NVIDIA ilmoitti GTC Berlinissä 22. lokakuuta, että Revolut skaalaa PRAGMA-perusmalliaan tuotantokäytössä aluksi 80 miljoonalle asiakkaalle. Muut hankkeet koskevat pankkien omia malleja, maksutoimintoja ja nopeutettua tietojenkäsittelyä, ja ne ulottuvat käytössä olevista järjestelmistä kehitystyöhön ja offline-testeihin.
Keskeiset huomiot
- Revolutin PRAGMA-malli palvelee aluksi 80 miljoonaa asiakasta, ja se on suunniteltu skaalautumaan kolminkertaiseksi tähän tasoon verrattuna.
- Pankit ja maksupalveluntarjoajat kehittävät omiin tietoihinsa, avoimiin painomalleihin ja kiihdytettyyn infrastruktuuriin perustuvaa omaa tekoälyä.
- NVIDIA raportoi huomattavista käsittelytehon parannuksista. Niihin kuuluivat Stripen offline-testitulokset, joiden mukaan tietoputket olivat 42 kertaa nopeampia ja kustannussäästöt 92 %.
Sisällysluettelo
- Eurooppalaisen finanssialan tekoäly siirtyy tuotantoon
- Avoimet mallit tukevat avustajia ja erikoistuneita työkuormia
- Finanssialan tutkimus saa käyttöönsä nopeampia datatyökaluja
- Petostentorjunnan käsittelytehon parannuksiin kuuluu offline-testituloksia
Eurooppalaisen finanssialan tekoäly siirtyy tuotantoon
Revolut rakentaa teknologiapinoaan uudelleen PRAGMA-mallin ympärille, joka toimii yhtenä perusmallina. NVIDIAn mukaan pankki hyödyntää cuDF-työkalupakettia ja Dynamo-Triton-ohjelmistoa Blackwell Ultra -grafiikkasuorittimilla järjestelmän skaalaamiseen tuotantokäytössä. Ilmoitettu kolminkertainen skaalautumiskapasiteetti on tekninen tavoite, eikä se tarkoita raportoitua nykyisen asiakaskunnan laajentumista.
Ilmoituksessa nostettiin esiin myös laitoksia, jotka rakentavat omaa tekoälyään omien maksutapahtumatietojensa pohjalta. Starling Bank kehitti Starling Intelligencen, tekoälyominaisuuksiensa perustana olevan kerroksen, Civon Ison-Britannian pilvipalvelussa pankin maksutapahtumatietoja käyttäen. NVIDIAn mukaan Starling on ensimmäinen pankki, joka on kouluttanut agenttisen mallin Ison-Britannian suvereenissa pilvi-infrastruktuurissa.
Lloyds Banking Group rakensi ATUMin, maksutapahtumien perusmallin, joka muuntaa miljardit pankkitapahtumat uudelleenkäytettäväksi tiedoksi. NVIDIAn mukaan RTX PRO 6000 Blackwell -grafiikkasuorittimet nopeuttavat mallia, joka parantaa tehokkuutta pankinlaajuisissa käyttökohteissa. Erillisenä hankkeena SBS lanseerasi suvereenin pankkialan tekoälyalustan, jonka avulla pankit voivat käyttää generatiivisia ja agenttisia malleja siirtämättä tietoja omien järjestelmiensä ulkopuolelle.
Avoimet mallit tukevat avustajia ja erikoistuneita työkuormia
Digipankki bunqin Finn-avustaja toimii nyt avoimilla painomalleilla. NVIDIAn mukaan sen käyttöönotto Nebius-alustalla vastaa laadultaan johtavia suljettuja malleja, mutta vastauskohtainen kustannus on 60 % niiden kustannuksesta. Luku kuvaa suhteellista kustannusta, ei kustannusten 60 prosentin vähennystä.
Muut hankkeet ovat edelleen kehitysvaiheessa. NatWest kehittää NVIDIA-puheentunnistusmalleilla, muun muassa Nemotron 3.5 ASR:llä, puheteknologiaa, joka on suunniteltu tunnistamaan brittiläisiä aksentteja, murteita ja finanssialan terminologiaa. Modulr kehittää Nemotron-3-Ultra-550B-avoimen mallin pohjalta erikoistuneita malleja erilaisiin maksutoimintoihin.
Santander on NVIDIA:n uuden, rakenteiselle finanssidatalle suunnatun avoimilla painoilla julkaistun perusmalliperheen Kumo varhainen käyttöönottaja. Se käyttää malleja erikoistuneen tekoälyn rakentamiseen keskeisiin pankkitoimintoihin.
Finanssialan tutkimus saa käyttöönsä nopeampia datatyökaluja
LSEG tekee yhteistyötä NVIDIAn kanssa auttaakseen finanssilaitoksia analysoimaan suuria määriä historiallista tikki-dataa jopa 10 kertaa nopeammin. Työssä käytetään Polars-grafiikkasuoritinmoottoria, jota cuDF kiihdyttää RTX PRO 6000 Blackwell -grafiikkasuorittimilla.
RavenPack on rakentanut Bigdata.comiin tietoaineistojen luontiputken, joka hyödyntää hienosäädettyä NVIDIA Nemotron -mallia. Se ottaa syötteeksi yleiskielellä ilmaistun tutkimushypoteesin ja tuottaa luokitellun tietoaineiston, joka on valmis jälkitestaukseen. Sijoittajat voivat käyttää sitä markkinatrendien tunnistamiseen, analysointiin ja visualisointiin.
Petostentorjunnan käsittelytehon parannuksiin kuuluu offline-testituloksia
HSBC käyttää Starburst Enterprisen grafiikkasuoritinmoottoria tukeakseen lähes reaaliaikaista asiakasymmärrystä ja tarpeen mukaan tehtävää päätöksentekoa samalla, kun riskejä ja petoksia minimoidaan. NVIDIAn mukaan tietojenkäsittely oli viisinkertaisesti nopeampaa.
Stripen tulokset koskivat nimenomaisesti vain offline-testausta. NVIDIAn mukaan grafiikkasuorittimilla kiihdytetty Ray Data tuotti näissä testeissä Stripe Radar -petostentorjunta-alustalle 42 kertaa nopeammat tietoputket ja 92 prosentin kustannussäästöt. Raportoidut parannukset koskevat koneoppimisen tietoputkia, eivät petosten tunnistustarkkuuden mitattua paranemista.
Lue lisää uutisia
Vastuuvapauslauseke
Tämä FinanceVelixin artikkeli sisältää yleistä tietoa, eikä se ole henkilökohtaista talous-, sijoitus-, laki- tai veroneuvontaa. Markkinahinnat, korot ja taloudelliset olosuhteet voivat muuttua; sijoituksiin liittyy tappion riski. Tiedot perustuvat julkaisuhetkellä saatavilla olleeseen aineistoon ja voivat muuttua. Tarkista tärkeät tiedot itsenäisesti ja ota tarvittaessa yhteyttä pätevään ammattilaiseen. Omaisuuserän, yrityksen tai palvelun mainitseminen ei merkitse sen suosittelemista.
