ARTEFACT مركز الأبحاث
Artefact مركز الأبحاث: سد الفجوة بين الأوساط الأكاديمية وتطبيقات الصناعة.
البحث عن نماذج أكثر قابلية للتحكم وشفافية وأخلاقية لتعزيز اعتماد الأعمال الذكاء الاصطناعي للمستقبل.
الوضع في العمل.
في السنوات الأخيرة ، ركد اعتماد الذكاء الاصطناعي في الشركات. وللتوضيح، إليكم نسبة المشاركين الذين قالوا إن مؤسساتهم تبنت الذكاء الاصطناعي في دور واحد على الأقل، بالنسب المئوية.
المصدر: ولاية ماكينزي لعام الذكاء الاصطناعي 2022
أمثلة الذكاء الاصطناعي غير جديرة بالثقة.
- تمنح AppleCard قروضا عقارية بناء على معايير عنصرية
- الذكاء الاصطناعي Lensa يضفي طابعا جنسيا على صور السيلفي للنساء
- تصنيف الصور العنصرية على فيسبوك للأمريكيين الأفارقة على أنهم قرود
- روبوت الدردشة الآلي من مايكروسوفت تويتر يصبح نازيًا ومتحيزًا جنسيًا وعدوانيًا
- ChatGPT الذي يكتب رمزًا ينص على أن العلماء الجيدين هم من الذكور البيض
التحدي الحالي.
الذكاء الاصطناعي النماذج دقيقة وسهلة النشر في العديد من حالات الاستخدام ، ولكنها تظل غير قابلة للسيطرة بسبب الصناديق السوداء والقضايا الأخلاقية.
ال Artefact رسالة مركز الأبحاث.
نظام بيئي كامل يسد الفجوة بين البحوث الأساسية والتطبيقات الصناعية الملموسة.
إيمانويل مالهيربي
رئيس قسم الأبحاث
مجال البحث: التعلم العميق ، التعلم الآلي
بدءا من درجة الدكتوراه في نماذج البرمجة اللغوية العصبية التي تم تكييفها مع التوظيف الإلكتروني ، سعى إيمانويل دائما إلى تحقيق توازن فعال بين البحث الخالص والتطبيقات المؤثرة. تشمل خبرته البحثية التنبؤ بالسلاسل الزمنية 5G لشركة Huawei Technologies ونماذج رؤية الكمبيوتر لعملاء تصفيف الشعر والمكياج في L'Oréal. قبل الانضمام Artefact، عمل في شنغهاي كرئيس للأبحاث الذكاء الاصطناعي في لوريال آسيا. اليوم ، منصبه في Artefact فرصة مثالية وبيئة مثالية لسد الفجوة بين الأوساط الأكاديمية والصناعة ، وتعزيز أبحاثه في العالم الحقيقي مع التأثير على التطبيقات الصناعية.
نظام بيئي كامل يسد الفجوة بين البحوث الأساسية والتطبيقات الملموسة للصناعة.
مجالات البحث المستعرضة.
من خلال موقعنا الفريد، نهدف إلى معالجة التحديات العامة للذكاء الاصطناعي، سواء في النمذجة الإحصائية أو البحوث الإدارية. هذه الأسئلة مستعرضة لجميع مواضيعنا وتغذي أبحاثنا.
المواضيع.
نحن نعمل على العديد من موضوعات الدكتوراه عند تقاطع حالات الاستخدام الصناعي والقيود الحديثة. لكل موضوع ، نعمل بالتعاون مع أساتذة الجامعات ولدينا إمكانية الوصول إلى البيانات الصناعية التي تسمح لنا بمعالجة مجالات البحث الرئيسية في سيناريو معين في العالم الحقيقي.
1 - التنبؤ والتسعير.
نموذج السلاسل الزمنية ككل مع نموذج تنبؤ متعدد المتغيرات يمكن التحكم فيه. ستسمح لنا هذه النمذجة بمعالجة تخطيط التسعير والترويج من خلال إيجاد المعلمات المثلى التي تزيد من توقعات المبيعات. من خلال هذا النهج الشامل ، نهدف إلى التقاط أكل لحوم البشر والتكامل بين المنتجات. سيمكننا من التحكم في التوقعات مع ضمانات بأن التنبؤات تظل متسقة.
2 - تسجيل يمكن تفسيره والتحكم فيه.
