Hello everybody. Good morning. Good morning.各位早上好,晚上好,我讓你們來自哪裡?非常歡迎你們的家人朋友非常高興能跟大家去分享來自各個MIT全球網絡中心我們今天談到AI驅動的供應鏈讓我來分享我們的評論然後進一步的講解一下大家可以看到我的畫面片非常感謝你們今天我們有專題討論小組來跟大家分享影響我們研究團隊在AI應用方面的情況這些都是一些應用我們去給你們去分享AI是我們當經供應鏈的一個現實讓我來介紹一下我們今天的專題討論小組首先是Yanxiao Costa他是一個Martin Diao大學的工業工程師他從德國的AutoBom獲得他的博士學位他的研究包括各種各樣的話題其中包括可持續的作業綠色環保車輛等等他是Sera Gosa物流中心的PhD主任歡迎Yanxiao下一位專題討論小組成員Ciao Kha Kyi我們很高興有你來參加我們他是來自盧森堡物流和供應鏈管理中心的助理教授他的研究尊重點包括優化和不確定性的誘用是非常感興趣的話題他是來自不分其讀科技學院的PhD我自己叫Maria Sanchez我是來自MIT數據供應鏈廠方實驗室的主任同時也是MIT供應鏈管理數是學位的一個實行總監我在03年就開始進行全球方面的工作我也非常自豪我們現在所做的工作來重複我們供應鏈的未來我們開始之前我來跟大家分享一下我們在MIT的全球Scout網絡我們中心是遍佈全球我們在中間是MIT我們也有Circus中心是Luzinbao然後在中國也有供應鏈的中心然後在哥倫比亞也有CRR那就是拉美的一系列的大學和機構的網絡我們有十多個教育群的學位或者是高官培訓的書等等八十多個研究人員、教授人員遍佈全球一起治療於物流和供應鏈的方面的工作我們能夠把未來供應鏈的未來去跟大家分享但是我們同時要形成合作關係每年我們教育200多名學生然後我們在全球有很大的校友的網絡他們每年都會來去MIT所以我們想要強調我們有很多不同的活動那今天是一點我們有Kristen Martin會談到社會的供應鏈網絡如果去在這個更好的區域服務我們的社區請大家到CDL的活動的畫面我們這邊有很多比方的會議這個是拉美還有年度的會議請大家去登記這些會議然後就是把我們所有這些動詞給你們去分享給你們來挑戰和去給我們來更新的分享因為時間有限所以我們要跟我們的時日成安排我們首先我們有一個Panel Dynamics我們有三個案例研究然後我們再來談談Dale如何在領先這個供應鏈那麼使用AI而且是燈到燈在進行然後顏色Costa他會談到一個生物機率的AI來优化地交路線這個是在Samsung Night然後就是第三個案例他會談到數據驅動的一個角色也是使用AI它的效率和全體解釋率最後的話我們跟大家來一個就是專題討論希望大家能夠把你們的問題再聊天問答當中提出來然後我們會把這個問題提供出來然後呢我們就開始了幾個星期之前我們在MIT CL我們差不多有幾個研究人員差不多兩個小時來討論我們這個人工智能方面我們基本上對每個定義的話都沒有辦法達成共識為什麼呢因為NIR可以解釋為我們的這個靈感無論是我們談到什麼樣的一個應用如何用AI來進行詮釋所以我們這個要同意AI是什麼樣的一個定義什麼樣的一個焦點這是我們認為一個好的理解那我相信你們還有其他的應用的這個定義那也是可以的我們不是要在這裡來談到這個定義因為現在這個應用是如何處的廣泛那麼AI是如何的廣泛是如何和NIR有一個定義的那麼我們來看看這個機器和數學來進行認知的功能比如說這個AI如何去幫助我們去理解如何去更好地去使用AI同時跟環境的問題解決相關所以我要很快地跟大家過一下因為我們要時間清湊然後理解AI驅動的數字供應鏈找型然後考慮我們這邊也是看到的內容然後我們還有這個Del的這個Ali那我們現在這個供應鏈的這個首先實驗室那麼我們理解AI的這個供應鏈它是AI作為一個技術我們還有這個算數口播或者是機器人等等我們希望數據去轉型這個供應鏈價值驅動的段到段的這個供應鏈我這邊現在強調兩個關鍵詞