Podcast mit Steve Flinter, Vice President, AI & ML, Mastercard

Mein heutiger Gast ist Steve Flinter, Vice President, Artificial Intelligence & Machine Learning, Mastercard Labs. Steve und ich sprechen über spezifische Quantenanwendungen, die Mastercard erforscht, und darüber, wie sie sich von den typischen Finanzdienstleistern unterscheiden, was sie davon abhält, in die Produktion zu gehen, und vieles mehr.

Hier können Sie weitere Podcasts anhören

DIE VOLLSTÄNDIGE ABSCHRIFT FINDEN SIE UNTEN

Yuval: Hallo, Steve. Danke, dass Sie heute bei mir sind.

Steve: Es ist mir ein Vergnügen. Danke, dass ich dabei sein durfte.

Yuval: Wer sind Sie und was machen Sie?

Steve: Also, mein Name ist Steve Flinter. Ich arbeite für Mastercard in unserer F&E-Abteilung und leite unter anderem unsere Forschungsbereiche rund um neue Technologien. Dazu gehören natürlich Dinge wie Quantum, aber auch Bereiche, auf die wir uns konzentrieren, wie 5G und neue Formen des Zahlungsverkehrs. Also alles, von dem wir glauben, dass es für Mastercard oder unsere Kunden jetzt oder in absehbarer Zukunft relevant sein wird.

Yuval: Ausgezeichnet. Wie ist die Quantencomputer-Gruppe bei Mastercard entstanden? Manchmal sehen wir, dass sie von der Spitze ausgeht. Manchmal sehen wir, dass es fast wie ein Skunkwork-Projekt beginnt, das jemand in seiner Freizeit durchführt. Was war der Fall bei Mastercard?

Steve: Ich glaube, in unserem Fall ging es eher von unten nach oben. Es begann, glaube ich, auf der Grundlage von Ideen, die unser Vizepräsident im Bereich Technologie hatte. Er und ich diskutierten darüber, wohin sich das entwickeln würde und ob es für Mastercard der richtige Zeitpunkt wäre, sich zu engagieren. Ich glaube, unser erster formeller Vorstoß in diesen Bereich war ein Forschungsprojekt, das von IBM vor Ort, IBM Research hier in Irland, sowie einigen Universitäten und Start-ups organisiert wurde. Das Projekt wurde von der irischen Regierung mitfinanziert. Das gab uns den Anstoß, uns zu engagieren. Wir begannen also mit dieser mehrteiligen Zusammenarbeit mit anderen führenden Akteuren und haben das Team auf dieser Grundlage aufgebaut und erweitert.

Yuval: Und wie groß ist das Team? Und wenn ich fragen darf, wie ist die Zusammensetzung? Sind es hauptsächlich Physiker? Sind es hauptsächlich Finanzexperten? Ist es alles zusammen? Wie ist es aufgebaut?

Steve: Wir suchen nach Leuten mit einem datenwissenschaftlichen und mathematischen Hintergrund, weniger mit einem physikalischen Hintergrund. Ich arbeite mit anderen Kollegen in anderen Teilen der Organisation zusammen, die sich mit anderen Anwendungen der Quantentechnologie befassen, also mit Quantennetzwerken und so weiter, und sie bringen spezifisches Fachwissen in Bezug auf Kryptographie und netzwerkartige Technologie mit. Aber von den Bereichen, an denen ich besonders interessiert bin, sind es vor allem die Anwendungen des Quantencomputings zur Lösung von Geschäftsproblemen.

Yuval: Wir sehen manchmal, dass das Quantencomputing relativ klein ist, weil die Computer heutzutage relativ klein sind, aber die Unternehmen arbeiten manchmal daran, eine breitere Unterstützung aufzubauen, sich auf die Zukunft vorzubereiten, andere Kollegen in Sachen Quantencomputing zu schulen, vielleicht in der Organisation nach Anwendungsfällen zu suchen, wo das in Zukunft anwendbar sein könnte. Ist das auch etwas, das Sie tun? Welche Anstrengungen unternehmen Sie, um das Wissen zu erweitern und es an andere weiterzugeben?

