De missie van Artefact Research Center is om een innovatie-ecosysteem rond AI en data te bevorderen door samenwerking tussen universiteitsprofessoren en vertegenwoordigers van internationale partnerbedrijven aan te moedigen.
Het doel: baanbrekend onderzoek aangestuurd door data en de industriële toepassingen van zijn partnerbedrijven.
Wat is het DNA van Artefact?
Artefact is een ingenieursbureau gespecialiseerd in AI en data. Het is een Europese leider die aanwezig is in 23 landen met een sterke aanwezigheid in Frankrijk en heeft 1.700 mensen in dienst, waarvan een groot deel ingenieurs zijn. Artefact ondersteunt zijn klanten bij hun AI- en data-projecten, van strategische kwesties zoals data governance tot de ontwikkeling en implementatie van modellen.
Onze teams, bestaande uit data wetenschappers, software engineers en data analisten, kunnen een breed scala aan machine learning-technieken toepassen in toegepaste gevallen. Het doel: werken in de hele waardeketen, zodat klanten volledig gebruik kunnen maken van AI.
Artefact heeft ook andere facetten, zoals de School van Data, die zich richt op de omscholing van professionals, en de organisatie van grote evenementen in Frankrijk zoals AI for Health of Adopt AI.
Vertel ons over Artefact's Research Center
Het onderzoekscentrum richt zich op open-source onderzoek. Het heeft als missie om AI in zakelijke toepassingen te verbeteren zodat het bruikbaarder wordt en beter aansluit op de behoeften. We streven ernaar om de perceptie van machine learning als een oncontroleerbare zwarte doos te doorbreken.
Daartoe is het centrum verdeeld in twee expertisegebieden: toegepaste wiskunde om modellen vanuit een statistisch perspectief te verbeteren; en managementwetenschap die bedrijven en organisaties als studieobjecten behandelt. We onderzoeken hoe zij technologie toepassen en denken na over mogelijke verbeteringen.
Hoe werkt u?
Bovenal doen we wetenschappelijk onderzoek zonder winstoogmerk. Ons werk resulteert in wetenschappelijke publicaties en internationale conferenties. In tegenstelling tot consulting, dat heel snel gaat, werkt het onderzoekscentrum op een langere tijdlijn. Wij bouwen samenwerkingsverbanden op tussen academische experts en bedrijven die voor echte uitdagingen staan. Deze correlatie stelt ons in staat om concrete use cases aan te pakken door toegang te krijgen tot de data-bases van partnerbedrijven. Het doel is om onze methodologieën te testen en te verbeteren op deze grootschalige, echte problemen.
Een revolutie voor de detailhandel?
De detailhandel is een data-intensieve sector, met name via kassabonnen. Door zich aan deze structuur aan te passen, kan artificial intelligence het ticket “decoderen”, aangezien elk vermeld product kan worden gezien als een woord dat met andere verbonden is.
Dit stelt ons in staat om consumentengewoonten te voorspellen en winkels daarop af te stemmen. We kunnen productinteracties vastleggen om bijvoorbeeld complementaire producten samen weer te geven of “kannibalisatie” tussen producten of promoties te voorkomen. Wij zijn ervan overtuigd dat dit gebruik van data de toekomst van de detailhandel is. AI zal nooit de ervaring en knowhow van een afdelingsmanager of retailpartner vervangen, maar het kan hen nog effectiever maken door waardevolle inzichten uit data te halen.
Ook een cruciaal hulpmiddel in de banksector?
Nogmaals, Artefact is niet bedoeld om financiële analisten te vervangen, die een uitstekende domeinexpertise hebben. Zij kunnen echter niet alle kwetsbare cliënten of fraudeurs opsporen. Met behulp van scoringsmodellen die getraind zijn op historische data, kunnen we ongebruikelijke klantprofielen signaleren en anticiperen op negatieve gebeurtenissen voordat het echte problemen worden. Aangezien analisten hun beslissingen moeten rechtvaardigen, wat een wettelijke vereiste is, werken wij aan het ontwikkelen van scoringsystemen die verklaarbaar zijn en interpretabele redenen bieden voor risicoprofielen.
Dus AI verbetert de menselijke capaciteiten op het werk?
Absoluut. Ik gebruik vaak het voorbeeld van Google. Wanneer u iets online zoekt, vindt er een analyse plaats. Machine learning doorzoekt triljoenen webpagina's, iets wat onmogelijk is zonder automatisering. De tijd die het algoritme bespaart, vertegenwoordigt al het grondwerk dat mensen niet meer hoeven te doen. AI werkt op dezelfde manier. Uiteindelijk is het altijd de mens die ervoor kiest om het resultaat wel of 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 gaat nu verder met de technologieën van vandaag. En dit zal niet snel stoppen.
Wat zijn volgens u de uitdagingen van generatieve AI?
Er is een keerpunt geweest, vooral met ChatGPT, in de manier waarop het publiek nieuwe technologieën adopteert. Voor het eerst zagen we iets van onderaf: werknemers begonnen goede manieren te vinden om ChatGPT te gebruiken als een nuttig hulpmiddel in hun werk. Vanuit het perspectief van Artefact is het belangrijkste om deze technologieën in te passen in specifieke gebruikssituaties. In plaats van een algemene tool voor alles te gebruiken, is het de bedoeling om robuuste toepassingen te bouwen voor specifieke taken.
Op dit moment zijn deze modellen niet robuust genoeg, ze halen informatie uit hun geheugen op manieren die we niet volledig begrijpen, met het risico op ongepaste of zelfs absurde resultaten. Wij werken bijvoorbeeld aan een eenvoudige maar betrouwbare betrouwbaarheidsindex om aan gebruikers te tonen. Het doel is zowel om misleidende informatie te vermijden als om een kritische houding ten opzichte van de antwoorden van het model aan te moedigen.