تعتمد عائلة نماذج التعلم الآلي المستخدمة على نطاق واسع على أشجار القرار: الغابات العشوائية ، التعزيز. في حين أن دقتها غالبا ما تكون على أحدث طراز ، إلا أن هذه النماذج تعاني من شعور الصندوق الأسود ، مما يمنح المستخدم تحكما محدودا. نهدف إلى زيادة قابليتها للتفسير والشفافية ، عادة عن طريق تحسين تقدير قيم SHAP في حالة مجموعات البيانات غير المتوازنة. نهدف أيضا إلى توفير بعض الضمانات لمثل هذه النماذج ، على سبيل المثال ، للعينات خارج التدريب أو من خلال تمكين قيود رتيبة أفضل.
3 - تحسين التشكيلة.
التشكيلة هي مشكلة تجارية رئيسية لتجار التجزئة تنشأ عند اختيار مجموعة المنتجات التي سيتم بيعها في المتاجر. باستخدام مجموعات البيانات الصناعية الكبيرة والشبكات العصبية ، نهدف إلى بناء نماذج أكثر قوة وقابلة للتفسير تلتقط بشكل أفضل اختيار العملاء عند مواجهة مجموعة متنوعة من المنتجات. يعد التعامل مع تفكيك المنتجات والتكامل بين المنتجات ، بالإضافة إلى فهم أفضل لمجموعات العملاء ، أمرا أساسيا لإيجاد مجموعة أكثر مثالية من المنتجات في المتجر.
4 — الذكاء الاصطناعي التبني في الأعمال التجارية.
يتمثل التحدي المتمثل في تحسين اعتماد الذكاء الاصطناعي في الشركات في تحسين النماذج الذكاء الاصطناعي من ناحية ، وفهم الجوانب البشرية والتنظيمية من ناحية أخرى. على مفترق طرق أبحاث الإدارة النوعية والبحوث الاجتماعية ، يسعى هذا المحور إلى استكشاف أين تواجه الشركات صعوبات عند اعتماد أدوات الذكاء الاصطناعي. الأطر الحالية لاعتماد الابتكار ليست مناسبة تماما لابتكارات التعلم الآلي ، حيث توجد اختلافات نموذجية مع التنظيم أو تدريب الأشخاص أو التحيزات عندما يتعلق الأمر الذكاء الاصطناعي ، وأكثر من ذلك مع الذكاء الاصطناعي التوليدية.
5 - الاستدامة القائمة على البيانات.
سيقوم المشروع بتعبئة أساليب البحث النوعي والكمي ومعالجة سؤالين رئيسيين: كيف يمكن للشركات قياس أداء الاستدامة الاجتماعية والبيئية بشكل فعال؟ لماذا غالبا ما تفشل تدابير الاستدامة في إحداث تغييرات كبيرة في الممارسات التنظيمية؟
فمن ناحية، يهدف المشروع إلى استكشاف المقاييس القائمة على البيانات وتحديد المؤشرات لمواءمة الإجراءات التنظيمية مع أهداف الاستدامة الاجتماعية والبيئية. من ناحية أخرى ، سيركز المشروع على تحويل تدابير الاستدامة هذه إلى إجراءات ملموسة داخل الشركات.
6 - التحيز في رؤية الكمبيوتر.
عندما يقوم نموذج بالتنبؤ بناء على صورة ، على سبيل المثال تظهر وجها ، فإنه يتمتع بإمكانية الوصول إلى معلومات حساسة ، مثل العرق أو الجنس أو العمر ، والتي يمكن أن تتحيز في منطقه. نهدف إلى تطوير إطار لقياس هذا التحيز رياضيا ، واقتراح منهجيات للحد من هذا التحيز أثناء تدريب النموذج. علاوة على ذلك ، فإن نهجنا سيكتشف إحصائيا مناطق التحيز القوي لشرح وفهم ومراقبة الأماكن التي تعزز فيها هذه النماذج التحيز الموجود في البيانات.
7 - ماجستير في استرجاع المعلومات.
ويتمثل أحد التطبيقات الرئيسية لـ LLMs في حالة اقترانها بمجموعة من الوثائق التي تمثل بعض المعارف أو المعلومات الصناعية. في مثل هذه الحالة، هناك خطوة استرجاع المعلومات، والتي تُظهر LLMs بعض القيود بالنسبة لها، مثل حجم النص المدخل، والذي يكون صغيرًا جدًا لفهرسة المستندات. وبالمثل، يمكن أن يحدث تأثير الهلوسة أيضًا في الإجابة النهائية، والتي نهدف إلى اكتشافها باستخدام المستند المسترجع ونموذج عدم اليقين في وقت الاستدلال.
Artefactالباحثين بدوام جزئي.
إلى جانب فريقنا المخصص للأبحاث، لدينا العديد من المتعاونين الذين يقضون بعضاً من وقتهم في إجراء الأبحاث العلمية ونشر الأوراق البحثية. ومن خلال عملهم أيضاً كمستشارين، يستلهمون من المشاكل الواقعية التي يواجهها عملاؤنا.