Steve: Ich denke, all diese Dinge, die Sie erwähnt haben, sind definitiv sehr relevant für das, was ich tue und was wir in der Forschung und Entwicklung zu tun versuchen. Man kann das auf mehrere Arten betrachten. Zum einen versuchen wir, das Bewusstsein auf Führungsebene zu schärfen und ihnen dabei zu helfen, zu verstehen, welche Technologietrends bei Unternehmen wie Ihnen, IBM, D-Wave und den Hardware-Anbietern zu beobachten sind, welche Technologien aus dem technischen Bereich kommen, von denen wir glauben, dass sie für uns und unsere Kunden von Bedeutung sein werden, und wie wir als Unternehmen darüber nachdenken und in sie investieren sollten. Wir konzentrieren uns auch darauf, welche spezifischen Anwendungsfälle wir für relevant halten, wie wir einige davon zum Leben erwecken können und wie wir unseren Produktmanagern und Produktverantwortlichen helfen können, über die relevanten Anwendungen für Quantum nachzudenken.

Denn, wie Sie wissen und wie Ihre Zuhörer wissen werden, muss man darüber auf eine ganz andere Weise nachdenken. Und die klassische Herangehensweise an Probleme aus der Sicht der Software, der Technik oder der Informatik ist nicht immer die richtige. Es gibt also definitiv ein gewisses Maß an Bildung und Bewusstsein, das wir hier wecken müssen. Und dann würde ich sagen, dass der andere Aspekt, den wir im Auge haben, darin besteht, unsere breite Gruppe von Technologen und Ingenieuren in der gesamten Mastercard-Organisation auszubilden, nicht nur in der Forschung und Entwicklung. Wir arbeiten also eng mit unseren Kollegen aus der Lern- und Entwicklungsabteilung zusammen, um zu überlegen, welche internen Schulungs- und Ausbildungsressourcen wir einrichten können und wie wir den Entwicklern dabei helfen können, sich selbst zu befähigen und sich auf ihre eigene Lernreise zu begeben, selbst wenn diese nicht direkt mit einer Produktentwicklung oder einer F&E-Maßnahme verbunden ist, sondern um ihre eigenen Fähigkeiten und ihr Bewusstsein aufzubauen, insbesondere für diejenigen, die ein Interesse an diesem Bereich haben. Es gibt also ein Element von all diesen Dingen.

Yuval: Wenn man über Quantencomputer spricht, spricht man manchmal von einem Hype. Und ich denke, dass ein gewisser Hype gut ist, weil er für Begeisterung und Finanzierung sorgt und dabei hilft, Leute zu rekrutieren, aber wenn man sich in der Organisation umhört, trifft man dann typischerweise auf "Oh, das ist noch 20 Jahre entfernt"? Oder sehen Sie eher den Durst, zu lernen und zu verstehen, wie es auf ein Geschäftsproblem angewendet werden kann?

Steve: Es ist eine Herausforderung, und es ist definitiv etwas, das man steuern muss. Es gibt Leute, die der Meinung sind, dass es noch 10 bis 20 Jahre dauern wird und dass es noch weitgehend im Bereich der Science-Fiction liegt. Andere wollen es schon morgen, und wann können wir es haben? Es ist also definitiv eine Gratwanderung zwischen diesen beiden und dem Versuch, realistische Erwartungen hinsichtlich des Stands der Technologie, des Tempos, in dem sie sich entwickelt, und des Zeitpunkts, zu dem wir glauben, dass es realistisch ist, zu erwarten, dass Quantencomputer einen geschäftlichen Nutzen bringen werden, festzulegen. Ich denke, für Mastercard und für einige unserer Kunden ist dieser Zeithorizont von zwei bis drei bis vier Jahren der Punkt, an dem wir versuchen, unsere Arbeit zu platzieren, was innerhalb dieses Zeithorizonts geschieht und potenziell einen Nutzen bringen kann.

