Arriva Telum, il processore di Ibm che accelera i calcoli dell’intelligenza artificiale

Supporterà le imprese che operano nel settore bancario, finanziario, commerciale e assicurativo a combattere le frodi

Ibm Telum

Telum è un nuovo processore sviluppato da Ibm progettato per abilitare l’inferenza del deep learning nelle transazioni ad alto valore: permette di migliorare la capacità di intercettare le frodi in tempo reale, prevenirle e affrontarle ed è destinato in particolare a quelle imprese che operano nel settore bancario, finanziario, commerciale e assicurativo, attraverso soluzioni innovative nella lotta contro le frodi, nell’approvazione del credito, nei reclami e nella liquidazione e nel trading finanziario e nelle varie interazioni con gli utenti. Il primo sistema Ibm basato su Telum dovrebbe essere disponibile nella prima metà del 2022.

Oggi il processo di rilevamento delle frodi può richiedere molto tempo e molti calcoli, specialmente se l’analisi viene effettuata lontano dai dati mission-critical. I limiti di latenza sono una delle cause principali per le quali i rilevamenti delle frodi avvengono in ritardo, quando una transazione è già stata completata – ciò significa che un malfattore potrebbe portare a compimento un acquisto di beni con una carta di credito rubata prima che il rivenditore ne venga a conoscenza. Telum consentirà di passare dal rilevamento passivo delle frodi a un’azione attiva di prevenzione, aprendo la strada a innovazioni che permetteranno in futuro di individuare le frodi prima che le transazioni siano completate.







Secondo il 2020 Consumer Sentinel Network Databook della Federal Trade Commission, i consumatori hanno riferito di aver perso più di 3,3 miliardi di dollari a causa di frodi nel 2020, dato che evidenza un notevole incremento rispetto a 1,8 miliardi di dollari nel 2019.

Il nuovo chip presenta un design unico centralizzato, che permette alle imprese di sfruttare tutta la potenza del processore AI per i carichi di lavoro che si basano proprio sull’intelligenza artificiale: in questo modo, algoritmi come machine learning e deep learning potranno essere utilizzati anche per accelerare i processi di approvazione del credito, migliorare il servizio clienti e la redditività, prevedere l’andamento di scambi o transazioni e rendere i processi di liquidazione più efficienti.














Articolo precedenteAumento di capitale per Oversonic Robotics
Articolo successivoCon Data Wizard di Schneider Electric i dati si acquisiscono direttamente dal quadro macchina






LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui