FICOs Antwort auf KI-Risiken: Ein Fundamentmodell, das jede Ausgabe auf Genauigkeit und Compliance bewertet
FICO, bekannt als das Unternehmen, das Kreditbewertungen erstellt, hat jahrelang an Maschinenlernen und KI-Modellen gearbeitet. Statt jedoch sofort eigene Fundamentmodelle zu veröffentlichen, wählte das Unternehmen den Weg, Vertrauen und Compliance für seine Kunden im Finanzdienstleistungsbereich aufzubauen.
Nun hat FICO die Veröffentlichung von zwei Fundamentmodellen angekündigt: FICO Focused Language (FICO FLM) und FICO Focused Sequence (FICO FSM). Beide Modelle wurden von Grund auf neu entwickelt und basieren auf jahrzehntelanger Expertise in Finanzdaten und Algorithmen für das Training. FICO betreibt auch einen GPU-Cluster.
FICO Focused Language
Das Modell FICO FLM befasst sich hauptsächlich mit Konversationen und der sprachlichen Komponente der Finanzen, um Betrug zu erkennen und Dokumentationen für Kredite zu verarbeiten.
FICO Focused Sequence
FICO FSM hingegen eignet sich am besten für Transaktionsanalysen.
Scott Zoldi, Chief Analytics Officer bei FICO, erklärte, dass das Unternehmen trotz jahrelanger Modellentwicklung sicherstellen musste, dass die Angebote den strengen Anforderungen an Vertrauen und Compliance seiner Hauptkunden – Banken und Kreditgeber – entsprechen.
Die Vertrauensschicht
Der Trust Score ist ein zentrales Element, das die beiden FICO-Modelle für stark regulierte Branchen, wie die Finanzbranche, effektiv macht. Der Trust Score fungiert als Leitplanke, die angibt, wie eng eine Antwort mit den Trainingsdaten übereinstimmt.
„Der Trust Score zeigt, dass wir einen unabhängigen generativen KI-Algorithmus haben, der auf den Daten basiert, die zum Aufbau des Modells verwendet wurden“, sagte Zoldi.
Da FICO die Modelle von Grund auf neu entwickelt hat, besitzt das Unternehmen die genauen Datensätze, die zum Training verwendet wurden. Der Trust Score berücksichtigt auch den Kontext, der in den Daten vorhanden ist, sodass das Modell, wenn es Dokumentationen über europäische Finanzinstrumente liest, beurteilen kann, ob die Antwort relevant ist.
FICO Focused
FICO erklärt, dass die beiden Modelle, Language und Sequence, als kleine Sprachen betrachtet werden können, was einen fortlaufenden Trend widerspiegelt, bei dem Unternehmen kleine Modelle größeren allgemeinen Modellen vorziehen. FICO FLM hat weniger als 1 Milliarde Parameter, während FSM kleiner ist und weniger als 1 Million Parameter hat.
Diese kleinen Modelle können für agentische Zwecke in der Zukunft verwendet werden.
Anwendungsfälle von FICO FLM
FICO FLM hat zwei allgemeine Anwendungsfälle: Compliance und Kommunikation. Es versteht die Regeln, die die Finanzinstitute befolgen müssen, um Informationen an Kunden bereitzustellen, und kann Informationen aus Gesprächen extrahieren. Das Besondere an FLM ist, dass es die Kommunikation zwischen einer Bank und einer Person überwacht und erkennen kann, ob der Kunde finanzielle Schwierigkeiten hat.
Ein weiterer Anwendungsfall von FLM betrifft die Risikoabschätzung bei der Kreditvergabe.
FICO FSM und Transaktionsdaten
FICO FSM befasst sich mit Transaktionsdaten und erinnert sich an die Gesamtheit der Transaktionen und Käufe eines Verbrauchers oder einer Organisation, um Muster zu erkennen. Es kann auch feststellen, ob eine Änderung der Kaufgewohnheiten, wie große Einkäufe, darauf hindeutet, dass jemand seine Kreditkarte gestohlen hat.
Zoldi erklärte, dass traditionelle Modelle zur Betrugsüberwachung oft Details im Laufe der Zeit vergessen. Im Gegensatz dazu hat FSM eine andere Architektur, die als kontrastiver Kopf und überwachter Kopf bezeichnet wird.
Domänenspezifische Modelle
FICOs These ist, dass einige Branchen am besten mit domänenspezifischen Modellen bedient werden, anstatt ein großes Sprachmodell zu verwenden, das ein allgemeineres Verständnis von Daten hat. Zoldi bemerkte, dass Finanzinstitute mehrere kleine, domänenspezifische Modelle für verschiedene Anwendungsfälle einsetzen könnten, wobei sich alle nur auf einen Aspekt des Geschäfts konzentrieren.
Allerdings ist es oft herausfordernd und kostspielig, ein Fundamentmodell zu entwickeln.
