幫助AI模型適應現實世界

近年來，利用人工智慧增強企業預測、規劃和決策的系統日益增多，但許多系統缺乏關於組織本身的詳細、具體資訊，限制了這些工具的實用性。麻省理工學院資訊與決策系統實驗室（LIDS）的首席研究員、電氣工程與電腦科學系（EECS）教授、資料、系統與社會研究所（IDSS）成員Devavrat Shah，一直專注於設計能夠利用有限計算資源進行秒級決策的方法。

“從某種意義上說，你需要用少量資源完成大量繁重工作，”他說。“作為研究人員，我的興趣在於開發能夠以儘可能有效的方式從海量資料中提取資訊的方法。”Shah自2005年起在MIT任教，並於2019年共同創立了衍生公司Ikigai Labs。Ikigai基於Shah實驗室多年的研究，構建了一個針對表格時間序列資料的基礎模型，該模型已獲得MIT專利並授權給公司。該模型可以連續、大規模地從不同來源的企業資料中學習，透過將預測與實際結果進行對比來不斷改進。

Shah解釋說，該系統是圖形模型的一種擴充套件，類似於GPS裝置利用衛星接收到的稀疏資料構建地球表面精確位置模型，或數字手錶中的通訊系統以高能效方式高速通訊。他表示：“我的興趣在於如何為通用的表格資料設計這樣的圖形模型。”大多數AI模型透過文本和影像進行訓練，而該系統將表格資料作為輸入——即人們熟悉的電子表格行和列格式的結構化資料，然後提供大規模即時規劃能力。

Ikigai的目標是為大型企業（如消費品製造商和製藥公司）提供預測和決策技術。Shah以消費電子公司為例說明該系統如何運作。“假設你生產耳機和其他各種產品，每個產品有許多來自世界各地的微小零件。裝置售出後需要支援和維護，你還要推出新版本、進行市場推廣和定價……通常你會問：如果下個季度或明年銷售這些產品，不同地方會賣出多少？如果改變價格或引入促銷，需求會如何變化？”他補充道，所有這些過程相互依賴，每個階段都需要做出隨時間推移產生影響的決策。“在某種程度上，數字化這些過程，並能夠進行預測和持續最佳化，最終實現更好的業務運營。”

Ikigai最近被國際公司Celonis收購，Shah除了在MIT的職務外，還擔任Celonis的首席科學家。他最終希望為Ikigai開發的模型能幫助Celonis提供與企業自身資料和業務流程整合的工具，從而實現能夠幫助預測、規劃和決策的現實世界分析。Shah指出，Celonis已為全球1400多家大型企業實現了運營數字化和自動化。現在，這些系統完全數字化，為Ikigai的軟體提供了下一步的平臺：從這些數字化系統中讀取資料，構建詳細模型，以模擬不同選項、預測最優策略並預測給定決策集的結果。“一旦這些流程的數字層和資訊層存在，”Shah說，“我們就可以在上面搭建Ikigai棧，從而實現比以往更大規模的決策。”

雖然許多公司在研究AI的各個方面，但Shah表示，“我們非常專注於世界其他領域未關注的部分”，即結構化或時間域資料。從這類資料出發，可以提供非常經濟高效的AI版本。“更窄的焦點帶來更銳利的技術，”他說，“但它足夠廣泛，非常有價值。”Shah補充道：“現代AI大眾媒體中最近流行的熱詞是‘世界模型’。從某種意義上說，我們正在試圖構建企業流程的世界模型。”