Sztuczna inteligencja, powszechnie znana jako AI, sta\u0142a si\u0119 istotnym czynnikiem kszta\u0142tuj\u0105cym spos\u00f3b, w jaki przedsi\u0119biorstwa opracowuj\u0105 strategie, sporz\u0105dzaj\u0105 prognozy, planuj\u0105 i ostatecznie podejmuj\u0105 decyzje. Jednak, podobnie jak ka\u017cda nowa technologia, wi\u0105\u017ce si\u0119 ona z pewnymi wyzwaniami. G\u0142\u00f3wn\u0105 przeszkod\u0105 uniemo\u017cliwiaj\u0105c\u0105 osi\u0105gni\u0119cie pe\u0142nej wydajno\u015bci tych system\u00f3w AI jest ich niezdolno\u015b\u0107 do uzyskiwania dost\u0119pu do danych specyficznych dla danej organizacji i wykorzystywania ich. To z kolei cz\u0119sto os\u0142abia ich wydajno\u015b\u0107 i skuteczno\u015b\u0107.<\/p>\n
Devavrat Shah, wybitny naukowiec z Laboratorium System\u00f3w Informacyjnych i Decyzyjnych (LIDS) przy MIT oraz wyk\u0142adowca na wydziale Elektrotechniki i Informatyki (EECS), wykazuje niezmienne zaanga\u017cowanie w rozwi\u0105zanie tej kwestii. Skupia si\u0119 przede wszystkim na opracowywaniu technik umo\u017cliwiaj\u0105cych podejmowanie decyzji z dok\u0142adno\u015bci\u0105 co do sekundy, nawet przy ograniczonych zasobach obliczeniowych. Jego podej\u015bcie podkre\u015bla kluczow\u0105 kwesti\u0119 \u2013 pot\u0119g\u0119 ekstrakcji danych zbiorczych, nawet przy minimalnych dost\u0119pnych zasobach.<\/p>\n
W 2019 roku podej\u015bcie to sk\u0142oni\u0142o Shaha do wsp\u00f3\u0142za\u0142o\u017cenia Ikigai Labs \u2013 innowacyjnego start-upu, kt\u00f3ry wdro\u017cy\u0142 model podstawowy przeznaczony do danych tabelarycznych i szereg\u00f3w czasowych. Model ten, oparty na skrupulatnych badaniach przeprowadzonych w laboratorium Shaha, zosta\u0142 opatentowany, a sam MIT udzieli\u0142 firmie Ikigai licencji na jego wykorzystanie. Co istotne, model ten mo\u017ce nieustannie udoskonala\u0107 swoje uczenie si\u0119 poprzez weryfikacj\u0119 swoich prognoz w oparciu o rzeczywiste wyniki, czerpi\u0105c informacje z szerokiego spektrum danych przedsi\u0119biorstw.<\/p>\n
Jedn\u0105 z istotnych cech, na kt\u00f3r\u0105 warto zwr\u00f3ci\u0107 uwag\u0119, jest wykorzystanie w technice Shaha modeli graficznych, podobnych do tych stosowanych w urz\u0105dzeniach GPS i zegarkach cyfrowych. W odr\u00f3\u017cnieniu od tradycyjnych modeli sztucznej inteligencji, kt\u00f3re k\u0142ad\u0105 nacisk na tekst i obrazy, system Shaha interpretuje dane ustrukturyzowane lub tabelaryczne, umo\u017cliwiaj\u0105c w ten spos\u00f3b planowanie w czasie rzeczywistym na znacznie szersz\u0105 skal\u0119.<\/p>\n
Technologia Ikigai nie ogranicza si\u0119 do laboratori\u00f3w MIT; obecnie toruje drog\u0119 do prognozowania biznesowego i podejmowania decyzji w du\u017cych korporacjach, w tym w\u015br\u00f3d producent\u00f3w d\u00f3br konsumpcyjnych i firm farmaceutycznych. Aby zilustrowa\u0107, jak to dzia\u0142a, wyobra\u017amy sobie firm\u0119 z bran\u017cy elektroniki u\u017cytkowej, kt\u00f3ra dzi\u0119ki temu innowacyjnemu systemowi sztucznej inteligencji skutecznie opracowuje strategie, uwzgl\u0119dniaj\u0105c takie czynniki, jak popyt na produkty, ceny i dzia\u0142ania marketingowe.<\/p>\n
