बॅंकिंग आणि कृत्रिम बुद्धिमत्ता

अतुल कहाते
सोमवार, 3 फेब्रुवारी 2020

बँकिंग विशेष कव्हर स्टोरी
 

'दृष्टिज्ञान, आवाज आणि बोलणं यांचं आकलन, निर्णयक्षमता, भाषांतर यांच्यासारख्या मानवी बुद्धिमत्ता लागणाऱ्या गोष्टी संगणकांचा वापर करून साध्य करण्याचं तंत्रज्ञान म्हणजे कृत्रिम बुद्धिमत्ता होय.' 
– गुगलची व्याख्या

मा णसात आणि संगणकामध्ये मात्र एक अत्यंत महत्त्वाचा फरक असतो. माणूस सातत्यानं शिकत असतो. येणाऱ्या अनुभवांनुसार तो आपल्या विचारांमध्ये, वागण्या-बोलण्यामध्ये, कृतींमध्ये बदल करतो. संगणक मात्र या बाबतीत अक्षरशः: ‘ढ’ असतो. संगणकाला विचार करताच येत नाही. याचं कारण म्हणजे संगणक हे मुळात एक यंत्र असतं. संगणकामध्ये मानवी मेंदूसारखा मेंदू नसतो. स्वाभाविकपणे संगणकाला नव्या अनुभवांची जाणीव होण्याचा, त्यानं विचार करण्याचा, स्वत:हून निर्णय घेण्याचा, आपल्या आधीच्या चुकांमधून धडे घेण्याचा काहीच प्रश्न नसतो. या पार्श्वभूमीवर ‘क्वार्ट्झ’ नावाच्या नियतकालिकानं कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानाची केलेली ही व्याख्याही अत्यंत उद्‌बोधक आहे.

शिकण्याची क्षमता असलेलं संगणकीय सॉफ्टवेअर म्हणजे कृत्रिम बुद्धिमत्ता. या शिकण्यातून नव्यानं उद्‌भवलेल्या परिस्थितीमध्ये माणसासारखेच निर्णय घेण्याची क्षमता संगणकामध्ये येऊ शकते.

म्हणजेच आता संगणक पूर्वीप्रमाणं केवळ आज्ञाधारक गुलाम न राहता विचार करणाऱ्या माणसासारखा होऊ शकतो. कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानामुळे संगणकामध्ये ही हुशारी येते. कहर म्हणजे माणूस काम केल्यावर थकतो. त्याला पुन्हा ताजंतवानं होण्यासाठी मानसिक आणि शारीरिक विश्रांती लागते. कृत्रिम बुद्धिमत्तेची झूल धारण केलेल्या संगणकाला मात्र असं अजिबात होत नाही. अथकपणे नवनवं शिकत राहणं आणि त्यातून आपली निर्णयक्षमता वाढवत नेणं संगणकाला सहजपणे जमू शकतं. इतकंच नव्हे तर योग्य माहिती पुरवल्यावर संगणकाकडून होणाऱ्या चुका या त्या तुलनेत माणसांकडून होणाऱ्या चुकांच्या मानानं खूप कमी असतात. 

संगणकाला सतत माहितीचं खाद्य पुरवलं आणि त्या माहितीचा वापर निर्णय घेण्यासाठी कसा करायचा यासाठीचे नियम शिकवले, तर त्यानंतर संगणक स्वत:हून निरनिराळ्या प्रसंगांमध्ये नेमकं काय केलं पाहिजे याविषयीचं भाष्य करू शकतो. याचा उपयोग आपल्याला दैनंदिन आयुष्यामधल्या अनेक कामांमध्ये करता येतो. याचं अत्यंत ठळक उदाहरण म्हणून आपण बॅंका आपल्या निर्णयप्रक्रियेमध्ये कृत्रिम बुद्धिमत्ता कशी वापरू शकतात या रूपानं घेऊ.

क्रेडिट/डेबिट कार्डशी संबंधित असलेल्या व्यवहारांमध्ये अनेकदा फसवणुकीचे प्रकार घडतात हे आपल्याला माहीत आहे. अशी फसवणूक टाळण्यासाठी किंवा ती झाल्यानंतर त्यातून शक्य तितक्या लवकर मार्ग काढण्यासाठी प्रयत्न करणं गरजेचं असतं. यासाठी आता मानवी हस्तक्षेप करून गुन्हे होण्याआधीच ते थांबवण्यासाठी प्रयत्न करणं खूप कठीण असतं. मुळात क्रेडिट कार्डांची एकूण संख्या आणि त्यांच्याद्वारे होत असलेले व्यवहार हे इतके प्रचंड आहेत, की अशा प्रत्येक व्यवहारावर नजर ठेवणं आणि त्यामध्ये एखादा गुन्हा तर होत नाही ना याची काळजी घेणं हे माणसं नेमून करण्याचं काम अजिबातच नाही. म्हणूनच अशा कामांसाठी संगणकांचा वापर करावा लागतो. त्याला ‘बिग डेटा अॅनॅलिटिक्स’ असं म्हणतात. आता यात कोणत्या प्रकारचे गुन्हे घडू शकतात याचा आपण विचार केला, तर सगळ्यात मोठ्या प्रमाणावर घडणारा गुन्हा म्हणजे क्रेडिट कार्ड आणि त्या कार्डासाठीचा गुप्त पिन हे दोन्ही चोरीला जाणं. अशा वेळी हे कार्ड वापरून केल्या जाणाऱ्या खरेदीच्या प्रमाणात अगदी लगेचच मोठी वाढ झाल्याचं  सर्वसामान्यपणे दिसून येतं. अशा प्रकारचा गुन्हा खरं म्हणजे सहजपणे थांबवता येतो. तो कसा?

