帮助AI模型适应现实世界

近年来，利用人工智能增强企业预测、规划和决策的系统日益增多，但许多系统缺乏关于组织本身的详细、具体信息，限制了这些工具的实用性。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）教授、数据、系统与社会研究所（IDSS）成员Devavrat Shah，一直专注于设计能够利用有限计算资源进行秒级决策的方法。

“从某种意义上说，你需要用少量资源完成大量繁重工作，”他说。“作为研究人员，我的兴趣在于开发能够以尽可能有效的方式从海量数据中提取信息的方法。”Shah自2005年起在MIT任教，并于2019年共同创立了衍生公司Ikigai Labs。Ikigai基于Shah实验室多年的研究，构建了一个针对表格时间序列数据的基础模型，该模型已获得MIT专利并授权给公司。该模型可以连续、大规模地从不同来源的企业数据中学习，通过将预测与实际结果进行对比来不断改进。

Shah解释说，该系统是图形模型的一种扩展，类似于GPS设备利用卫星接收到的稀疏数据构建地球表面精确位置模型，或数字手表中的通信系统以高能效方式高速通信。他表示：“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。”大多数AI模型通过文本和图像进行训练，而该系统将表格数据作为输入——即人们熟悉的电子表格行和列格式的结构化数据，然后提供大规模实时规划能力。

Ikigai的目标是为大型企业（如消费品制造商和制药公司）提供预测和决策技术。Shah以消费电子公司为例说明该系统如何运作。“假设你生产耳机和其他各种产品，每个产品有许多来自世界各地的微小零件。设备售出后需要支持和维护，你还要推出新版本、进行市场推广和定价……通常你会问：如果下个季度或明年销售这些产品，不同地方会卖出多少？如果改变价格或引入促销，需求会如何变化？”他补充道，所有这些过程相互依赖，每个阶段都需要做出随时间推移产生影响的决策。“在某种程度上，数字化这些过程，并能够进行预测和持续优化，最终实现更好的业务运营。”

Ikigai最近被国际公司Celonis收购，Shah除了在MIT的职务外，还担任Celonis的首席科学家。他最终希望为Ikigai开发的模型能帮助Celonis提供与企业自身数据和业务流程集成的工具，从而实现能够帮助预测、规划和决策的现实世界分析。Shah指出，Celonis已为全球1400多家大型企业实现了运营数字化和自动化。现在，这些系统完全数字化，为Ikigai的软件提供了下一步的平台：从这些数字化系统中读取数据，构建详细模型，以模拟不同选项、预测最优策略并预测给定决策集的结果。“一旦这些流程的数字层和信息层存在，”Shah说，“我们就可以在上面搭建Ikigai栈，从而实现比以往更大规模的决策。”

虽然许多公司在研究AI的各个方面，但Shah表示，“我们非常专注于世界其他领域未关注的部分”，即结构化或时间域数据。从这类数据出发，可以提供非常经济高效的AI版本。“更窄的焦点带来更锐利的技术，”他说，“但它足够广泛，非常有价值。”Shah补充道：“现代AI大众媒体中最近流行的热词是‘世界模型’。从某种意义上说，我们正在试图构建企业流程的世界模型。”