AI मॉडल और वास्तविक दुनिया को जोड़ना

मेटा विवरणः एमआईटी स्पिनआउट Ikigai Labs, में स्थापित किया गया था 2019, को उद्यम संचालन के लिए तालिका-डेटा AI पूर्वानुमान और निर्णय लेने के लिए सेलोनिस द्वारा अधिग्रहित किया गया है।

टैगः उद्यम AI, सारणीबद्ध डेटा, समय श्रृंखला पूर्वानुमान, सेलोनिस, Ikigai Labs

विशेष रुप से प्रदर्शित छवि: डिजिटल फैक्ट्री फ्लोर का अमूर्त चित्रण जिसमें स्प्रैडशीट पंक्तियों, समयरेखाओं और पूर्वानुमान वक्रों के साथ प्रवाह होता है; मैत्रीपूर्ण, आधुनिक, कोई पाठ नहीं।

सेलोनिस, एक अंतरराष्ट्रीय फर्म है कि डिजिटलीकरण और व्यापार संचालन के स्वचालन में विशेषज्ञता प्राप्त हाल ही में अधिग्रहित किया गया है Ikigai Labs, एक स्पिनआउट में स्थापित 2019 द्वारा Devavrat Shah, सूचना और Decision Systems (एलआईडीएस), विभाग Electrical Engineering और Computer Science (EECS) में संकाय सदस्य, और डेटा, सिस्टम, और सोसायटी संस्थान (IDSS) के सदस्य के लिए MITs प्रयोगशाला में एक प्रमुख अन्वेषक। इस कदम का स्थान टेबल-डेटा AI निर्णय लेने के केंद्र में Celonis' प्रयासों की मदद करने के लिए बड़े संगठन पूर्वानुमान, योजना, और अपनी खुद की प्रक्रिया डेटा पर कार्य करते हैं. एंटरप्राइज डाटा टीमों, ऑपरेशन नेताओं, और उपकरणों के विक्रेताओं के लिए AI, समाचार सिग्नल जेनेरिक पाठ आधारित मॉडलों से बिज़नेस software के भीतर पहले से बैठे संरचित, समय-आधारित रिकॉर्ड्स के आसपास निर्मित प्रणालियों की ओर बदलाव को इंगित करता है ।

क्यों व्यापार AI अक्सर बिंदु को याद नहीं करता है

Ikigai Labs पूर्वानुमान, योजना और निर्णय लेने के लिए उपकरण व्यापक रूप से फैल गए हैं, लेकिन कई संगठन-विशिष्ट विवरण को छोड़ देते हैं जो सलाह उपयोगी बनाते हैं। एक मॉडल आत्मविश्वासपूर्ण लग सकता है, फिर भी यह कंपनी के वास्तविक उत्पाद मिश्रण, आपूर्तिकर्ता नेटवर्क, सेवा दायित्वों या मूल्य निर्धारण इतिहास को नहीं जानता हो सकता है। शाह ने एक संबंधित बाधा पर काम किया हैः ऐसे तरीकों का डिजाइन कैसे करें जो सीमित कम्प्यूटेशनल संसाधनों का उपयोग करके सेकंड-बाय-सेकंड निर्णय लेने को संभाल सकें। वह समस्या को कम मात्रा में संसाधन के साथ बहुत अधिक भारी उठाने के रूप में तैयार करता है। उनकी शोध रुचि डेटा से यथासंभव प्रभावी ढंग से स्केल पर जानकारी निकालना है।

शाह एंड्रयू (1956) और Erna Viterbi Professor हैं, और तब से एमआईटी में पढ़ा रहे हैं 2005। 2019 में, उन्होंने सह-स्थापना की Ikigai Labs कंपनी ने तालिकाबद्ध और समय-श्रृंखला डेटा के लिए foundation model का निर्माण किया, जो कि शाह की प्रयोगशाला में वर्षों के शोध पर आधारित है। इस मॉडल को पेटेंट कराया गया था और MIT द्वारा कंपनी को लाइसेंस दिया गया था। यह विभिन्न स्रोतों से एंटरप्राइज डेटा से इनपुट ले सकता है, लगातार और पैमाने पर, और वास्तविक परिणामों के खिलाफ अपनी भविष्यवाणियों का परीक्षण करके सीखता है।