也是價值然後還有段到段的供應鏈那麼很多公司私實在做段到段我們來看看Del戴爾如何做到段到段的那我們在公司中中部所觀察的他們用AI下面有不同的挑戰和困難特別是段到段這個是越來越困難所以我們要觀察到Francisco's效果的一個挑戰那麼有不同的AI的組成部分一個是我們最後一領路的一個地交一般AI它需要分裂的一些部分那麼需要去把它去把它細化這是一個旅程他們可能要多月很多年的努力才能夠實現現在差不多已經有五年他們不同的找到這個方向去發展不過他們是有Francisco's效果還有一些其他的這些挑戰的公司可能過去過度測重於技術不擴展性所以就是來活續優化我們的成本這明明我們這裡的想法應該是找完如何去做最後一領的一個交付以及再上述的最後所以技術能夠幫助你們去更加的有效然後測重點不是技術測重點是如何去找到我們的交貨的一個流程AI如何去能夠幫助你們這個是完全不同的原警最後我們談到就是不可擴展性公司他們可能會做這個試點原型這個是很棒但基本上實際於有就是非常有動力的人民不想清潔而且有細化的這個數據這就是為什麼公司有這個能力來去把它擴大然後就是去可以做的更多更多的這樣子的一些流程等等所以不能就是擴展的能力就是一個很大的問題然後其實在非常成功的公司裡面尤其是像AI的話他們就是非常的希望可以進行各種不同的探索然後這些都很重要我們來講講關於就是然後在2017年的時候他們就已經開始了這個數碼供應鏈的這樣子的一個改革然後當時他們就問我們說科技很有技術可以怎麼去幫助他們去進行這方面的工作和達到他們的願景專注於他們的這個策略還有他們的表現方面的預期然後他們在就是很短時間裡面就加倍了這樣子的效果那我們來現在講講他們的承諾我們來講講說AI的部署就是尤其是他們在連接上面他們的領導力還有願景還有策略等等表現等等這些都很重要這就是他們的這個原因做對的這樣子的一個承諾是很重要的Ventura的這樣子的一個承諾就是在NoStar的這樣子的一個部分他們就是在一開始就有了承諾所以他們就是跟客戶說了有一百台的這個電腦作為這個零售然後他們就可以在四天裡面就達到了這個目標就是他們之前就已經可以做到了他們可以就是去監督他們的這樣子的一個承諾看看他們做不得做得到然後他們可以就是監管之後呢然後就可以不斷的往下擴展然後去看他們的這個做法未來的做法來分析他們的AI方面的任何的就是跟機的這樣子的分析譬如說然後這個做法呢可以讓他們已經非常強而有力的這個工具呢有更多的這個超前的超棒的這樣子的一些表現這是非常有力量的所以Dial也是差不多一樣的然後真的是非常有趣的就是他們在就是衡量表現的方面呢就是看他們的商業模式的表現的時候是非常的有趣的你可以看到就是他們就是已經達到了就是AI可以提供的很多的這樣子的一個層面的效率然後你可以看到在NOR這個部分然後我們可以定義AI就是驅動的供應鏈的這個改革我們的期許的價值還有他們的承諾我們也要來看看他的整個的承諾的這樣子的量化他們希望可以把他的KBI量化然後他們就開發了KBI這個是面向端道端的這樣子的一個KBI然後他們有了這樣子KBI的這個就是指數之後呢他們就來就是從全球收集了這種不同的百分比和數據然後再來看他的比例然後他們有了這樣子的承諾呢他們就做得非常的非常的棒這是端道端的而且呢他們已經部署了不同的這個就是部分的這樣子的一個序列然後他們已經準備好了也期待了未來可以有更好的這個價值和量化的價值所以你可以看到這個方面非常完美的這樣子的一個指數他不是只是那麼簡單的就是時間方面的數據而已你可以看到就是說你可以看到KBI呢就是可以就是一個主要的學習的這樣子的一個指數然後他們可以把他就是擴大他們可以把他就是在人工智能方面的更加的擴展我們作為AI的學習者呢我們被期待要學習然後我們在期待著很多的各種不同的這些指數來告訴我們什麼部分是需要去改進需要去觀察的然後我們也要去看看就是說為什麼我們需要去研究這個部分我並不是說在推動說這個TLI的這樣子的一個評分是很重要但是我們必須要把所有的這一些東西呢就是把它改