模拟谈判
我们模拟了承运商之间的谈判，并尝试让每个人都参与进来，轮流完成他们的“轮班”。 “我们实例化了代表每个承运商利益的软件代理，承运商在试验过程中学会了相互谈判。这是一种基于强化的学习模型：代理参与并对环境采取行动，作为回报，环境会反馈此行动的结果以及相关的奖励，无论是正面的还是负面的。通过执行一系列操作，代理最终会找到对他们最有利的组合。在我们的用例中，代理/承运商提出轮班，作为回报，他们会获得与节省的千瓦时量成比例的奖励。随着时间的推移，代理会意识到某些谈判顺序比其他顺序更合适，并且可以产生利润，因此他们被鼓励继续参与。”
人工智能学习对他们有利的谈判顺序
因此鼓励他们继续参与和合作。
该应用属于合作人工智能的范畴，这是一个相对尚未开发的领域，因为需要强大的计算能力才能 WhatsApp 号码数据 理解多智能体交换中的所有组合假设。
模拟了多轮谈判，产生了各种结果。某些规则有利于合作和轮班的良好交替。其他一些更有偏见的规则可能会导致代理商/承运人利用漏洞损害其他参与者的利益。所研究的系统显示了各种可能的情况，并证明了道德合作是可能的，基于四个评估指标：效率（节省的千瓦时量）、安全性（衡量当其他代理商不合作 在互联网上推广餐厅和咖啡馆 时代理商的风险）、参与激励（通过展示好处来鼓励合作）和公平性（每个玩家节省相同的千瓦时量）。通过对承运人之间的互动进行建模，可以定义最佳谈判参数并将交换限制在严格必要的范围内，以便在“现实生活中”实现最佳复制。
已开展的工作已经证明了在业务活动较少的时期，尽可能多的承运商进行合作并集中资源所带来的好处。了应对越来越有创造力的 印度手机号码 黑客的威胁，团队选择了反应系统而不是硬（嵌入式）编码。“我们的实时评分工具灵活高效，”团队自豪地评论道。“这意味着我们的研究人员可以实时分析和搜索欺诈行为及其规避方法，我们的开发人员可以使用开发阶段的实际数据和数量。”
安全的客户旅程
研究与创新展览的展位演示了将物理 SIM 卡转换为嵌入式 eSIM 卡的三种场景：第一位用户顺利转换了 SIM 卡；第二位用户的行为被 IAlerting 标记为可疑；第三位用户是一名黑客，被拒绝使用 SIM 卡转换功能。“在第二个例子中，用户连接到公司 Wi-Fi，”该团队解释道。“他们输入了密码，但历史分析显示登录信息可疑，表明登录者并非他们。然后，我们要求提供进一步的身份证明 — 在这种特定情况下，要求使用手机上的 SIM 卡登录。除非用户的手机被盗，否则这将证实用户确实是他们！”