Может ли искусственный интеллект предсказывать будущее бизнес-процессов?
SNAP, новая программа, использует обширные языковые модели для прогнозирования наиболее вероятного развития процесса, такого как заявка на кредит или ситуация в области управления персоналом.
Согласно IBM, генеративный ИИ может помочь оптимизировать бизнес-процессы, автоматизируя их.
🖥️🔮 В мире, где технологии занимают важное место, гонка за автоматизацией человеческих задач и повышением эффективности в разгаре! Компьютерный гигант IBM исследует потенциал генеративного искусственного интеллекта (ИИ), в частности больших языковых моделей (LLM), в качестве шага к автоматизации. Их предлагаемая программная платформа, уместно названная SNAP (Semantic Stories for Next Activity Prediction), обучает LLM предсказывать следующее действие в бизнес-процессе на основе предыдущих событий.
Сила языковых моделей в предсказании бизнес-процессов
📚 LLM способны анализировать последовательности событий, даже без использования традиционных временных рядов. Исследовательский документ IBM, опубликованный на сервере предварительной печати arXiv, демонстрирует, что SNAP значительно улучшает предсказательную способность для различных наборов данных управления бизнес-процессами (BPM). Инновационный аспект SNAP заключается в его способности генерировать семантические истории, используя богатство и связность языковых моделей, таких как GPT-3. Эти модели преодолевают ограничения более старых программ искусственного интеллекта, захватывая более детальную информацию и преобразуя ее в рассказы на естественном языке.
💻 Например, возьмем заявку на кредит. LLM может анализировать различные атрибуты кредита, такие как сумма кредита и дата начала заявки, и составить рассказ: “Запрошенная сумма кредита составляет 20 000 долларов, и она была запрошена клиентом. Действие ‘Регистрация заявки’ произошло на шаге 6, что произошло через 12 дней после начала процесса…”.
✨ Структура SNAP состоит из трех шагов. Сначала создается шаблон истории на основе заданных атрибутов. Затем LLM заполняет шаблон, создавая полноценный рассказ. В конце используются несколько историй для обучения LLM предсказывать следующее событие в бизнес-процессе.
Новые достижения: результативность SNAP
🔍 Чтобы оценить эффективность SNAP, Алон Овед и команда исследователей IBM протестировали ее на четырех общедоступных наборах данных, включая реальные случаи с авариями в IT Volvo и вымышленные случаи в области управления человеческими ресурсами. Они использовали три основные языковые модели: GPT-3 от OpenAI, BERT от Google и DeBERTa от Microsoft. Удивительно, результаты показали, что даже более маленькие модели, такие как BERT, превосходят GPT-3, доказывая, что размер не является главным в мире ИИ.
- «ИИ инвестиции взгляды известных инвесторов»
- «Искусственный интеллект и звонки от роботов действия ФАС и риски, ...
- Представляем Бард Искусственный интеллект от Google, который теперь...
💡 Исследователи также обнаружили, что структура согласованных и грамматически правильных семантических историй значительно влияет на результативность SNAP. Истории, создаваемые полными предложениями, были более точными по сравнению с теми, где атрибуты объединялись в одну длинную строку текста. Это подтверждает неотъемлемую роль дизайна рассказов в алгоритме SNAP.
⭐ И еще более понравится то, что подход SNAP показывает особую эффективность при работе с обширными категориальными пространствами признаков, такими как высказывания пользователей и другие свободные текстовые атрибуты. Генеративный ИИ имеет силу извлекать ценные знания из неструктурированных данных в бизнес-процессах, устраняя разрыв между традиционными методами ИИ и данными, которые он не может захватить.
🌐 Итак, какие планы у SNAP и генеративного ИИ на будущее? Поскольку наборы данных становятся более разнообразными благодаря новым технологиям, таким как роботизированный процесс автоматизации, авторы предполагают, что станут доступны более связанные семантические сведения, что еще больше повысит точность предсказаний.
🌟 Открывая будущее с предсказательным ИИ
☑️ SNAP от IBM демонстрирует огромный потенциал генеративного ИИ в предсказании будущего бизнес-процессов. Используя силу языковых моделей и семантических рассказов, предприятия могут получать ценные знания и оптимизировать свою деятельность. Возможность предсказывать и рекомендовать следующие шаги открывает мир возможностей в автоматизации и повышении эффективности.
📚 Подробнее об этом:
- Walmart представляет генеративный ИИ: поиск и функции пополнения AI на CES
- Может ли ChatGPT предсказывать будущее? Обучение ИИ распознавать то, что произойдет дальше
- ИИ превосходит нашу лучшую технологию прогнозирования погоды благодаря DeepMind
- Почему Nvidia обучает роботов вертеть ручками и как помогает генеративный ИИ
- Microsoft Copilot позволяет создавать песни ИИ на основе текстовых подсказок (да, есть одно условие)
- Пять способов ответственного использования ИИ
🌟 Поделитесь своими мыслями о SNAP и генеративном искусственном интеллекте! Вы считаете, что ИИ может предсказывать будущее бизнес-процессов? Оставьте комментарий ниже и давайте начнем разговор! 💬💭
💻🔮✨