變對不對這些錢是很重要的然後我們需要看看這個就是人工智能的這個金錢圖表啊然後最終呢我們要看看他各種不同的影響力對不對然後我們從這個開始呢就有很多不同的就是承諾所以我們來看看說我們怎麼把我們所有的工作呢就是以這個利益來就是進行呢我們現在講的就是供應鏈對不對然後我們需要去就是兼顧每一個人的這個貢獻看看他自己最棒的這樣子的一個指數然後我們來看看他的這樣子的一個承諾是不是已經達到然後你可以看到AGI已經是有好幾年的出現了然後在這個承諾之前我們預期或者我們預測呢就是在AI在實施的時候呢我們有一些活動可以去做可以去做的行動然後我們就是有各種不同的情況之下可以去使用然後這些所有的這一些預測你可以看到譬如說就可以LT的這樣子的一些預測還有SE能力的這樣子的一些能力等等那在講到這裡呢我已經講完了我今天的這個演說我們有講得很快對不對我們希望可以有更多的動力然後讓大家有更多的這個就是參與那我們現在進入第二個例子就是讓我們的這個COSTA博士來跟大家分享大家看到我的屏幕嗎有非常棒謝謝Maria我非常高興可以在這裡可以跟大家一起我從你的剛剛的演說呢學習到了很多我真的在AI方面呢我有另外一個定義當然他不是一個科學小說對不對我很喜歡有關於學習方面的學習我們覺得AI是學習從不同的這個資源方面去進行有創意的學習對不對然後今天這就是我今天的呈現的主要目標和目的來如何更好的去使用他的內容如果你嘗試再去看看一些各種不同的AI基礎的這些部分你可以看到呢這有兩個部分關於我的至於我的連結就是說很多呢是跟這個知識方面的探索有關的然後很少的這些應用程序呢就是在一些傳統的問題上面呢僅僅只是進行優化而已譬如說現在我們可以看到很多的就是自然的這樣子的一個就是就是提醒了然後我們可以看到就是很多的就是非常有創意的知識然後在各種不同的行業當然譬如說我們之前講到了就是生產的行業啦還有生物然後的行業還有就是自由行業等等然後他們都會有各種不同的這個人工證呢的需求在學習方面然後我們就是在我們很多的這些知識方面的探索方面譬如說很有名的一個就是Neural Network嘛對不對就是它是關於我們的這個生物學還有生物電學的方面相關的就是很多它是來自於自然靈感的關於我們大腦一個複雜的神經元網絡等等呢這些可以通過更多的這個就是人工智能來去學習因為這個人工智能它有很多的收集的這個知識的這個能力和這個學習的能力所以他們的資源是會比我們人力的去進行的更好更多在很多的案子裡面呢我們聽到了就是說關於chat GPT然後我們知道chat GPT背後的算法等等我們知道它是而且我們現在知道神經元後面是有就是就是成千三萬的這樣子的神經元然後就是通過多個相互連接的神經元組成的這個系統助理信息所以它並不是完全這個等等它有很多其他的這個運用程序方面的內容我們可以看到有很多的不同的這些自然就是方面的非常有名的自然來源譬如說很多的就是來自於就是基因的算法等等呢這樣子的一個啟發然後很多時候就是讓我們很多人就是可以通過這個方面去學習然後去開發或者就是擴展然後我們也知道有很多的內容是就是背後就是譬如說我們可以找出它的一些問題或者是可以找出不同的解決方式然後讓我們可以找出一些交叉的這樣子的一些解決方式或者更好的更好的識別或者是更合適的這樣的一些做法譬如說你看這一個特定這一點有父母呢就是有四個就是不同的這樣子的然後呢有三個然後我們覺得一個更好的這樣子的適應性的解決方法就是就是整體的時間這個就是我們常常是要做的執行就是通過不同的這樣子的啟發呢然後更好的就是在我們最終呢就是可以不斷的找到更短的這個路徑來去解決一些問題當然這一個人工智能呢這裡呢他可能也是會有很好的一些就是就是減少反塔步驟的一些方式因為他可以幫你去選擇最好的路徑所以你可以看到這一個例子裡面呢當他知道就是隨機的選擇了最短的這個路徑的時候他就會讓這樣子的一個過程呢就是根據這樣子的一個路徑然後就是就是專注的去找尋一些不同的所以算的這樣子的一些智能呢就是幫助我們可以解決很多這些傳遞方面的問題你可以看到就是可以