你被堵在路上了。最有可能的是,一个人工智能(AI)系统正在帮助人类操作员管理红绿灯速度,并试图解决混乱。但人工智能可能无法识别或识别关键数据点,如不规则的环境或人为影响的条件。引入一套新的工具来改进人工智能:数据赋能理论和应用(DELTA)。
DELTA是一个健壮的数学模型框架,可以帮助确定完成目标或任务所需的正确数据。该框架由中国清华深圳国际研究生院和加拿大多伦多城市大学的工程学教授张小平(Steven)设计。
张的特殊背景为他提供了独特的视角。他在北京清华大学获得电子工程博士学位,然后在美国芝加哥大学布斯商学院获得工商管理硕士学位。他曾在硅谷担任算法工程师,在华尔街担任对冲基金投资策略研究员。
他表示:“我在商业和工业领域的经验意味着,我经常观察到,结果是概率性的、模棱两可的,信息不完整、数据缺失、隐藏变量和关系。”
“这使我能够跳出人工智能的思维框框,挑战因果关系、静止关系和确定性关系的基本假设。”
因此,DELTA将分析和综合数据的信号处理模型与经济模型(如效用理论、时间序列演化分析、因果分析和博弈论)结合起来,以解释不规则的人类和环境变量。
张说,DELTA框架可以应用于许多不同的挑战。
“DELTA的想法是,我们想要找到能够支持整个信息处理链的数据。这包括承认问题,明确需要什么数据,设计传感器主动收集这些数据,然后检查处理数据需要什么。”
他认为,DELTA可以改善几乎所有依赖人工智能的领域或系统的结果,包括物联网和工业物联网,以及与智慧城市、智能制造和金融机构等相关的技术。
DELTA还考虑了与自身流程相关的变量,如计算能力和能源成本。“这只是一个更全面的框架,可以处理信息和数据的整个生命周期,”张说。“它最终将节省收集、存储和处理特定问题不需要的数据的成本。”
他说,他创造DELTA这个首字母缩写的部分原因是DELTA符号在工程和数学中的重要性,它表示变化。
“现在,在大数据和大模型的静态模式识别方面,我们拥有强大的能力和强大的工具。但这是能源密集型的,我们需要完善整个信息处理链,”他说。
“过去,我们专注于在大数据中寻找模式,但未来我们需要专注于智能数据和正确的模型和设备。”