Wir können sicherlich einen Blick auf das werfen, was in ferner Zukunft liegt, und sehen, wie das in die längerfristigen Roadmaps einfließen wird, aber wir konzentrieren uns eher auf den kurz- bis mittelfristigen Zeithorizont und denken darüber nach, wie wir auf diesen Bereich reagieren, welche Arten von Anwendungen wir in diesem Zeitrahmen für praktisch oder realistisch halten. Aber um auf Ihre Frage zurückzukommen, denke ich, dass es insgesamt definitiv einen Appetit gibt, mehr zu lernen. Die Leute wollen sich informieren, was in diesem Bereich vor sich geht, und es ist zum Teil meine Aufgabe und die unseres Teams, diese Erwartungen zu dämpfen, sie realistisch zu machen, die Begeisterung zu wecken, ein Gefühl der Dringlichkeit zu vermitteln, aber auch nicht zu viel zu verkaufen.

Yuval: Nach Ihren Antworten klingt es so, als ob Sie sich sehr auf praktische Anwendungen in relativ naher Zukunft konzentrieren würden. Lassen Sie uns also ein wenig über Anwendungen sprechen. Ich glaube, auf der Mastercard-Website gelesen zu haben, dass Sie versuchen, Quantenverfahren auf Kundenbelohnungen anzuwenden, was ein wenig nach maschinellem Lernen mit Quantenverfahren klingt, und dann auf das Routing von kontaktlosen Transaktionen, was ein Optimierungsproblem sein könnte. Könnten Sie etwas mehr Licht ins Dunkel bringen oder mehr Details zu diesen Anwendungen oder anderen Dingen, über die Sie bereit sind zu sprechen, nennen?

Steve: Wenn man nach Anwendungen im Finanzdienstleistungsbereich googelt oder sucht, findet man sehr oft Dinge wie die Preisgestaltung von Derivaten, die Bewertung von Kreditrisiken und diese Art von Anwendungen. Und sie passen sicherlich sehr gut in die Welt des Investmentbankings oder des Wertpapiermarktes, sind aber für Mastercard und für unsere Kunden wahrscheinlich weniger relevant. Daher haben wir in den letzten Jahren unter anderem untersucht, welche Anwendungen es gibt, wie wir sie charakterisieren können, und einige der von Ihnen genannten Anwendungen liegen sicherlich in den Bereichen, in denen wir Chancen sehen. Mastercard zum Beispiel hat ein sehr großes Kundenbindungs- und Prämiengeschäft. Das ist vielleicht nicht allen Ihren Zuhörern bekannt, aber es ist sicherlich ein wichtiger Teil unseres Geschäfts, und wir sind einer der größten Akteure weltweit in diesem Bereich.

In diesem Bereich gibt es eine Reihe schwieriger und interessanter Probleme, wie man die geeignetste Belohnung oder das geeignetste Angebot oder Treue-Event für einen bestimmten Endnutzer oder Endkunden findet. In diesem Bereich gibt es viele verschiedene Optimierungsprobleme, die unterschiedlichen Einschränkungen unterliegen. Das ist also definitiv ein Bereich, an dem wir interessiert sind und den wir erforschen. Mastercard ist im Grunde genommen ein Netzwerkunternehmen. Wir übermitteln Informationen von Händlern, von Einzelhändlern, über ein Akquisitionssystem an unsere Emittenten, die Banken, die Ihre Zahlungskarte ausgeben, und wir arbeiten auch mit vielen anderen Zahlungsnetzwerken zusammen und entwickeln diese. Bei all dem gibt es große Routing-Probleme, um all diese Informationen weiterzuleiten.