看到這個句證如果我們這裡有各種多元的這樣子的端的話你可以看到這裡有不同的這樣子的一些逢階然後呢你可以看到這個解決方案的這個空間就是傳統的來說可能就是一些傳遞的問題但是這裡可以看到讓我們讓我們可以預期去看到各種不同的可能性和在這一個實際的問題這裡然後你可以看到在智利還有智利的Santiago我們有一個就是實實的這樣子的一個做法然後這個問題呢就是關於每一天的就是法禍的整個的流程我們有350個客戶在各種不同的這個地域然後我之前講過說在TPO這個是基本上就是在傳遞這個產品或者發貨的時候呢有很多的挑戰因為它會根據這個距離呢來去收費傳統的時候就是說這個就是我們會講就是這個運輸空間的這個能力然後我們會跟客戶呢就是簽署合同然後客戶非常清晰的就是強調說他們其中一個最大的問題就是空間然後時間然後他們就是有時間的限制然後在整個優化的過程之中有時間的限制限制所以呢有時候客戶可能在當天的某一個時間點要去的貨物所以這個就是一個問題但是通過人工智能就不再是一個問題了我們有一個互動型的這樣子的一個架構我們叫做Dynamic B然後就是可以解決整個路程的這個問題這個AI呢可以通過學習呢去找出最便捷的這樣子的一個運輸的路程那當然在學習的過程需要花很多的時間但是他整合出來的這個路程可以些節省很多的時間所以他們當然在如果這個送貨發貨晚了的話當然是會有一個懲罰性的這個結果的開始的時候我們在這個就是PAPS的這個我們的行業裡面當然覺得他不是一個小問題比如說超過50個50個客戶的話需要50個客戶需要發貨的話那就是非常複雜的一個情況了這個是這是一天之內的這樣子的發貨的路程那尤其是在Slippside從業務角度如果做一個決定有八個卡車來完成這個送貨第二是那個AI驅動的那麼也要使用這個那個降低這個我們那個送貨的一個車隊大部分都是在38的這個成本的降低那我要就是之前我們這邊有一個總前我們這個路線圖那這不像10天我們實際上就可以能夠有就是節省這個石本24那麼還有就是我們這個車隊車隊的一個微膜重要的一個降低那基本上就要尋求這個優化的一個一個優化的一個解決方案那麼跟傳統的那個相比較這也是一個比較好的一個優化這是我們如何使用這種方法來應對非常平反的問題以及物流方面的一個情況那接下來我們的話筒交給我的同事非常感謝你,Maria謝謝大家看得到我的幻燈片嗎非常感謝那我可以開始嗎大家好我來跟大家談一談效率和解釋相關的這個數據驅動的AR的決定儘管的話這是我們這兩個之間有一個權衡為大家展示一下達到效率和可解釋性可以同時進行都是可能的那我跟大家也討論的這個項目跟供應鏈和物理並不是直接相關而不是分配來源的這個問題那我也整理的話這是一個類似的數據驅動的解決方案其中包括這個供應鏈和物流方面的情況那我們談到至於AI的這個決策就是談到效率和可解釋性它基本上涉及到就是近代擴大我們的就是降低成本那可解釋性不光是要理解這個模型還是很重要的這個就是決策方面讓我們能夠相信模型所作出的一個決定讓我們執行更加容易就像是在我和從業人員的這個實護動當中談到物流和能源這個角度他們對於表達他們不想要一個黑盒去做一個決定而是要理解這個決策的程序除了這個使用有這個信信任的一顆解釋性這是很重要的是那個人機的合作如果人能夠理解這個決定的話他們就可以做相應的調整AI的效率是毫無疑問的但是可解釋性一些顧慮比如說一些法律方面的訴訟同時法律室的瓦克銀行這邊它有談到AI的決定可能會像人總等方面的話會是歧視人這個一般是在效率和可解釋之間的一個權衡這個模型越先進一般能夠提供更好的決定從裡面角度來看更加新進的模型比如說考慮Gradient Boosting或 Neural