Artefact ”的使命是通过促进大学教授与国际合作伙伴企业代表之间的合作，构建以人工智能和数据为核心的创新生态系统。
目标：开展以数据为驱动的尖端研究，并推动合作伙伴企业的工业应用。
Artefact核心特质是什么？
Artefact 专注于人工智能和数据领域的工程咨询公司。作为欧洲行业的领军企业，其业务遍及 23 个国家，在法国拥有深厚的市场根基，目前拥有 1,700 名员工，其中工程师占很大比例。Artefact 客户企业推进人工智能和数据项目，服务范围涵盖从数据治理等战略问题到模型开发与部署的各个环节。
我们的团队由数据科学家、软件工程师和数据分析师组成，能够在实际应用中部署多种机器学习技术。我们的目标是贯穿整个价值链，助力客户充分利用人工智能。
Artefact 拥有其他业务板块，例如专注于专业人士再培训的“数据学院”（School of Data），以及在法国举办“AI for Health”或Adopt AI”等大型活动。
请介绍一下Artefact的研究中心
该研究中心致力于开源研究。其使命是改进人工智能在商业应用中的表现，使其更易于使用，并更好地满足实际需求。我们的目标是打破人们将机器学习视为无法控制的“黑箱”这一固有观念。
为此，该中心分为两个专业领域：应用数学，旨在从统计学角度改进模型；以及管理科学，将企业和组织作为研究对象。我们研究它们如何采用技术，并设想可能的改进方案。
你们是如何运作的？
最重要的是，我们开展科学研究并非为了盈利。我们的研究成果体现在科学论文和国际会议上。与节奏极快的咨询业务不同，研究中心的工作周期更为长远。我们致力于搭建学术专家与企业之间的合作桥梁，共同应对现实世界中的挑战。这种合作关系使我们能够通过访问合作伙伴公司的数据库，处理具体的应用案例。我们的目标是利用这些大规模的现实问题来检验并完善我们的方法论。
零售业的革命？
零售业是一个数据密集型行业，尤其是通过收银小票。通过适应这种结构，人工智能能够“破译”小票内容，因为小票上列出的每件商品都可以被视为一个词，并与其他词相关联。
这使我们能够预测消费者的习惯，并据此对门店进行优化调整。例如，我们可以分析产品互动情况，从而将互补产品一同陈列，或避免产品之间或促销活动之间的“内耗”。我们坚信，这种数据应用方式代表了零售业的未来。人工智能永远无法取代部门经理或零售合作伙伴的经验和专业知识，但它能通过从数据中提炼出有价值的洞察，进一步提升他们的效率。
在银行业中也是一项关键工具吗？
需要再次强调Artefact 旨在取代拥有卓越行业专业知识的金融分析师。然而，分析师无法发现所有存在风险的客户或欺诈者。通过使用基于历史数据训练的评分模型，我们可以标记异常的客户画像，并在负面事件演变成实际问题之前加以预判。鉴于分析师必须对决策进行合理解释（这是监管要求），我们致力于构建可解释的评分系统，并为高风险客户画像提供可解读的理由。
那么，人工智能是在工作中增强人类的能力吗？
完全正确。我经常以谷歌为例。当你在网上搜索某样东西时，系统就会进行分析。机器学习会检索数万亿个网页，如果没有自动化，这是不可能做到的。算法节省的时间，代表了人类不再需要做的所有基础工作。人工智能的工作原理与此类似。 归根结底，始终是人类决定是否采纳这些结果，并赋予其意义。这一进程始于图书检索，随着互联网和维基百科的兴起而延续，如今又在当今技术中继续发展。而且这一趋势在短期内不会停止。
您认为生成式人工智能面临哪些挑战？
公众接受新技术的方式已迎来转折点，尤其是随着ChatGPT的出现。我们首次见证了一种自下而上的普及趋势：员工们开始探索如何将ChatGPT作为工作中的得力工具加以运用。从Artefact的角度来看，关键在于将这些技术融入具体的应用场景。与其将通用工具用于所有领域，不如致力于为特定任务构建功能强大的应用程序。
目前，这些模型缺乏鲁棒性，它们从记忆中检索信息的方式尚不完全清楚，这可能导致输出结果不恰当，甚至荒谬。例如，我们正在开发一个简单但可靠的置信度指标，以便向用户展示。其目的是既要避免误导性信息，又要鼓励用户对模型的响应保持批判性思维。