Wir sind also der Meinung, dass es definitiv Möglichkeiten gibt, die Quantenphysik zur Lösung einiger dieser Probleme einzusetzen. Es gibt also ein paar großartige Beispiele. Sie haben das maschinelle Lernen mit Quanten erwähnt. Das ist definitiv ein interessanter Bereich, und Mastercard setzt maschinelles Lernen in vielen verschiedenen Bereichen ein, nicht zuletzt bei der Betrugserkennung und Betrugsreduzierung, es gibt also Anwendungen, bei denen es spezifische Quantenansätze für einige dieser Bereiche geben kann. Ich würde sagen, es ist eine sich entwickelnde Landschaft. Wir entwickeln weiter und versuchen, einige dieser Anwendungsfälle ausfindig zu machen, und vor allem, um auf meinen früheren Punkt zurückzukommen, versuchen wir, sie mit dem Stand der Technik abzugleichen, mit dem Stand, den sie in den nächsten drei, vier Jahren haben wird, und sicherzustellen, dass wir keine Probleme angehen, für die in Wirklichkeit Geräte benötigt werden, die vielleicht erst in fünf bis zehn Jahren zum Einsatz kommen. Wir versuchen also einfach, die richtigen Probleme für die Technologie zu finden, die jetzt oder in den nächsten paar Generationen verfügbar ist.

Yuval: Nur aus Neugierde über das Routing-Problem von Transaktionen. Denn wenn ich an Transaktionsrouting denke, klingt das so, als ob wir nur ein paar oder viele Bits hin- und herschieben würden. Ist das eher eine Arbitrage-Sache, dass man von einer Währung in eine andere umrechnen muss? Geht es dabei um Transfergebühren? Wie viel kostet es, das Geld hin und her zu bewegen? Was ist die Kostenfunktion oder der Kostentreiber für ein optimales Routing?

Steve: Die Kosten mögen eine Sache sein, aber eine andere längerfristige Strategie von Mastercard, die wir in den letzten Jahren entwickelt haben, ist das, was wir Multi-Rail nennen. Dabei handelt es sich im Grunde um das Konzept, verschiedene Zahlungsformen anzubieten. Die Zahlung von Verbraucher zu Händler ist diejenige, die jeder von Mastercard kennt, aber wir haben uns zu Dingen wie Zahlungen von Konto zu Konto in bestimmten Märkten und zu Zahlungen von Unternehmen zu Unternehmen in anderen Märkten entwickelt. In dem Maße, in dem Sie diese verschiedenen Zahlungsformen unterstützen, wachsen die Routing-Optionen exponentiell oder kombinatorisch. Es könnte also verschiedene Möglichkeiten geben, die Zahlungen zu verwalten, die durch das von uns betriebene und verwaltete Netz oder die von uns verwalteten Netzgruppen fließen. Diese Probleme werden also immer größer, je mehr wir versuchen, verschiedene Teile des Zahlungsökosystems zu bedienen.

Yuval: Wenn Sie raten müssten, wie lange dauert es, bis eine dieser Anwendungen in Produktion geht, oder vielleicht ist eine bereits in Produktion?

Steve: Im Moment sind wir noch nicht in der Produktion, aber wir arbeiten definitiv darauf hin, dass wir in der Lage sind, in den nächsten Jahren Quantenanwendungen in die Produktion zu bringen. Es ist schwer, einen genauen Zeitrahmen festzulegen, und natürlich ist früher besser als später, aber ich denke, wir sind auf jeden Fall motiviert, diese relativ kurzfristigen, d. h. zwei, drei Jahre nahen, kurzfristigen Anwendungsfälle zu finden, die einen tatsächlichen geschäftlichen Nutzen bringen. Wir sind nicht daran interessiert, Quantum nur um seiner selbst willen in die Produktion zu bringen, nur um zu zeigen, dass wir es können. Vielmehr geht es darum, dass wir zeigen können, dass wir ein Problem durch einen quantengesteuerten Prozess lösen können, der sinnvoll und deutlich besser ist als die Alternative, die wir durch herkömmliche CPU- oder GPU-basierte Rechenverfahren erreichen könnten. Und besser kann verschiedene Dinge bedeuten.

