Het Artefact Research Center heeft als missie een innovatie-ecosysteem rond AI data te bevorderen data samenwerking tussen universiteitsdocenten en vertegenwoordigers van internationale partnerbedrijven te stimuleren.
Het doel: baanbrekend onderzoek op basis van data de industriële toepassingen van de partnerbedrijven.
Wat is het DNA Artefact?
Artefact een ingenieursbureau dat gespecialiseerd is in AI data. Het bedrijf is een Europese marktleider die actief is in 23 landen en een sterke aanwezigheid heeft in Frankrijk. Het telt 1.700 medewerkers, waarvan een groot deel ingenieurs zijn. Artefact zijn klanten bij hun AI data , van strategische vraagstukken zoals data tot en met de ontwikkeling en implementatie van modellen.
Onze teams, bestaande uit data , softwareontwikkelaars en data , kunnen een breed scala aan machine learning-technieken toepassen in de praktijk. Het doel: actief zijn in de gehele waardeketen, zodat klanten optimaal gebruik kunnen maken van AI.
Artefact heeft Artefact andere activiteiten, zoals de School of Data, die zich richt op bijscholing van professionals, en de organisatie van grote evenementen in Frankrijk, zoals AI Health of Adopt AI.
Vertel ons eens over Research Center Artefact
Het research center op open-sourceonderzoek. Het heeft als missie om AI zakelijke toepassingen te verbeteren, zodat deze gebruiksvriendelijker wordt en beter aansluit bij de behoeften. We willen afrekenen met het beeld dat machine learning een onbeheersbare ‘black box’ is.
Daartoe is het centrum onderverdeeld in twee expertisegebieden: toegepaste wiskunde, gericht op het verbeteren van modellen vanuit statistisch perspectief, en managementwetenschap, waarbij bedrijven en organisaties als onderzoeksobjecten worden beschouwd. We onderzoeken hoe zij technologie toepassen en bedenken mogelijke verbeteringen.
Hoe werkt het bij jullie?
Bovenal doen wij wetenschappelijk onderzoek zonder winstoogmerk. Ons werk resulteert in wetenschappelijke publicaties en internationale conferenties. In tegenstelling tot consultancy, waar alles in een razend tempo gaat, research center het research center met een langere tijdshorizon. Wij bouwen samenwerkingsverbanden op tussen academische experts en bedrijven die uitdagingen uit de praktijk aandraagt. Dankzij deze samenwerking kunnen wij concrete praktijkvoorbeelden aanpakken door gebruik te maken van de databases van onze partnerbedrijven. Het doel is om onze methodologieën te toetsen en te verbeteren aan de hand van deze grootschalige, praktijkgerichte problemen.
Een revolutie voor de detailhandel?
De detailhandel is een sector data, met name via kassabonnen. Door zich aan deze structuur aan te passen, artificial intelligence de kassabon ‘ontcijferen’, aangezien elk vermeld product kan worden gezien als een woord dat met andere woorden is verbonden.
Hierdoor kunnen we het gedrag van consumenten voorspellen en onze winkels daarop afstemmen. We kunnen productinteracties in kaart brengen om bijvoorbeeld bijpassende producten naast elkaar te presenteren of ‘cannibalisatie’ tussen producten of aanbiedingen te voorkomen. Wij zijn ervan overtuigd dat dit gebruik van data de toekomst van de detailhandel data . AI de ervaring en expertise van een afdelingsmanager of retailpartner nooit vervangen, maar kan hen wel nog effectiever maken door waardevolle inzichten uit data te halen.
Ook in de banksector een onmisbaar hulpmiddel?
Artefact nogmaals Artefact uit om financiële analisten te vervangen, die over uitstekende vakkennis beschikken. Zij kunnen echter niet alle kwetsbare klanten of fraudeurs opsporen. Met behulp van scoringsmodellen die zijn getraind op historische data, kunnen we ongebruikelijke klantprofielen signaleren en anticiperen op negatieve gebeurtenissen voordat deze tot echte problemen uitgroeien. Aangezien analisten hun beslissingen moeten onderbouwen – wat een wettelijke vereiste is – werken we aan het ontwikkelen van scoringssystemen die verklaarbaar zijn en begrijpelijke redenen geven voor risicovolle profielen.
Dus AI de menselijke mogelijkheden op het werk?
Absoluut. Ik gebruik vaak het voorbeeld van Google. Als je online iets opzoekt, vindt er een analyse plaats. Machine learning doorzoekt triljoenen webpagina’s, iets wat zonder automatisering onmogelijk zou zijn. De tijd die het algoritme bespaart, staat voor al het voorbereidende werk dat mensen niet langer hoeven te doen. AI op dezelfde manier. Uiteindelijk is het altijd de mens die ervoor kiest om het resultaat al dan niet over te nemen en er betekenis aan te geven. Het begon met het zoeken in boeken, ging verder met de opkomst van het internet en Wikipedia, en zet zich nu voort met de technologieën van vandaag. En dit houdt voorlopig niet op.
Wat zijn volgens u de uitdagingen van generatieve AI?
Er heeft zich een keerpunt voorgedaan, met name dankzij ChatGPT, in de manier waarop het publiek nieuwe technologieën omarmt. Voor het eerst zien we dat iets van onderaf voet aan de grond krijgt: werknemers begonnen zelf manieren te vinden om ChatGPT als een nuttig hulpmiddel in hun werk in te zetten. Vanuit het perspectief Artefactis het van cruciaal belang om deze technologieën in te passen in specifieke toepassingsgebieden. In plaats van één universele tool voor alles te gebruiken, is het doel om robuuste applicaties te bouwen voor gerichte taken.
Op dit moment ontbreekt het deze modellen aan robuustheid; ze halen informatie uit hun geheugen op manieren die we nog niet volledig begrijpen, waardoor het risico bestaat dat ze ongepaste of zelfs absurde resultaten opleveren. We werken bijvoorbeeld aan een eenvoudige maar betrouwbare betrouwbaarheidsindex die aan gebruikers kan worden getoond. Het doel is om zowel misleidende informatie te voorkomen als een kritische houding ten opzichte van de antwoorden van het model te stimuleren.
