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。