Es kann einfach ein besseres Ergebnis, eine bessere Optimierung sein, aber es kann auch bedeuten, dass wir das gleiche Ergebnis in kürzerer Zeit erzielen können, oder dass wir es mit geringeren Kosten in Bezug auf Energie oder Rechenleistung oder was auch immer erreichen können. Besser" kann also Verschiedenes bedeuten, aber im Grunde geht es darum, dass wir dem Unternehmen eine Anwendung oder eine Reihe von Anwendungen liefern können, die, wie ich schon sagte, diesen kommerziellen Nutzen bringen können. Und genau darauf konzentrieren wir uns. Und um vielleicht noch einen weiteren Punkt hinzuzufügen: Ein Teil der Überlegungen, die sich daraus ergeben, ist auch die Frage, was man braucht, um etwas tatsächlich in Produktion zu bringen. Und für uns bedeutet das nicht nur, dass wir in der Lage sind, etwas von Hand über ein Jupyter Notebook oder eine Python-Schnittstelle laufen zu lassen. Es geht darum, wie wir es in eine Pipeline einbinden können. Wie können wir es als Teil eines 24/7-Betriebs laufen lassen? Wie wird es im Verhältnis zu anderen Dingen geplant? Es gibt also sowohl die operative Seite, um es in Produktion zu bringen, als auch die Lösung des zugrunde liegenden Problems.

Yuval: Was sind die wichtigsten Dinge, die Ihnen helfen könnten, schneller in die Produktion zu gehen? Braucht man bessere Computer? Brauchen Sie bessere Softwareentwicklungsplattformen? Braucht man einfach mehr Leute? Wenn Sie drei Wünsche frei hätten, was bräuchten Sie, um schneller in Produktion gehen zu können?

Steve: Ich denke, eine der großen Herausforderungen, die wir haben, wenn wir uns dem gesamten Bereich des Quantencomputings nähern, ist, dass viele der Probleme und viele der Systeme, die Mastercard hat, von Natur aus Big Data sind. Wir haben es mit riesigen Mengen von Transaktionen und den Daten zu tun, die diese Transaktionen erzeugen. Und wie Sie wissen und wie Ihre Zuhörer wissen werden, haben Quantencomputer damit Schwierigkeiten. Sie sind keine Maschinen zur Verarbeitung großer Datenmengen. Wir versuchen also, herauszufinden, wie wir ein Problem, das in einer Big-Data-Umgebung entstanden ist, in ein Rechenproblem umwandeln können, das für einen Quantenansatz praktisch ist.

Dabei können wir Bereiche wie Komprimierung, Clustering oder andere Ansätze zur Verringerung der Datendichte oder Datengröße untersuchen. Das sind also einige der Dinge, die wir versuchen zu durchdenken, wie wir diese Probleme lösen können, und die Fähigkeit, Probleme zu lösen, die mit großen Daten verbunden sind, ist meiner Meinung nach einer der zentralen Teile dessen, was wir versuchen, in Angriff zu nehmen.

Yuval: Da wir uns dem Ende unseres heutigen Gesprächs nähern, möchte ich Sie zu zwei nicht miteinander verbundenen Themen befragen. Das erste ist die globale Geopolitik, wenn ich darf. Mastercard ist ein globales Unternehmen, und es scheint, dass zu jeder Zeit etwas auf der ganzen Welt passiert. Und besonders in diesen Tagen liegt der Schwerpunkt auf etwas, das als Quantenwettrüsten bezeichnet wird. Wer wird den größeren und schnelleren Computer haben, wer wird in der Lage sein, die Verschlüsselung von wem zu knacken und so weiter und so fort. Macht Ihnen das Sorgen? Hat das Auswirkungen auf Sie? Oder überlassen Sie es den Regierungen, sich darum zu kümmern?

Steve: Es gibt sicherlich einen großen Aspekt, der auf Regierungsebene liegt. Und für Mastercard sind wir in fast jedem Land der Welt präsent und haben Beziehungen zu diesen Ländern. Und so versuchen wir, denke ich, uns aus einigen dieser Themen herauszuhalten. Ich bin wahrscheinlich nicht die beste Person, um das auf Unternehmensebene zu kommentieren, aber ich denke, die wichtigsten Dinge, an denen wir, wie gesagt, interessiert sind, konzentrieren sich darauf, mit der besten Technologie zu arbeiten, die aus den verschiedenen Regionen kommt, und dann sicherzustellen, dass wir diese Technologie nutzen können, um unseren Kunden Vorteile zu bieten. Und die sind wiederum regional verteilt.

