イキガイラボスのDr. Devavrat Shah – インタビューシリーズ

Dr. Devavrat Shahは、イキガイラボスの共同創設者兼CEOであり、MITの教授および統計学とデータサイエンスセンターのディレクターでもある。彼は、Celectという予測分析プラットフォームを共同創設し、ナイキに売却した。Devavratは、インド工科大学とスタンフォード大学からそれぞれコンピューターサイエンスの学士号と博士号を取得している。

イキガイラボスは、企業の表形式データと時系列データを予測可能な洞察に変換するAIプラットフォームを提供している。このプラットフォームは、大規模グラフィカルモデルを使用して、ビジネスユーザーと開発者がさまざまな業界で計画と意思決定プロセスを強化できるように設計されている。

イキガイラボスの創設についてお話しください。学術界から起業家に転身した理由は何ですか?

実際、私は数年前から学術界とビジネス界を往復しています。私は、MITでの元学生であるVinayak Rameshと一緒にイキガイラボスを共同創設しました。以前、私はCelectという会社を共同創設しました。Celectは、AIベースの需要予測を使用して小売業者の在庫管理を最適化するプラットフォームでした。Celectは2019年にナイキに買収されました。

大規模グラフィカルモデル（LGM）について教えてください。LGMは、より広く知られている大規模言語モデル（LLM）とどう異なりますか?

LGMまたは大規模グラフィカルモデルは、データの確率的な視点です。これは、「Foundation model」ベースのAIであるLLMと対照的です。

Foundationモデルは、大規模なデータコーパスからすべての関連する「パターン」を「学習」できるという仮定に基づいています。したがって、新しいデータスニペットが提示されると、データコーパスからの関連する部分に基づいて外挿できます。LLMは、構造化されていないデータ（テキスト、画像）に対して非常に効果的です。

一方、LGMは、データスニペットに基づいて大規模な「ユニバース」から適切な「機能パターン」を特定します。LGMは、構造化されたデータ（表形式データ、時系列データ）に適した「機能パターン」がすべて利用可能であるように設計されています。

LGMは、非常に限られたデータを使用して、正確な予測と予測を提供できます。たとえば、LGMは、重要な動的変化するトレンドまたはビジネス結果の予測を実行するために使用できます。

LGMは、構造化された表形式データを分析するのに特に適しています。LGMは、この分野での他のAIモデルよりもどのような利点がありますか?

LGMは、構造化されたデータ（表形式データ、時系列データ）をモデル化するために特別に設計されています。したがって、LGMはより高い精度とより信頼性の高い予測を提供します。

さらに、LGMはLLMよりも少ないデータが必要であり、コンピューティングリソースとストレージの要件も低いため、コストが削減されます。これにより、企業はLGMを使用して、限られたトレーニングデータで正確な洞察を得ることができます。

LGMは、データのプライバシーとセキュリティも向上させます。LGMは、企業の独自のデータに基づいてトレーニングされ、必要に応じて外部データソース（天候データやソーシャルメディアデータなど）を補足します。機密データが公開モデルと共有されるリスクはありません。

LGMは、どのようなビジネスシナリオで最も価値がありますか? どのようなシナリオでLGMが予測、計画、意思決定を改善するために使用されているかについて、例を示してください。

LGMは、企業がビジネス結果を予測したり、トレンドを予測したりする必要があるシナリオで価値があります。つまり、幅広いユースケースにわたって役立ちます。

ハロウィーンのコスチュームやアイテムを販売するビジネスを考えてみましょう。彼らは、より良いマーチャンダイジングの決定を下すための洞察を得るために、LGMを使用できます。LGMは、次のような質問に答えることができます：

• 今シーズン、どのコスチュームを在庫に入れるべきですか? 各SKUについて、全体的にどれだけ在庫に入れるべきですか?
• 特定のロケーションで、どのSKUがどれだけ売れるでしょうか?
• どのアクセサリーがどのコスチュームと一緒に売れるでしょうか?
• 複数の店舗がある都市で、販売を相殺するのを避けるにはどうすればよいですか?
• 新しいコスチュームはどう売れるでしょうか?

