Ikigai Labs联合创始人兼CEO德瓦拉特·沙阿博士 – 采访系列

德瓦拉特·沙阿博士是Ikigai Labs的联合创始人兼CEO，他也是麻省理工学院统计和数据科学中心的教授和主任。他联合创立了Celect，一家为零售商提供预测分析平台，该公司后被耐克收购。德瓦拉特在印度理工学院和斯坦福大学分别获得了计算机科学学士和博士学位。

Ikigai Labs 提供了一种人工智能驱动的平台，旨在将企业的表格和时间序列数据转化为预测和可执行的洞察。利用专利的大图模型，该平台使各个行业的商业用户和开发人员能够增强他们的规划和决策过程。

您能否分享Ikigai Labs成立的故事？是什么激发您从学术界转向创业?

我实际上已经在学术界和商业界之间跳跃了几年。 我与我的前学生Vinayak Ramesh共同创立了Ikigai Labs。之前，我联合创立了一家名为Celect的公司，该公司帮助零售商通过基于人工智能的需求预测优化库存决策。Celect于2019年被耐克收购。

什么是大图模型（LGMs），它们与更广泛知名的大语言模型（LLMs）有什么区别?

大图模型（LGMs）是一种数据的概率视图。它们与“基础模型”-based人工智能（如LLM）形成鲜明对比。

基础模型假设它们可以从大量数据中“学习”所有相关的“模式”。因此，当呈现新的数据片段时，可以根据相关的数据部分进行外推。LLM已被证明在处理非结构化数据（文本、图像）时非常有效。

大图模型（LGMs）则识别出给定数据片段的适当的“功能模式”来自一个大型的模式“宇宙”。大图模型的设计使其具有所有与结构化数据（表格、时间序列数据）相关的“功能模式”。大图模型可以使用非常有限的数据进行精确的预测和预报。例如，它们可用于对关键的、动态变化的趋势或商业结果进行高精度的预测。

您能否解释大图模型（LGMs）如何特别适合分析结构化的表格数据，以及它们在此领域与其他人工智能模型相比具有什么优势?

大图模型（LGMs）专门为结构化数据（即表格、时间序列数据）建模而设计。因此，它们提供更好的准确性和更可靠的预测。

此外，大图模型（LGMs）比大语言模型（LLMs）需要更少的数据，因此具有更低的计算和存储要求，从而降低了成本。这也意味着组织即使只有有限的训练数据，也可以从大图模型（LGMs）中获得准确的洞察。

大图模型（LGMs）还支持更好的数据隐私和安全性。它们仅在企业自己的数据上进行训练，并在需要时可以从外部数据源（如天气数据和社交媒体数据）中获取补充数据。没有将敏感数据与公共模型共享的风险。

大图模型（LGMs）在什么类型的商业场景中提供最大的价值？您能否提供一些大图模型（LGMs）如何被用于改善预测、规划或决策的例子?

大图模型（LGMs）在任何需要预测业务结果或预测趋势以指导战略的场景中都提供价值。换句话说，它们可以应用于广泛的用例。

想象一家销售万圣节服装和物品的公司，正在寻找洞察力来做出更好的商品决策。由于季节性，这家公司在过度库存和库存不足之间走着一条细线：一方面，公司需要避免过度库存和季末剩余未售出的商品（这意味着未售出的商品和浪费的资本支出）。另一方面，公司也不想过早地售完库存（这意味着错过了销售机会）。

使用大图模型（LGMs），该公司可以找到完美的平衡，并指导其零售商品决策。大图模型（LGMs）可以回答以下问题：

• 本季节我应该库存哪些服装？每个SKU应该库存多少件?
• 某个SKU在特定地点会卖得怎么样?
• 某个配饰会与某个服装一起卖得怎么样?
• 如何避免在有多家门店的城市中相互抢夺销售?
• 新服装会卖得怎么样?

大图模型（LGMs）如何在数据稀疏、不一致或快速变化的场景中提供帮助?

大图模型（LGMs）利用人工智能驱动的数据协调来提供精确的洞察，即使在分析小型或嘈杂的数据集时也是如此。数据协调确保数据的一致性、准确性和完整性。它涉及比较和验证数据集以识别差异、错误或不一致性。通过结合数据的空间和时间结构，大图模型（LGMs）可以使用最少和有缺陷的数据进行良好的预测，并提供不确定性量化和解释。

Ikigai Labs致力于使人工智能民主化的使命如何与大图模型（LGMs）的开发相一致？您如何看待大图模型（LGMs）在商业中的未来?

人工智能正在改变我们工作的方式，企业必须准备好使所有类型的工人人工智能化。Ikigai平台为商业用户提供了一个简单的低代码/无代码体验，以及为数据科学家和开发人员提供了一个完整的人工智能构建器和API体验。另外，我们在Ikigai学院提供免费的教育，以便任何人都可以学习人工智能的基础知识以及Ikigai平台的培训和认证。

大图模型（LGMs）将对希望使用人工智能进行数值预测和统计建模的企业（如概率预测和场景规划）产生巨大的影响。但是，很多组织认为大语言模型（LLMs）是唯一的一种生成式人工智能。因此，他们尝试使用大语言模型（LLMs）进行预测和规划，但效果不佳。他们放弃了，认为生成式人工智能不适合这些应用。当他们发现大图模型（LGMs）时，他们将意识到自己确实可以利用生成式人工智能来实现更好的预测和规划，并帮助他们做出更好的商业决策。

Ikigai的平台通过您的专家在循环中功能将大图模型（LGMs）与人性化方法相结合。您能否解释这种组合如何增强企业中人工智能模型的准确性和采用率?

人工智能需要防护措施，因为组织自然会担心该技术是否会准确有效地执行。其中一个防护措施是人工监督，可以帮助注入关键的领域专业知识，并确保人工智能模型提供相关且有用的预测和预报。当组织可以让人工专家监控人工智能时，他们更有可能信任它并验证其准确性。这克服了采用人工智能的一个重大障碍。

Ikigai平台的关键技术创新是什么，使其与当前市场上的其他人工智能解决方案区别开来?

我们的核心大图模型技术是最大的区别。Ikigai是这一领域的先驱者，没有同行。我的联合创始人和我在麻省理工学院的学术工作中发明了大图模型。我们是大图模型和在结构化数据上使用生成式人工智能的创新者。

您如何看待大图模型（LGMs）对依赖准确预测和规划的行业（如零售、供应链管理和金融）产生的影响?

大图模型（LGMs）将会带来彻底的变革，因为它们专门为处理表格和时间序列数据而设计，这是每家公司的生命线。几乎每个行业的组织都严重依赖结构化数据分析来进行需求预测和商业规划，以便做出短期和长期的明智决策。大图模型（LGMs）为做出最佳决策提供了最接近于水晶球的东西。

展望未来，Ikigai Labs在推进大图模型（LGMs）能力方面的下一步是什么？是否有任何新功能或开发计划让您特别兴奋?

我们的现有aiPlan模型支持假设和场景分析。展望未来，我们旨在进一步开发它并为运营团队实现全功能的强化学习。这将使运营团队能够在短期和长期内进行人工智能驱动的规划。

感谢这次精彩的采访，希望了解更多的读者可以访问Ikigai Labs。