详细内容或原文请订阅后点击阅览
帮助AI模型满足现实世界
通过研究和创业，Devavrat Shah 教授正在帮助设计能够使用有限的计算资源处理持续决策的方法。
来源:MIT新闻 - 人工智能近年来，使用人工智能来增强企业预测、规划和决策的系统不断涌现，但在许多情况下，它们缺乏有关组织本身的详细、具体信息，从而限制了这些工具的实用性。
Devavrat Shah 是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 (EECS) 系的教员以及数据、系统和社会研究所 (IDSS) 的成员，他一直致力于研究如何设计能够使用有限的计算资源处理逐秒决策的方法。
“从某种意义上说，用少量的资源，你就必须做很多繁重的工作，”他说。作为一名研究人员，“我的兴趣在于开发能够以尽可能有效的方式从大规模数据中提取信息的方法。”
Andrew (1956) 和 Erna Viterbi 教授自 2005 年以来一直在麻省理工学院任教。
2019 年，他还与他人共同创立了一家名为 Ikigai Labs 的衍生公司。 Ikigai 根据 Shah 实验室多年的研究建立了表格时间序列数据的基础模型，该模型已获得麻省理工学院的专利并授权给该公司。该模型可以连续、大规模地从不同来源的企业数据中获取输入，以便通过根据实际结果测试其预测来不断学习。
Shah 解释说，该系统是图形模型的扩展，例如 GPS 设备使用的图形模型将从卫星接收的稀疏数据转换为地球表面位置的精确模型，或者数字手表中的通信系统以节能的方式进行高速通信。
“我的兴趣是：如何为通用表格数据设计这样的图形模型？”他说。
Shah 给出了消费电子公司如何使用该系统的示例。