या संदर्भातला एक महत्त्वाचा निकष म्हणजे सर्वसाधारणपणे मूळ क्रेडिट कार्डधारक करत असलेले व्यवहार आणि चोर करू पाहत असलेला व्यवहार यांच्यात कितपत साम्य आहे किंवा फरक आहेत हे बघणं गरजेचं असतं. उदाहरणार्थ आत्तापर्यंत संबंधित कार्डधारकानं त्याचं क्रेडिट कार्ड वापरून कधीच ५० हजार रुपयांपेक्षा जास्त रकमेचा व्यवहार केलेला नसेल आणि आता चोरानं हे कार्ड वापरून एकदम ७५ हजार रुपयांची खरेदी करण्याचा प्रयत्न केला असेल तर? अर्थातच हा व्यवहार क्रेडिट कार्डधारक करत नसून चोर करत असल्याचं माहीत नसतानासुद्धा संबंधित बॅंकेला या व्यवहाराविषयी शंका वाटू शकते. म्हणूनच हा व्यवहार पूर्ण होण्यापूर्वी किंवा तो झाल्याबरोबर लगेचच बॅंक त्याविषयी काहीतरी उपाययोजना करू शकते. याउलट चोरानं केलेला व्यवहार आणि मूळ कार्डधारक करत असलेले व्यवहार यांच्यामध्ये तसा फारसा फरक नसेल तर बॅंकेला या व्यवहाराविषयी संशय यायचं काहीच कारण नसतं.

अशा वेळी नेमकं काय करायचं? सर्वसामान्यपणे क्रेडिट कार्डधारक कोणते व्यवहार करतो याचा इथं विचार केला जातो. अशा व्यवहारांच्या पार्श्वभूमीवर त्या कार्डधारकाच्या क्रेडिट कार्डवरून होत असलेल्या नव्या व्यवहारांची छाननी केली जाते. म्हणजेच नव्यानं होत असलेल्या व्यवहारांमध्ये काही संशयास्पद किंवा गुन्हेगारी स्वरूपाचं वाटतं का यावर लक्ष केंद्रित केलं जातं. इतकंच नव्हे तर या कार्डधारकाच्या सर्वसामान्य व्यवहारांप्रमाणेच इतर लोकांच्या तशाच प्रकारच्या व्यवहारांचाही यात विचार केला जातो. हे कसं घडतं? तर कुठलीही बॅंक तिच्या क्रेडिट कार्डधारकांच्या व्यवहारांविषयीचे खूप तपशील गोळा करत राहते. यातून या बॅंकेकडे या कार्डधारकांचे निरनिराळ्या प्रकारचे गट तयार होतात. म्हणजेच सर्वसाधारणपणे कार्ड वापरून फक्त ऑनलाइन पुस्तकं विकत घेणारे लोक, हॉटेलमध्ये ठराविक रकमांची बिलं भरणारे लोक, पेट्रोल भरणारे लोक, यामधले एकापेक्षा जास्त व्यवहार करणारे लोक, फक्त पुण्यात क्रेडिट कार्ड वापरणारे लोक, फक्त मुंबईत क्रेडिट कार्ड वापरणारे लोक, पुण्यात आणि मुंबईत क्रेडिट कार्ड वापरणारे पण फक्त दुकानांमध्ये खरेदी करण्यासाठीच असे लोक अशा असंख्य प्रकारचे गट बॅंकेकडे तयार होतात. आता सध्या क्रेडिट कार्ड चोर जो व्यवहार करण्याचा प्रयत्न करतो आहे तो मूळ कार्डधारकाच्या यामधल्या कोणकोणत्या गटांमध्ये बसू शकतो याचा अंदाज बॅंकेचं सॉफ्टवेअर घेतं. उदाहरणार्थ समजा बॅंकेकडचे गट या कार्ड वापरून केलेल्या खर्चाच्या रकमेचा आकडा, कार्ड ज्या ठिकाणी वापरलं जातं ते ठिकाण, कार्डचा वापर करून खरेदी केलेली वस्तू किंवा ते दुकान, कार्डधारकाचं वय अशा गोष्टींसाठी तयार केलेले असतील तर? आता चोर करू पाहत असलेला व्यवहार आणि मूळ कार्डधारकासाठीचे गट यांच्यात बऱ्यापैकी सांगड घालता येते का? हा नवा व्यवहार पूर्णपणे वेगळा वाटतो हे बॅंकेचं कृत्रिम बुद्धिमत्तेवर आधारित असलेलं सॉफ्टवेअर अत्यंत वेगानं तपासतं. याचं एक उदाहरण घेऊ.

