வங்கிகள் கணினிமயமானதால் பெரும்பாலான வங்கிச் செயல்பாடுகள் தானியங்கிமயமாகின. ஆனால், இந்தத் தானியங்கி மயமாக்கலில் வியப்பதற்கு எதுவும் இல்லை. உண்மையில், வங்கித் துறையில் பலவிதமான முக்கியப் பணிகள் கண்ணுக்குத் தெரியாமல் தானாகவே நடக்கத் தொடங்கி யிருக்கின்றன. இதில்தான் செயற்கை நுண்ணறிவின் பங்கு பெரிதாக இருக்கிறது.
மோசடிகளைத் தடுக்க…
இதற்கு உதாரணமாக, மோசடித் தடுப்பு எச்சரிக்கை சேவையைச் சொல்லலாம். நிதிச்சேவை எனும்போது, மோசடி மற்றும் ஏமாற்று வேலைகளின் மீது எப்போதும் ஒரு கண் வைத்திருக்க வேண்டும். உரிய வாடிக்கையாளர்களைத் தவிர வங்கிக் கணக்கை மோசடி நபர்கள் இயக்கி பணத்தை எடுத்துச் செல்வதைத் தடுக்க விழிப்புணர்வுடன் இருக்க வேண்டும்.
மோசடிகளைத் தடுப்பதற்கான கண்காணிப்பு என்பது எப்போதுமே வங்கிச் செயல்பாடுகளில் ஒன்றிணைந்த ஓர் அம்சம் என்றாலும் கடந்த காலங்களில் இது மிகவும் சிக்கலானதாகவும், அதிக நேரத்தை எடுத்துக்கொள்வதாகவும் அமைந்திருந்தது.
உதாரணத்துக்கு, ஏதேனும் ஒரு பரிவர்த்தனையில் சந்தேகம் உண்டானால், அந்தக் கணக்குக்கு உரியவரின் தனிப்பட்ட விவரங்கள் மற்றும் பரிவர்த்தனை விவரங்கள் போன்றவற்றை அலசி ஆராய்ந்து செயல்பட வேண்டும். இதற்குக் கணிசமான நேரத்தைச் செலவிட வேண்டும் என்பதோடு, கணிப்பில் பிழை ஏற்படவும் வாய்ப்பு அதிகம். இப்போது செயற்கை நுண்ணறிவு நுட்பத்தின் வளர்ச்சியால், வங்கிகளில் மோசடிக் கண்காணிப்பை இயந்திரக் கற்றல் மென்பொருட்களிடம் விட்டுவிட்டு மற்ற வேலையில் கவனம் செலுத்துவது சாத்தியமாகி இருக்கிறது.
கணினிமயமாக்கல் மற்றும் டிஜிட்டல் சேவைகளின் பலனாக, வங்கிகளில் தினமும், கோடிக்கணக்கான பரிவர்த்தனைகள் நேரிலும், இணையத்திலும், மொபைலிலும் நிகழ்ந்துகொண்டிருக்கும் நிலையில், ஹேக்கர்கள் எனும் தாக்காளர்களும் இன்னும் பிற சைபர் குற்றவாளிகளும் நிஜ வாடிக்கையாளர் போர்வையில் பணம் சுருட்டுவதில் ஈடுபடும் அபாயம் அதிகம் இருக்கிறது. அடையாளத் திருட்டு, கடவுச்சொல் களவு போன்ற பல உத்திகளை இதற்காக மோசடி நபர்கள் கையாள்கின்றனர்.
இதில் அப்பாவி வாடிக்கையாளர்கள் ஏமாந்து போகாமல் இருப்பதை உறுதி செய்வதற்காக இயந்திரக் கற்றல் மென்பொருட்கள் ஓயாமல் பரிவர்த்தனைகளைக் கண்காணித்து, சந்தேகத்துக்குரிய பரிவர்த்தனைகள் குறித்து உரிய நேரத்தில் எச்சரிக்கின்றன. அவ்வப்போது வெளியாகும் வங்கி மோசடிச் செய்திகளை மீறி, வங்கிப் பரிவர்த்தனைகள் பாதுகாப்பாக நிகழ்வதற்கு இதுவே மூலக்காரணம்.