Und es kann gut sein, dass jede dieser Regionen ihre eigene Politik, ihre eigene Verwaltung hat, wie sie das Quantencomputing in ihren Gebieten nutzen will. Ich weiß zum Beispiel, dass Europa sehr darauf bedacht ist, eine eigene Quantenindustrie aufzubauen, die mit den USA und China konkurrieren kann. Und vielleicht müssen wir einige dieser Entwicklungen in unserer eigenen Strategie berücksichtigen. Aber wir gehen die Dinge als globales Unternehmen an und versuchen, Lösungen für einen globalen Kundenstamm zu finden.

Yuval: Und ich nehme an, Sie beobachten auch die Auswirkungen, die Quantencomputer auf die Cybersicherheit und die Kryptographie haben könnten.

Steve: Ja, absolut. Wenn man in der Presse über diesen Bereich liest, findet man oft als Erstes das Untergangsszenario, dass Quantencomputer die gesamte Kryptografie zerstören werden. Und um noch einmal auf unser früheres Gespräch über den Hype um all das zurückzukommen: Das ist definitiv etwas, das wir in den Griff bekommen müssen, und ich denke, wir müssen das Potenzial, das es gibt, auch in 10 bis 15 Jahren noch einschätzen können. Wir müssen also das richtige Maß an Interesse, Aktion und Reaktion auf das vorhandene Potenzial finden. Aber ich verfolge auf jeden Fall, wie die Leute darüber denken, wie sie darauf reagieren, Gremien wie das NIST zum Beispiel, die sich mit kryptografischen Standards befassen und wie sie sich weiterentwickeln müssen.

Und das ist definitiv ein großer Teil unserer Strategie und wird auch in Zukunft ein Teil davon sein, um sicherzustellen, dass die Kryptographie, die wir jetzt und in Zukunft verwenden, quantenresistent oder quantenfest ist. Letztes Jahr haben wir einen Standard für kontaktlose Zahlungen veröffentlicht, und ich glaube, Sie haben vorhin darauf angespielt, und dieser Standard hat bewusst eine Reihe von Entscheidungen über die verwendeten kryptografischen Verfahren getroffen, damit er quantenresistent ist, wenn der Standard vollständig implementiert und eingeführt wird. Ich denke also, dass wir definitiv mehr davon sehen werden, dass Systemarchitekten und Sicherheitsarchitekten die potenzielle zukünftige Leistung und die Fähigkeiten von Quantengeräten in den Standards, die sie jetzt schreiben, berücksichtigen, weil es Zeit braucht, diese Standards zu schreiben. Ihre Einführung kann lange dauern, und so lösen wir nicht nur Probleme, die in diesem oder im nächsten Jahr auftreten, sondern möglicherweise erst in 10, 15 oder 20 Jahren.

Yuval: Steve, wie kann man mit Ihnen in Kontakt treten, um mehr über Ihre Arbeit zu erfahren oder um zu sehen, ob Sie offene Stellen in Ihrem Team haben usw.?

Steve: LinkedIn ist wahrscheinlich der beste Ort, um mich zu finden. Steve Flinter. Es gibt nicht allzu viele von uns da draußen, also sollte es einfach genug sein, sie auf LinkedIn zu finden. Wir freuen uns, mit Leuten in Kontakt zu treten, die sich für diesen Bereich interessieren. Wir hoffen auf jeden Fall, dass wir das Team vergrößern und weiterhin Fachwissen hinzufügen können, während wir diese Anwendungsfälle aufbauen und der Erstellung von Anwendungen immer näher kommen. Ich denke also, dass dies ein sehr reifes Gebiet ist, in das wir mit der Zeit immer mehr investieren werden.

Yuval: Ausgezeichnet. Vielen Dank, dass Sie Ihre Erkenntnisse heute mit mir teilen.

Steve: Es war mir ein Vergnügen. Danke, dass ich dabei sein durfte, Yuval.