生成性人工智能的未来趋势与应用

在本次讨论中,将深入探讨生成性人工智能(AI)的未来趋势,以及它如何在金融和其他领域产生影响。Dr. Khadilkar凭借其在航空、铁路运输、能源和供应链管理等领域的专业知识,为讨论增添了丰富的内容。将探索AI、运筹学和金融的交汇点,发现生成性AI的趋势,并从Dr. Khadilkar的职业生涯中学习,看看他如何设想利用技术改善金融决策。

可以在流行的平台如Spotify、Google Podcasts和Apple上收听Leading with Data的这一集。选择最喜欢的平台来享受富有洞察力的内容!

生成性AI将经历合理化,其使用将变得更加专业化,并在适用领域产生更大的影响。生成性AI技术的民主化即将到来,重点是创建更小、成本效益更高的模型。印度的研究环境已经发展到与全球标准相匹配,为高端研究工作提供了重要机会。强化学习和生成性AI正在经历融合,为AI驱动的决策制定带来了创新方法。在AI领域,领域专业知识对于成功的职业生涯至关重要;专业化可以使候选人在充斥着泛泛之辈的领域中脱颖而出。生成性AI将作为增强人类在金融领域能力的工具,而不是取代他们,提高效率和决策过程。金融领域AI的未来充满希望,有望在投资组合管理和投资策略方面取得重大进展。

加入即将到来的Leading with Data会议,与AI和数据科学领袖进行深入讨论!现在,让看看与Harshad Khadilkar对话的细节!

作为TCS Research的高级科学家,观察到三个可能塑造生成性AI未来的关键趋势。首先,目前正在探索生成性AI在各个领域的潜力,尽管很明显它并不适合每个应用。其次,在生成性AI适用的领域,可以预期其变革性力量将被释放。最后,推动生成性AI技术的民主化,目标是更小、更实惠的模型,提供专业化、高质量的输出,而无需高昂的价格标签。

当完成博士学位时,面临留在美国还是搬到印度的选择。决定在2013年回到印度,感觉到高端研究工作的机会正在兴起。从那以后,职业生涯从IBM到TCS,再到富兰克林邓普顿,都是由追求有影响力的研究驱动的,这些研究弥合了理论与实践之间的鸿沟。

格局已经发生了显著变化。虽然核心研究传统上在美国或欧洲进行,将外围任务外包给印度,但公司已经认识到印度工程人才的价值和成本效益。如今,主要公司已在印度建立了重要的研究业务,与全球同行并肩工作。

在TCS,解决了易腐商品供应链库存管理的挑战。开发了可扩展的强化学习算法来优化库存水平,考虑到货架寿命和季节变化等因素。这个项目特别令人满意,因为它为客户带来了现实世界的好处。

生成性AI的快速发展,特别是GPT-3.5和4等模型,有些出乎意料。这些模型在决策任务中显示出惊人的有效性,揭示了它们在表示语言和强化学习代理表示状态方面的基本相似性。这为跨领域之间的交流开辟了新的途径。

首先专注于成为领域专家。在AI和数据科学领域有很多泛泛之辈,需求是能够将AI应用于解决特定领域问题的人。在特定领域建立独特的专业知识将为行业提供坚实的立足点。

很高兴深入研究金融领域,识别和解决技术与数学挑战交汇处的开放问题。目标是利用AI来解决这些问题,增强金融决策制定和投资组合管理。

沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485