Network這些是它其實可解釋性沒有那麼好特別是相對更簡單的模型來說比如像線性的一個回歸和決策數但我要談到側重於人類的還有側重於學習的一個政策還有比如說像洛杉磯的這個就是劉浪翰那我其實要談談這個供應鏈合作物流這個實際上可以應用於其他的資源和能力的配置問題那麼實際上我們要執行的是側重的解釋方案的框架比如目前是側重於貨運收入管理比如說我們看到在洛杉磯這個就是劉浪翰的住房分配等等方面那我們現在有75000人的劉浪翰而這個住房當員現在是非常有限的那麼如何要去決定如何去使人員這個優先配置所以他們要完成他們的文件調查就是說有多久沒有能夠在一個就是固定性的住房裡所以這些答覆的話就是能夠計算這個退入分數不過現在是目前的這個系統並沒有跟這個結果或者是能力相關的我們的目的是在指相當中使用數據那比如說洛杉磯劉浪翰管理信息系統數據庫來瞭解這個相關的政策盡量的擴大我們的結果但同時還考慮到能力的限制和公平特別是跟人總相關的我們提供非常簡單的一個政策大建立不同的住房資源的這個線索當這些人到了這個系統他們就要去等待這個資源如果他們獲得資源的話他們就可能不再成為這個劉浪翰了我們就使用一個解釋性的那個參數模型如像這個無流回歸來預計這個可能性再來確保不同的這個公平的這個概念我們實際上可以有調整這個機會成本那比如說那個降低少數族裔的這個成本我們實際上的管理的話就是我們我們想給大家介紹一下我們這個實際的這個數據這邊顯示這邊顯示它的一個百分比特別是退出有降可歸的這個方面這邊這個少數族裔優先那個表明我們希望這些少數族裔的人員的話那比如像我們這邊考慮黑人拉丁裔這些人作為這個少數族裔來看的那麼這個比較跟歷史的比較是有一個改善數據的話表明每年的話這有300多個更多的人不再是流浪漢了因為時間關係就不能夠講太多所以到PBYN我有有談到這方面的內容就是如果大家有進去的話大家可以在網頁上看到我們這個錄像最後我給大家提供一個就是基於這個數據的方法用原來資源這個其實可以使用與其他的資源能力就讓我前面所講的我們目前現在進行一個類似的一個解決方案來用與這個貨運的管理不預計這個解決方案能夠納入一些可持續發達的目標比如說我們談到是供應商選擇的一個情況那麼至少所有購買的產品的買不到數目的話是來自綠色的供應商非常感謝我在問答接著我們再來回答你們的問題非常感謝真的是非常棒我們時間非常準時的進行是我們的承諾我們既然有很多問題我想要足夠的來看那麼希望回答的時候要簡潔能夠盡量回答盡量做的問題Dr. Costa來自Senator Ray他建議這個石油畫就是你們所做的事情有沒有其他的也是一樣受歡迎的呢是的處於時間問題我就簡化一下這個答案我們提其他的變量和探索其他的解決方案的領域我們提議我們會檢查更多解決案方案的一個變量提供更好的解決方案沒有人問比如說是否能夠改善Cplex這是一個非常棒的解決方案而且是非常優化的計算時間也是相同的所以有很大的改善非常感謝的問題非常感謝你們在我的MIT的講話就是如果是從人工智能去防治或者顧慮不好的一個數據所以想要回答這個惡性情況我會回答我想要做的事基本上有很多人工智能和技術學習的方法來應對這方面的造音和不好的數據其中一個那個正規劃或者是優化我覺得我覺得非常難以說哪些人是一個不好的數據那麼我們有方法來做儘管你們不能夠講的話那你可以對你們的解決方案這個魯邦話還有一個問題關於是戴爾的那麼價格分期不動或者是1到1的價值鏈這個在SOP當中如何是進行的這個應該只是短到短的供應鏈的組成部分那麼應該有預測的一個價格而且的話就是那麼就可以如何去預測這個價格會如何去改變這個不是短短就是一個供應鏈的功能它是市場的這樣子的一個功能但是它可以更好的去評估這個AI這個可能會出現一些趨限就是因為價格是會改變的所以這個就是預測應該可以了解為什麼有這樣子的改變這就是改變就是有一些各種不同的這個就是變數可能電腦的這樣子的一些改變呢算法的改變可能會影響所以就是在你可以了解的這個信息之內呢你可以去了解說這個有什麼樣的一些改變所以從這個供應鏈來說呢它們可能可以更好的去了解這些能算法這個答案你如果有更好的答案的話你可以把它就是加入到你的問題裡面去更好的去就是去監督整個的這個價格的改變下一個就叫說然後在按你的理解就是在這個供應鏈裡面AI有什麼樣的功能呢這個就是就是焦點的這樣子的一些區域說實話數據分析不管你在這個科技方面做什麼東西它就是綜合性的