データが限られている、または一貫性がない、または急速に変化しているシナリオでは、LGMはどのように役立ちますか?

LGMは、AIベースのデータ調整を使用して、限られたまたはノイズの多いデータセットからでも正確な洞察を提供します。データ調整により、データが一貫性があり、正確で、完全であることを保証します。これには、データセットを比較して検証し、不一致、エラー、または不整合を特定することが含まれます。LGMは、データの空間的および時間的な構造を組み合わせて、限られたデータや不完全なデータからでも良い予測を実行できるように設計されています。予測には、不確実性の量化と解釈も含まれます。

イキガイのAIの民主化という使命は、LGMの開発とどう一致していますか? LGMは、ビジネスにおけるAIの未来をどのように形作るでしょうか?

AIは、私たちが働く方法を変えています。企業は、すべての種類の労働者にAIを提供する準備をしなければなりません。イキガイのプラットフォームは、ビジネスユーザーにとってシンプルなローコード/ノーコード体験を提供し、データサイエンティストや開発者にとっては完全なAIビルダーとAPI体験を提供します。また、誰でもAIの基礎を学び、イキガイプラットフォームを使用するためのトレーニングと認定を受けることができるイキガイアカデミーも提供しています。

LGMは、ビジネスでAIを使用しようとする企業に大きな影響を与えるでしょう。企業は、数値予測や統計モデリングが必要なユースケース（確率予測やシナリオプランニングなど）でジェネラティブAIを使用したいと考えています。しかし、LLMはこれらのユースケース向けに設計されていません。多くの企業は、LLMが唯一のジェネラティブAIであると考えています。したがって、予測や計画のためにLLMを使用しようとしますが、期待どおりの結果を得られません。したがって、ジェネラティブAIはこれらのアプリケーションをサポートすることができないと考えて、諦めます。LGMを発見したとき、企業はジェネラティブAIを使用して予測や計画を改善し、より良いビジネス上の決定を下すことができることを理解するでしょう。

イキガイのプラットフォームは、eXpert-in-the-loop機能を通じて、LGMを人間中心のアプローチで統合しています。LGMと人間の専門家の組み合わせは、企業でのAIモデルの精度と採用をどのように向上させますか?

AIにはガードレールが必要です。企業は、テクノロジーが正確に効果的に機能することを自然に心配しています。ガードレールの1つは、人間の監視です。人間の監視により、重要なドメインの専門知識を注入し、AIモデルが関連性のある有用な予測と予測を提供していることを保証できます。企業は、AIを監視するための人間の専門家を配置できる場合、AIを信頼し、精度を確認できます。これにより、採用の大きな障害が克服されます。

イキガイのプラットフォームは、現在市場で利用可能な他のAIソリューションと比較して、どのような技術的な革新を特徴としていますか?

私たちのコアLGMテクノロジーが最大の違いです。イキガイはこの分野で先駆者であり、同等のものはありません。私の共同創設者と私は、MITでの学術研究中にLGMを発明しました。私たちは、LGMとジェネラティブAIを構造化されたデータで使用する分野の革新者です。

予測と計画に精度が求められる業界、たとえば小売、サプライチェーン管理、金融などでは、LGMはどのような影響を与えるでしょうか?

LGMは、完全に変革的なものになります。LGMは、すべての企業が短期的および長期的な意思決定のために使用する構造化されたデータ分析に特に設計されているからです。実質的にすべての企業は、需要予測やビジネスプランニングなどの決定を下すために構造化されたデータ分析に大きく依存しています。LGMは、最も近い「水晶球」に相当するものを提供します。

イキガイラボスは、LGMの機能をさらに進化させるために、次にどのようなステップを計画していますか? 特に興味がある新機能や開発はありますか?

現在のaiPlanモデルは、仮定とシナリオ分析をサポートしています。将来的には、運用チームのための完全な強化学習を可能にすることを目指しています。これにより、運用チームは短期的および長期的なAIドリブンの計画を実行できるようになります。

素晴らしいインタビューをありがとうございます。詳細については、イキガイラボスを訪れてください。