ஓய்வில்லாமல் உழைக்கும்
மென்பொருள் அமைப்புகள், தங்களுக்கு அளிக்கப்படும் தரவுகளிலிருந்து புதிய தகவல்களைத் தானாகக் கற்றுக்கொள்ளுன் திறன் என இயந்திரக் கற்றலை வரையறுக்கலாம். அல்கோரிதம் வழிகாட்டுதலின்படி, செயல்பாடுகள் அல்லது நிகழ்வுகளிலிருந்து தரவுகளைச் சேகரிக்க மென்பொருட்களுக்குப் பயிற்றுவிக்கலாம் என்பது தெரிந்ததே. இப்படி சேகரிக்கும் தரவுகளிலிருந்து தானாகப் புதிய தகவல்களைத் தெரிந்துகொள்ளும் வகையில் இயந்திரக் கற்றல் மென்பொருட்கள் செயல்படுகின்றன. ஆக, தரவுகள் அதிகமானால் அவற்றின் ஆற்றலும் அதிகமாகும்.
இது போன்ற சூழல்களில் மனிதத் திறமையைக் கணினிகள் மிஞ்சிவிடுகின்றன. மோசடிப் பரிவர்த்தனைகளைக் கண்காணிக்கும் பொறுப்பை ஊழியர் ஒருவரிடம் ஒப்படைக்கும்போது, அவர் என்னதான் கண்ணும் கருத்துமாகச் செயல்பட்டாலும், சுமை அதிகமானால் சோர்ந்துபோய்விடுவார். மாறாக, மோசடிக் கண்காணிப்புக்காக உருவாக்கப்பட்ட மென்பொருளோ, தரவுகள் அதிக
மானால் அதன் கணிப்புத்திறன் இன்னும் அதிகமாகும் வகையில் செயல்படுகிறது.
செயல்படும் விதம்
மோசடிக் கண்காணிப்பு - தடுப்பு அமைப்புகளின் பின்னே சிக்கலான அல்கோரிதம்கள் இருந்தாலும், பரிவர்த்
தனைப் போக்குகளில் தென்படக்கூடிய பிறழ்வுகளைக் கண்டறியும் ஆற்றலாக இவற்றின் செயல்பாட்டைச் சுருக்கமாகப் புரிந்துகொள்வோம். நடைமுறையில் இது எப்படிச் செயல்படுகிறது என்று பார்ப்போம்.
நாள்தோறும் நிகழும் பணப் பரிவர்த்தனைகளை, கொடுக்க வாங்கல்கள் தொடர்பான தரவுகளை மென்பொருள் பின்னே இருந்து பார்த்துக்கொண்டே இருக்கும். திடீரென ஒரு கணக்கிலிருந்து வழக்கத்தைவிட அதிகமான தொகை பரிவர்த்தனை செய்யப்பட்டால் அது விழித்துக்கொள்ளும். தொடர்புடைய கணக்குக்கு உரிய உறுப்பினரின் பரிவர்த்தனை முறை மற்றும் பணம் எடுக்கும் தன்மை மென்பொருளுக்குத் தெரியும் என்பதால், அவரது கணக்கிலிருந்து அதிகப் பணம் எடுக்கப்பட்டிருப்பது குறித்து எச்சரிக்கை செய்யும். விதிவிலக்காக அந்த நபரே இந்த முறை அதிகப் பணம் எடுத்திருக்க வாய்ப்பிருக்கிறது. எனவே, பரிவர்த்தனை வரலாறு, தற்போதைய பரிவர்த்தனை நேரம் உள்ளிட்ட அம்சங்களையும் பரிசீலித்து மென்பொருள், பணம் எடுக்கப்படவில்லை, சுருட்டப்பட்டிருக்கலாம் என எச்சரிக்கை செய்யும்.
