长期以来,计算机使用平台和其他搜索代理的一大缺点在于,当你利用它们查找商品或酒店时,无法在同一窗口内完成任何交易。
Mastercard 希望通过将 AI 公司和平台整合进其支付网络,从而改变这种状况,让用户和企业能在各自的生态系统内无缝交易。今天,该公司宣布推出 Agent Pay——一个将 Mastercard 支付系统引入 AI 聊天平台的新支付项目。
Mastercard 首席数据与 AI 官 Greg Ulrich 在接受 VentureBeat 采访时表示,Agent Pay 实现了“闭环”的 agentic 搜索体验。
Ulrich 说道:“你需要在体验中形成一个闭环,以最有效的方式提升客户体验,这正是我们今天试图实现的。你必须确保生态系统中的每个人都能够识别代理,并验证该代理以安全、可靠地处理交易。”
OpenAI、Anthropic 与 Perplexity 现可接入 Mastercard 的支付网络,这使得其他网络参与者——包括商家、持卡人和金融机构——能够信任该平台的交易,并检查潜在欺诈风险。同时,这也使 Mastercard 能将其反欺诈和交易争议系统引入这些公司。
Mastercard 携手 Microsoft、IBM、Braintree 与 Checkout.com 合作,以扩展 Agent Pay 的规模,统筹该系统并为商家提升其他功能。它还将把 Agent Pay 集成到银行及其他金融机构中。
使 agent 搜索更有用
在过去一年中,我们已见证 AI 驱动的搜索从仅仅罗列信息转变为积极代理您使用电脑的操作。这些平台使用户能够请求 AI 模型在互联网上搜索各类信息,并能为产品或旅游目的地提供推荐。AI 搜索因而受到广泛欢迎。
本周,OpenAI 甚至宣布为运行在 GPT-4o 上的 ChatGPT 搜索添加购物功能,以期对抗 Google 在产品搜索领域长期占据的主导地位。
然而,用户一直发现,一旦看到优惠信息,就必须打开一个单独的窗口。
Mastercard 首席数字官 Pablo Fourez 表示:“我们将与 AI 平台及代理共同合作,使他们能够加入并接入这项技术。但在商家这一边,他们现在可以采取措施来识别这些交易,并更有效地管理相关风险。”
将这些平台引入像 Mastercard 这样的支付系统,使其变得更加有用——不仅仅是一个供人们查找信息的场所,更是一个用户可以发掘和完成交易的平台。
当 AI 公司成为支付网络的一部分时,也能改进企业构建的任何 agentic 工作流。试想这样一个 agentic 工作流:从搜索新供应商、挑选合适的供应商,到协助谈判、起草合同,再到通过平台完成交易。
该公司正在讨论将 Agent Pay 集成进 Microsoft 的 Copilot 以及 Azure/OpenAI 服务中。
Token 而非 AI
然而,Agent Pay 并非基于生成式 AI,尽管 Mastercard 在其他产品中确实利用了这项技术。
Agent Pay 依托于该公司的 Token 化技术,该技术利用密码学在数字交易中帮助掩盖个人身份信息 (PII)。
Fourez 解释说:“这个号码是独立的,如果不在你授权的交易背景下使用,它毫无用处。这是通过密码学实现的,它使每一笔交易都具有唯一性,即使他人获取了这些信息,也无法利用。”
Mastercard 利用生成式 AI 和大语言模型进行欺诈检测,Ulrich 指出这与 Agent Pay 的 Token 化技术协同工作,因为其 AI 模型会在交易发起后验证交易是否存在欺诈行为。
Ulrich 还补充说,Agent Pay 令交易中每个公司和个人都能信赖生态系统中的“规则”有效运行。
他说:“我们确保能够安全、可靠地识别生态系统中的这些参与者,并拥有一种方式可以安全地捕获和保存相关凭证。”
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。