इकिगाई मॉडल को अलग क्या बनाता है

अधिकांश बड़े AI मॉडलों को पाठ और छवियों का उपयोग करके प्रशिक्षित किया जाता है। इकिगाई के मॉडल में इनपुट के रूप में सारणीबद्ध डेटा होता हैः स्प्रेडशीट से परिचित पंक्ति-और-स्तंभ प्रारूप में संरचित डेटा। यह टाइम-सीरीज़ डेटा भी संभालता है, जहां मान समय के साथ दर्ज किए जाते हैं, जैसे कि दैनिक बिक्री, इन्वेंट्री स्तर, शिपमेंट देरी या सेंसर रीडिंग्स। foundation model को एक व्यापक आधार माना जा सकता है जो एक संकीर्ण एप्लिकेशन के बजाय कई संबंधित कार्यों का समर्थन कर सकता है।

शाह बताते हैं कि प्रणाली ग्राफिकल मॉडल का एक विस्तार है। ग्राफिक मॉडल सांख्यिकीय संरचनाएं हैं जो चर के बीच संबंधों को दर्शाती हैं। उनका उपयोग, उदाहरण के लिए, GPS उपकरणों द्वारा पृथ्वी की सतह पर स्थिति के सटीक मॉडल में दुर्लभ उपग्रह डेटा को परिवर्तित करने के लिए किया जाता है। वे संचार प्रणालियों द्वारा भी उपयोग किए जाते हैं, जैसे कि डिजिटल घड़ी में, जो ऊर्जा-कुशल तरीके से उच्च गति पर डेटा भेजते हैं। शाह का सवाल यह था कि सामान्य सारणीबद्ध डेटा के लिए ऐसे ग्राफिक मॉडलों को कैसे डिज़ाइन किया जाए। परिणाम बहुत बड़े पैमाने पर पूर्वानुमान और वास्तविक समय योजना प्रदान करता है।

कैसे यह रोजमर्रा के संचालन को बदल सकता है

इकिगाई का विचार उपभोक्ता वस्तु निर्माताओं और दवा कंपनियों जैसे बड़े व्यवसायों के लिए पूर्वानुमान और निर्णय लेने की तकनीक प्रदान करना था। शाह एक उपभोक्ता इलेक्ट्रॉनिक्स कंपनी का उदाहरण देते हैं जो हेडफ़ोन और विभिन्न अन्य उत्पादों को बनाती है। प्रत्येक उत्पाद में दुनिया के अलग-अलग हिस्सों से प्राप्त कई छोटे टुकड़े होते हैं। एक बार जब डिवाइस बेचा जाता है, तो इसे समर्थन और रखरखाव की आवश्यकता होती है। कंपनी को नए संस्करण विकसित करने, उन्हें बाजार में लाने और उनकी कीमत निर्धारित करनी चाहिए।

प्रश्न परिचालन और समय-निर्भर हो जाते हैं: यदि मैं इन उत्पादों को अगली तिमाही या अगले साल बेचता हूं, तो विभिन्न स्थानों पर कितने बेचे जाएंगे? अगर मैं कीमत बदल देता हूं तो मांग का क्या होगा? यदि मैं एक पदोन्नति पेश करता हूं तो क्या होगा ? शाह कहते हैं कि ये सभी प्रक्रियाएं परस्पर निर्भर हैं। प्रत्येक चरण में, निर्णयों के समय के साथ निहितार्थ होते हैं। उनका विचार है कि इन प्रक्रियाओं को डिजिटाइज करना, भविष्यवाणियां बनाना और लगातार उन्हें अनुकूलित करना अंततः बेहतर व्यावसायिक संचालन की ओर जाता है।

