारांश कार्ड" में बदल देता है, और वह कार्ड मुख्य जासूस को सौंप देता है। यह AI को अभिभूत हुए बिना तेज़ और स्मार्ट बनाए रखता है।
3. यह जासूस क्या कर सकता है?
शोधकर्ताओं ने तीन मुख्य कार्यों के लिए TGPT का परीक्षण किया:
कार्य 1: भविष्यवक्ता (Prediction)।
क्या यह अनुमान लगा सकता है कि आप आगे क्या खरीदेंगे?- परिणाम: हाँ! यदि आपने अभी हवाई टिकट खरीदा है, तो यह जानता है कि आप जल्द ही होटल का कमरा और रेंटल कार खरीदेंगे। यह वर्तमान प्रणालियों की तुलना में भविष्य के लेनदेन का बेहतर अनुमान लगाता है जो Visa उपयोग करता है।
कार्य 2: धोखाधड़ी पकड़ने वाला (Anomaly Detection)।
क्या यह पकड़ सकता है कि कब कुछ अजीब है?- परिणाम: यह सबसे महत्वपूर्ण काम है। यदि आप आमतौर पर न्यूयॉर्क में कॉफी खरीदते हैं, लेकिन अचानक रात के 3 बजे किसी दूसरे देश में $5,000 की खरीदारी होती है, तो TGPT चिल्लाकर कहता है "FRAUD!" यह वर्तमान प्रोडक्शन मॉडल्स की तुलना में बुरे तत्वों को पकड़ने में 22% बेहतर है।
कार्य 3: स्मृति परीक्षण (Understanding Context)।
क्या यह किसी जगह के "वाइब" (vibe) को समझ सकता है?- परिणाम: शोधकर्ताओं ने AI के "मस्तिष्क" का दृश्य रूप में विश्लेषण किया और पाया कि यह स्थानों के आधार पर रेस्तरां को समूह में बांटता है। यह जानता है कि हवाई अड्डे के रेस्तरां शहर के केंद्र के रेस्तरां से अलग होते हैं, भले ही इसे स्पष्ट रूप से कभी बताया न गया हो। इसने यह केवल इस बात को देखकर सीखा कि लोग कहाँ खाना खाते हैं।
4. यह एक बड़ी बात क्यों है?
- यह तेज़ है: एक विशाल "लार्ज लैंग्वेज मॉडल" (जैसे कि मैं) का उपयोग करके यह काम करने की तुलना में, TGPT 300 गुना तेज़ है और बहुत कम कंप्यूटर शक्ति का उपयोग करता है। यह एक पैकेज पहुंचाने के लिए भारी ट्रक के बजाय एक विशेष स्पोर्ट्स कार का उपयोग करने जैसा है।
- यह स्केलेबल है: यह बिना थके अरबों लेनदेन को संभाल सकता है।
- यह व्यावहारिक है: यह केवल लैब में काम नहीं करता है; इसे वास्तविक दुनिया में चलाने के लिए डिज़ाइन किया गया है ताकि आपके क्रेडिट कार्ड को सुरक्षित रखा जा सके और आपके खरीदारी के अनुभव को सुचारू बनाया जा सके।
निष्कर्ष
TransactionGPT एक विशेष AI है जिसने "पैसे की भाषा" पढ़ना सीख लिया है। एक चतुर 3D संरचना और एक स्मार्ट सारांश तकनीक (वर्चुअल टोकन) का उपयोग करके, यह आपके अगले कदम की भविष्यवाणी कर सकता है, धोखेबाजों को पकड़ सकता है, और आपकी खर्च करने की आदतों को पहले से कहीं बेहतर समझ सकता है—और यह सब दुनिया के सबसे बड़े भुगतान नेटवर्क पर चलने के लिए पर्याप्त तेज़ और कुशल है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।