கோடிக்கணக்கான பரிவர்த்தனை தொடர்பான தரவுகளை, பல முனைகளிலிருந்து உடனுக்குடன் அலசி ஆராய்ந்து கண்காணிக்கும் திறனால், ஏ.ஐ. மென்பொருள் வழக்கத்துக்கு விரோதமான பரிவர்த்தனை நிகழ்வதற்கு முன்னர் சிவப்புக்கொடி காட்டி எச்சரிக்கை செய்யும். மேலும், புதிய மோசடிகள் பற்றிய தரவுகள் கிடைக்கும்போது, அவற்றையும் தனது நினைவகத்தில் சேமித்து வைத்துக்கொள்ளும் என்பதால் வருங்காலத்தில் அதன் விழிப்புணர்வு மேலும் மேம்படும்.
வாடிக்கையாளருக்கு வரம்
1990-கள் முதல், வங்கித் துறையில் செயற்கை நுண்ணறிவு இத்தகைய மோசடித் தடுப்புப் பணியில் முக்கியப் பங்காற்றி வருகிறது. இணைய வங்கிச்சேவை, மொபைல் பரிவர்த்தனை எல்லாம் பெருமளவு பாதுகாப்பாக நிகழ இது கைகொடுக்கிறது. இதே முறையில், வாடிக்கையாளர் சேவை உள்ளிட்ட பிரிவுகளிலும் செயற்கை நுண்ணறிவு பயன்பாட்டுக்கு வந்து வங்கிச் சேவையை அடுத்த கட்டத்துக்குக் கொண்டுசென்றுள்ளது.
வாடிக்கையாளர் பரிவர்த்தனை வரலாற்றின் அடிப்படையில், அவர்களுக்கான வங்கிச் சேவைகளைத் தானாகப் பரிந்துரைக்கும் சாத்தியம் உருவாகியிருக்கிறது. அதுபோலவே, கடன் தகுதியைத் தீர்மானிப்பதிலும் செயற்கை நுண்ணறிவு முக்கியப் பங்கு வகிக்கிறது.
பொதுவாக, பயனாளிகளின் கடன் கோரிக்கையைப் பரிசீலிக்கும்போது அவர்களது வருவாய், பணத்தைத் திருப்பிச் செலுத்தும் திறன் உள்ளிட்ட அம்சங்களை வங்கிகள் பரிசீலிக்கும். ஆனால், இந்த முறையில் போதாமைகள் அதிகம் உள்ளன. இப்போது, பல முனைத் தரவுகளின் அடிப்படையில் ஏ.ஐ திறன் கொண்ட மென்பொருள் வாடிக்கையாளர் நம்பகத்தன்மையை அழகாகக் கணித்து கடன் வழங்குவது தொடர்பான முடிவெடுத்தலில் உதவுகிறது. இதுவரை கடன் தகுதி பெற முடியாத தரப்பினரும் இதன் பயனாக வங்கிச் சேவைக்குள் வரும் மாற்றம் நிகழ்ந்துகொண்டிருக்கிறது.
இப்படி வங்கித் துறைச் செயல்பாடுகளைத் தலைகீழாக மாற்றிக்கொண்டிருக்கிறது ஏ.ஐ!
(தொடரும்)
தனிப்பட்ட கவனிப்பு
செயற்கை நுண்ணறிவின் தாக்கத்தால், வங்கிப் பணிகள் இயந்திரத் தன்மை மிக்கதாக மாறிவிடலாம் எனும் அச்சம் நிலவுகிறது. வங்கிக் கிளைகளில் இயந்திரப் பயன்பாடு அதிகரித்திருப்பது மற்றும் இணையச் சேவைகளிலும் ‘பாட்’கள் எனும் மென்பொருட்கள் வாடிக்கையாளர்களோடு உரையாடுவது ஆகியவை இந்த எண்ணத்தை ஏற்படுத்துகின்றன. ஆனால், நடைமுறையில் இயந்திர அறிவு வாடிக்கையாளர்களுக்கான தனிப்பட்ட சேவையை அளிக்கக்கூடியதாக இருக்கும் எனக் கருதப்படுகிறது. ‘சாட் பாட்’கள் மற்றும் மென்பொருட்கள் தரவுகளின் அடிப்படையில் தனிப்பட்ட வாடிக்கையாளர்களைப் புரிந்துகொண்டு அவர்களின் தேவைக்கேற்ற சேவையை வழங்கலாம் என்கின்றனர்.