帮助AI模型适应现实世界

<p>使用人工智能来增强企业预测、规划和决策的系统近年来不断涌现，但在许多情况下，它们缺乏关于组织自身的详细、具体信息，从而限制了这些工具的实用性。&nbsp;</p><p>Devavrat Shah是麻省理工学院信息与决策系统实验室（LIDS）的首席研究员、电气工程与计算机科学系（EECS）的教员，也是数据、系统与社会研究所（IDSS）的成员。他一直专注于如何设计能够利用有限计算资源处理逐秒决策的方法。</p><p>“从某种意义上说，你需要用少量的资源完成大量繁重的工作，”他说。作为一名研究员，“我的兴趣在于开发能够以尽可能有效的方式从数据中提取信息的方法。”&nbsp;</p><p>Andrew（1956年）与Erna Viterbi教授自2005年起在MIT任教。&nbsp;</p><p>2019年，他还共同创立了一家名为Ikigai Labs的衍生公司。Ikigai基于Shah实验室多年的研究，构建了一个适用于表格时间序列数据的基础模型，该模型已获得专利并由MIT授权给该公司。该模型可以持续大规模地从不同来源获取企业数据输入，通过将预测与实际结果对比来边运行边学习。</p><p>Shah解释说，该系统的原理是图形模型的一种扩展。例如，GPS设备利用图形模型将接收到的稀疏卫星数据转换为地球表面位置的精确模型；数字手表中的通信系统也采用类似模型，以节能方式实现高速通信。&nbsp;</p><p>“我的兴趣在于：如何为通用的表格数据设计这样的图形模型？”他说。</p><p>大多数AI模型都是通过文本和图像进行训练的，而该系统则以表格数据作为输入——即类似电子表格中常见的行列格式的结构化数据。然后，它能够在更大规模上提供实时规划。&nbsp;</p><p>Ikigai的理念是为大型企业（如消费品制造商和制药公司）提供预测和决策技术。</p><p>Shah举例说明了消费电子公司如何使用该系统。&nbsp;</p><p>“假设你生产耳机和各种不同的产品。你制造的每一件产品都由来自世界各地的许多小零件组成。设备售出后需要提供支持和维护。你还必须推出新产品版本、进行营销、定价……因此你通常会问：如果我在下个季度或明年销售这些产品，不同地区分别能卖出多少？如果我改变价格或推出促销活动，需求会如何变化？”</p><p>他补充说，所有这些过程都是相互依存的，在每个阶段都需要做出具有长期影响的决策。“在某种程度上，”他说，“将这些流程数字化，并能够进行预测和持续优化，最终能带来更好的业务运营。”&nbsp;</p><p>Ikigai近期被国际公司Celonis收购，Shah除了在MIT的职务外，现在也担任Celonis的首席科学家。最终，他希望他为Ikigai开发的模型能够帮助Celonis提供工具，这些工具可以与公司自身的数据和业务流程集成，从而提供有助于预测、规划和决策的现实世界分析。</p><p>Shah补充说，Celonis专门为全球超过1400家大型企业提供运营数字化和自动化服务。如今这些系统已完全数字化，它们为Ikigai的软件提供了进一步发展的平台——从这些数字化系统中读取数据，以提供详细模型，从而模拟不同选项、预测最优策略，并预测给定决策集的结果。&nbsp;</p><p>“一旦这些流程的数字化层和信息层建立起来，”Shah说，“我们就可以在此基础上叠加Ikigai技术栈，从而实现比以往更大规模的决策。”&nbsp;</p><p>虽然许多公司都在研究AI的各个方面，“但我们非常专注于世界其他领域尚未关注的领域”，即结构化或时域数据。他说，从这类数据入手，可以提供一个非常经济高效的AI版本。&nbsp;</p><p>“更聚焦的领域带来了更敏锐的技术，”他说，“但它的范围又足够广泛，因此非常有价值。”&nbsp;</p><p>Shah补充道：“现代AI流行媒体中最近的一个热门词汇是‘世界模型’。从某种意义上说，我们正在尝试构建企业流程的世界模型，可以这么说。”&nbsp;</p>