Carousell søger at bruge kunstig intelligens og maskinlæring på tværs af organisationen og udnytte teknologien til at mindske svindelrisici og forbedre brugeroplevelsen.
Carousell mener, at fokus på kunstig intelligens (AI) skal gå forbi hypen og på, hvordan virksomheder faktisk kan adoptere det for at opnå reelle forretningsmæssige fordele.
Især Singapore-baserede forbruger-til-forbruger (C2C) online markedsplads søgte maskinlæring og kunstig intelligens for at bekæmpe svindel samt forbedre brugeroplevelsen.
Seneste nyheder om Asien
- Xiaomi er drevet af telefoner, der giver valuta for pengene, og er på niveau med førende Samsung i Indien
- Her er hvad Samsungs seneste budgettelefoner kan fortælle os om Galaxy S9
- Softbank fører 120 millioner dollars i investering i AI-baseret forsikringsstartup Lemonade
- Singapore udsteder endnu en advarsel om kryptovalutaer
- WannaCry ransomware: Nu siger USA, at Nordkorea havde skylden
Carousell CTO og medstifter Lucas Ngoo sagde, at etablering af brugertillid var afgørende for webstedet, hvor købere ville købe varer fra individuelle sælgere, som de ikke personligt kendte eller ikke blev støttet af store mærkenavne.
Virksomheden begyndte at udforske brug af maskinlæring mindre end et år gå, trykke TensorFlow og Googles Cloud Machine Learning-motor til at identificere og markere potentiel svindelrisiko. For eksempel vil softwaren være i stand til at fremhæve en person, der sendte flere anmodninger til forskellige Carousell-brugere, og bede dem om at forlade webstedets chatplatform for at kommunikere.
Disse oplysninger vil derefter blive sendt til virksomhedens tillid og sikkerhed team, der skal gennemgås og tage de nødvendige skridt, for eksempel suspendering af den enkeltes konto.
"Det vil ikke erstatte mennesker, men det øger menneskets dømmekraft... og hjælper med forudsigelser, som tidligere ikke var mulige. I slutningen af dagen er der stadig brug for mennesket til at foretage det sidste opkald baseret på disse forudsigelser," sagde Ngoo under en paneldebat på sit kontor.
"Vi ser maskinlæring [efterhånden] blive integreret i alle dele af virksomheden, inklusive brugere erfaring og sikkerhed," sagde han og tilføjede, at virksomheden ville fortsætte med at udforske andre måder at tappe maskinen på læring.
Ifølge Nggo havde Carousell i øjeblikket en svindelrate på 0,05 procent.
Oyvind Roti, Googles Asien-Pacific Japan-chef for løsningsarkitekt for cloud, bemærkede, at svindeldetekteringsprocesser i fortiden involverede et stort antal manuelt indstillede regler, og medarbejderne skulle møjsommeligt gennemse alle disse for at afgøre, om en transaktion var svigagtig.
Fremkomsten af kunstig intelligens og maskinlæring hjalp med at automatisere mange af disse gentagelige processer, sagde Roti, som også var i panelet. Maskinlæring skærer ikke kun ned på den tid, der kræves til at gennemgå og identificere potentielle risici, den kan også opfange nye taktikker, som hackere har vedtaget over tid for at omgå disse regler. Dette vil gøre det muligt for virksomheder at holde trit med cyberkriminelle.
Han understregede dog også, at der stadig var brug for mennesker til at hoppe ind og træffe den endelige beslutning og træffe de nødvendige handlinger.
Chris Auld, Microsofts vigtigste tekniske evangelistchef i Sydøstasien, var enig og bemærkede, at det var svært at gennemsyre maskiner med værdier og moral. Dette understregede behovet for mennesker til at foretage denne værdivurdering, sagde Auld.
Og han ville vide det siden Microsoft måtte sidste år lukke sin AI-chatbot ned, Tay.ai, efter blot 16 timer, da det begyndte at opfange betændende og racistiske meninger på Twitter.
I anerkendelse af det fejlagtige eksperiment sagde Auld, at denne oplevelse understregede behovet for at gennemsyre menneskelige værdier, især da maskinlæringsværktøjer lærte af det, de så online, inklusive uønskede mennesker opførsel.
Han understregede også behovet for, at it-leverandørsamfundet træder varsomt med at køre maskinlæring og kunstig intelligens eller risikerer at få regeringer til at slå ned på industrien med regler.
ZDNet spurgte derefter, hvordan det ville påvirke behovet for at balancere adgang til flere brugerdata, til at fodre maskinlæringsmodeller og brugernes krav om privatliv. Især Google indrømmede det i denne uge fortsatte med at spore Android brugeres placering, selv når indstillingen var deaktiveret.
Mens han afviste at kommentere specifikt på sagen, da den var uden for hans fokusområde, sagde Roti Google, med hensyn til maskinlæring, sagde altid på forhånd, at den ikke havde noget ejerskab til de data, der blev brugt til at fodre disse modeller. Dets virksomhedskunder brugte og ejede deres data, sagde han.
Han pegede endvidere på en anden udvikling inden for maskinlæring, som ikke var afhængig af brugen af data, man kunne træne på. AlphaGo Zero var i stand til at mestre spillet uden forudgående menneskelig viden og kun baseret på dens viden om spillets regler og ved at spille helt tilfældige Go-spil mod sig selv. På tre dage besejrede den sin tidligere iteration, AlphaGo, 100 spil til 0.