समजा ७० वर्षं वयाच्या सदाशिव पेठेमध्ये राहणाऱ्या आजोबांनी अचानकपणे एक स्पोर्ट्सकार खरेदी करण्यासाठी क्रेडिट कार्ड वापरलं. सर्वसाधारणपणे हे आजोबा आपलं क्रेडिट कार्ड फक्त हॉटेल, पेट्रोल पंप, दुकान अशा ठिकाणीच वापरतात. लगेचच संबंधित बॅंकेचं सॉफ्टवेअर क्रेडिट कार्डचा हा व्यवहार नेहमीपेक्षा खूप भिन्न असल्यामुळं त्यात काहीतरी काळंबेरं असल्याचं सूचित करेल. ही सूचना बघून बॅंकेतर्फे कुणीतरी मूळ कार्डधारकाला फोन करून खरोखरच तो हा व्यवहार करत आहे का हे विचारेल.

बॅंकेच्या दृष्टीनं आपल्या उदाहरणामधले आजोबा मुख्यत्वे दुसऱ्या गटाचा भाग असणार. म्हणजेच ते आपल्या क्रेडिट कार्डाचा वापर नियमित खरेदी, पेट्रोल, हॉटेल अशा गोष्टींसाठी करतात. फार तर ते क्वचितप्रसंगी तिसऱ्या गटामध्येही असतात. म्हणजेच ते दोनेक वर्षांमधून एखाद्या सहलीला जाण्यासाठी आपलं क्रेडिट कार्ड वापरून सगळी आरक्षणं वगैरे करतात. म्हणजेच समजा त्यांचं क्रेडिट कार्ड चोरून चोरानं दुसऱ्या किंवा तिसऱ्या गटामधल्या नियमित व्यवहारांपैकी एखादा व्यवहार केला, तर बॅंकेला त्याचा फार संशय येणार नाही. कदाचित तिसऱ्या गटामधल्या व्यवहाराविषयी बॅंकेला जास्त शंका वाटेल. जर या आजोबांचं क्रेडिट कार्ड अचानकपणे पहिल्या गटामधल्या व्यवहारांसाठी वापरलं गेलं, तर मात्र बॅंकेला नक्कीच मोठा संशय येईल. हा व्यवहार बॅंक रोखेल आणि आजोबांची परवानगी घेऊनच तो पूर्ण करू देईल किंवा हा व्यवहार झाल्याझाल्या बॅंकेकडून आजोबांना फोन जाईल आणि त्यांनीच हा व्यवहार केलेला असल्याची खातरजमा केली जाईल.

याखेरीज दुसरी संकल्पना ‘वर्गीकरणा’ची असते. क्रेडिट कार्डच्या आपल्या उदाहरणामध्ये सध्याच्या व्यवहाराविषयी अनेक प्रश्न उपस्थित केले जातील. या प्रश्नांची उत्तरं नेमकी काय आहेत त्यानुसार हा व्यवहार संशयास्पद वाटतो का नाही याची उकल संगणक करेल. 

अशा प्रकारचे नियम वापरून बॅंकेकडं कुठला व्यवहार अधिकृत मानायचा आणि कुठला व्यवहार चोरीचा मानायचा याविषयीचे तपशील आधीपासूनच निश्चित केलेले असतील. यामधला एक बारकावा सहजपणे लक्षात येण्यासारखा नाही आणि म्हणूनच तो जरासा तांत्रिक असला, तरी इथं स्पष्ट केला पाहिजे. समजा क्रेडिट कार्डधारकानं आपलं क्रेडिट कार्ड चोरीला गेलेलं असल्याचं बॅंकेला कळवलं असेल, तर त्यानंतर इतर कुठली गोष्ट तपासण्याची गरजच नाही. म्हणजेच ‘हे क्रेडिट कार्ड हरवलं किंवा चोरीला गेलं असल्याची तक्रार कुणी दिलेली आहे का?’ या पहिल्या प्रश्नाचं उत्तर होकारार्थी असेल, तर तिथंच हे कार्ड वापरून केला जात असलेला व्यवहार चोरीचा असल्याचं स्पष्ट होईल. त्यामुळं आणखी एकही प्रश्न विचारण्यामध्ये काही हशील नाही. याउलट जर ‘हे क्रेडिट कार्ड हरवलं किंवा चोरीला गेलं असल्याची तक्रार कुणी दिलेली आहे का?’ या पहिल्या प्रश्नाचं उत्तर नकारार्थी असेल, तरच पुढचा प्रश्न विचारला पाहिजे. 

हे सगळं काम कृत्रिम बुद्धिमत्ता आणि त्याच्याशी संबंधित असलेल्या इतर तंत्रज्ञानांच्या मानानं अत्यंत सहजपणे आणि वेगानं केलं जातं. बॅंका नव्या तंत्रज्ञानाचा वापर किती प्रभावीपणे करू शकतात याची ही एक झलक.

संबंधित बातम्या