सेलोनिस चित्र में क्या जोड़ता है

इकिगाई को हाल ही में सेलोनिस द्वारा अधिग्रहित किया गया था। शाह अब एमआईटी में अपनी भूमिकाओं के अलावा सेलोनिस में मुख्य वैज्ञानिक हैं। उन्हें उम्मीद है कि इकीगाई के लिए विकसित मॉडल सेलोनीस को ऐसे उपकरण देने में मदद करेगा जो एक कंपनी के अपने डेटा और व्यावसायिक प्रक्रियाओं के साथ एकीकृत होते हैं ताकि वास्तविक दुनिया का विश्लेषण प्रदान किया जा सके जिससे पूर्वानुमान, योजनाएं और निर्णय लेने में मदद मिल सके।

सेलोनिस ने अपने परिचालनों को डिजिटलीकृत और स्वचालित करके दुनिया भर में 1,400 से अधिक बड़ी कंपनियों का आधार बनाया है। वे सिस्टम अब पूरी तरह से डिजिटल हैं, शाह कहते हैं कि इकिगाई software के लिए अगला कदम उठाने के लिए एक मंच बना रहा है। यह डिजीटल प्रणालियों से डेटा पढ़ सकता है और विस्तृत मॉडल प्रदान कर सकता है जो विभिन्न विकल्पों के सिमुलेशन की अनुमति देता है, इष्टतम रणनीतियों की भविष्यवाणी करता है, और निर्णयों के दिए गए सेट के परिणामों का पूर्वानुमान लगाता है। उनके फ्रेमिंग में, इन प्रक्रियाओं की डिजिटल परत मौजूद होने पर और सूचना स्तर मौजूद होता है, इसे अन्यथा की तुलना में बहुत बड़े पैमाने पर निर्णय लेने में सक्षम बनाने के लिए इसके ऊपर इकीगाई स्टैक रखा जा सकता है।

यह क्यों महत्वपूर्ण है और क्या देखना चाहिए

शाह कहते हैं कि काम डोमेन के एक हिस्से पर केंद्रित है जो बाकी दुनिया का ध्यान नहीं दे रहा है। सारणीबद्ध और समय-श्रृंखला डेटा से शुरू होकर, उनका तर्क है कि यह बहुत ही लागत प्रभावी संस्करण प्रदान करता है। AI एक संकीर्ण फोकस तेज तकनीक के साथ आ सकता है, जबकि अभी भी मूल्यवान होने के लिए पर्याप्त व्यापक है।

वह इस दृष्टिकोण को "विश्व मॉडल" शब्द से भी जोड़ता है, एक वाक्यांश जो चर्चाओं में आम हो गया है। इस सेटिंग में, लक्ष्य एंटरप्राइज़ प्रोसेस वर्ल्ड मॉडल का निर्माण करना हैः कंपनी के उत्पादों, ग्राहकों, आपूर्ति श्रृंखलाओं, कीमतों, पदोन्नति और समर्थन प्रक्रियाओं के व्यवहार का एक कम्प्यूटेशनल प्रतिनिधित्व। यह प्रतिनिधित्व टीमों को वास्तविक संचालन को प्रभावित करने से पहले निर्णयों का परीक्षण कर सकता है।

पाठकों के लिए, टेकअवे यह है कि व्यवसाय की अगली उपयोगी लहर AI एक और सामान्य chatbot नहीं हो सकती। यह एक ऐसी प्रणाली हो सकती है जो किसी कंपनी की अपनी तालिकाओं और समयसीमा को पढ़ती है, परिणामों से सीखती है और संचालन नेताओं को मांग, मूल्य निर्धारण, इन्वेंट्री और रखरखाव के बारे में सवालों का जवाब देने में मदद करती है। आगे क्या देखना है कि सेलनीस अधिग्रहित तकनीक को 1,400 बड़ी कंपनियों के अपने स्थापित आधार के लिए उपकरणों में कैसे बदलता है?