Prze\u0142om nast\u0105pi\u0142, gdy firma Ikigai zosta\u0142a przej\u0119ta przez Celonis \u2013 globalne przedsi\u0119biorstwo specjalizuj\u0105ce si\u0119 w cyfryzacji i automatyzacji proces\u00f3w operacyjnych dla ponad 1 400 du\u017cych firm. W\u0142a\u015bnie tutaj ujawnia si\u0119 wizja Shaha; planuje on zintegrowa\u0107 model Ikigai z cyfrowymi systemami firmy Celonis, co pozwoli uzyska\u0107 analizy oparte na rzeczywistych danych, kt\u00f3re znacznie usprawni\u0105 prognozy biznesowe, plany i decyzje.<\/p>\n
Podczas gdy rynek t\u0119tni \u017cyciem dzi\u0119ki licznym rozwi\u0105zaniom opartym na sztucznej inteligencji, Shah skupia si\u0119 raczej na danych ustrukturyzowanych lub opartych na czasie, oferuj\u0105c w ten spos\u00f3b bardziej op\u0142acalne rozwi\u0105zanie w zakresie sztucznej inteligencji. Jest przekonany, \u017ce zaw\u0119\u017cenie zakresu zainteresowa\u0144 pozwala uzyska\u0107 bardziej dopracowan\u0105 technologi\u0119 \u2013 co stanowi prawdziw\u0105 korzy\u015b\u0107 dla firm pragn\u0105cych, by ich dzia\u0142alno\u015b\u0107 by\u0142a efektywna pod wzgl\u0119dem czasu i koszt\u00f3w.<\/p>\n
Og\u00f3lnie rzecz bior\u0105c, je\u015bli chcesz zag\u0142\u0119bi\u0107 si\u0119 w ten obiecuj\u0105cy \u015bwiat automatyzacji opartej na sztucznej inteligencji i zrewolucjonizowa\u0107 dzia\u0142alno\u015b\u0107 swojej firmy, rozwa\u017c skorzystanie z rozwi\u0105za\u0144 takich jak implementi.ai. Poszerz swoj\u0105 wiedz\u0119 na temat tego, jak sztuczna inteligencja zmienia krajobraz biznesowy na ca\u0142ym \u015bwiecie. Aby dog\u0142\u0119bnie zapozna\u0107 si\u0119 z prac\u0105 Shaha i tym, jak zmienia ona rol\u0119 sztucznej inteligencji w podejmowaniu decyzji biznesowych, przeczytaj oryginalny artyku\u0142 prasowy tutaj<\/a>.<\/p>","protected":false},"excerpt":{"rendered":" A New Dawn: How AI is Shaping Business Decision-Making Artificial Intelligence, popularly known as AI, has emerged as a significant force in shaping how businesses strategize, forecast, plan, and ultimately make decisions. Yet, like any burgeoning technology, it comes with its share of challenges. A major roadblock impeding the absolute efficiency of these AI systems is their inability to access and draw on organization-specific data. This, in turn, often undermines their performance and effectiveness. Enter Devavrat Shah and His Pioneering AI Innovations A standout researcher at MIT’s Laboratory for Information and Decision Systems (LIDS) and a faculty member of the […]<\/p>\n","protected":false},"author":4,"featured_media":9199,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-9198","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9198","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=9198"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/9198\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/9199"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=9198"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=9198"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=9198"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}