這些字眼或者是東西如果你使用其他的就是啟發的話你可以在那個區域呢使用就是供應鏈方面的這些內容如果幾年前你使用這些的話它們可能會說數據分析的話我們有我們有就是反各種不同的分析在這個例子裡面這個AI是比較有競爭性的競爭去現在是不太一樣了一開始的時候我們會去定義它當時當我們部署了這些功能之後呢那這個就是我們學習的然後我會告訴我們說這個當我們定義了這個AI之後呢我們就會說對不起這個是不管是怎麼樣只要是會影響你的表現的話它就會讓我們把我們的這個就是就是供應鏈的功能有所改變下一個來看一下這個可能是中間你可以幫助我們如何去用AI去提升Dial系統的這個功能呢AI怎麼可以幫助這些這些都是很好的問題它們可以有很主要的這個扮演主要的角色它們可以讓我們有更多的這些瞭解所以很多的這些公司IUC它們就是有這個功能就是顯示EAP比如說你們的這個製造業等等它們我的這個作用的就是可以讓我們可以不僅僅是還有就是內容的分析等等所以這個就是可見性是非常重要的然後讓我們蒐集可自信的這些數據然後讓我們可以瞭解這些數據的這個就是運作或者分析還有我們的ESD可持續性等等都是很重要的當你把這些放到你的系統裡面不管你是什麼樣的系統EAP或者是購買等等把這些信息把它就是加入到你現在的或者未來的供應商的這個做法上面都是很重要的很能夠改變去世的比如說有一些新的這個商業模式或者讓你們有更多新的這些作法所以這一些就是數據的可視性是很重要的還有另外這裡還有另外一個問題就是在這個聊天室裡面就是說關於我們如何可以有一些就是譬如說那些應用程序他們會有用譬如說他們的這個電郵裡面然後在他們的這個就是電郵裡面他們譬如說他不是EAP或者是完全的這些數據等等無論如何如果他們就是非常的就是譬如說從這些數據方面有了很多的這個就是干擾的話你可以去看看整個的過程這就是我們需要學習的整個的這個架構這個就是我們可能可以再次去考慮你的各種不同的這個位置和計畫和考量等等然後這些聽起來就好像是科技小說一樣但是他會越來越多的讓我們看到更多的這個可視性對不對這些公司他們可能有新的這些要求等等很多我們面對的一些挑戰就是這樣子的一些服務器歡迎大家如何去滿足達到更多公司的要求在使用這些數據的同時還滿足這一些誰想要更好的去回答這方面的問題呢誰可以回答呢有嗎我只是要說可能有一些關係的我們看到很多的這些信息他們問題都問關於算法還有在這個運用程序方面的內容來去看還有資源的這個部署分布當然不管你有什麼樣的問題作為一個就是網絡譬如說傳統的來說在我們的這個就是colonization部分呢我們可以重新的這個補足基本上我們可以就是運用在這以上可能這個跟你的這個問題沒什麼關係但是我看了這個就是問題我想在這個部分我們可以用這個角度來回答可能我可以就是來回答一點點關於這個問題當然這個對於這個人工智能來說但是AI的這個模式是自從局限的這個數據去產生的有時候它的解決方案不可能不會馬上就變得很清晰譬如說有時候例子像Google的工具它產生的一些譬如說照片像狗兒和貓等等他們不是真實的照片他們只是這個生存的照片但是它可以通過收集來的很多貓貓狗狗的這些形象呢就是生成一個非常類似的這樣子的一個照片在這個部分也是還有其他的問題不要忘了其中一個重要的一個部分也是很出名的一點就是在我們這個伊朗的這樣子的一個就是社區裡面他們就是將關於這個就是可能性的這樣子的一個分布譬如說他們叫做FORCE這個系統然後把很多的這些想法和一些就是決策把它就是翻譯出來去更好的理解那是的很好就是有很多的就是百分比改進的百分比等等我就我可能我們可能需要做一點點的工作再來更好的回答這個問題我的建議就是就是你可以就是自定義這樣子的一些內容然後譬如說這些差路然後開始去遊玩然後不僅僅是一個軟件然後不僅僅是數據還有其他的這個就是因素你要去考慮然後更加複雜的這些AI的這個模式呢可能會提供更好的結果所以然後可能會是很好很好的這樣子的一個結果但是我覺得你需要更好的去了解你的數據的這個內容可以把它就是概念化所以這是很重要的然後你可以有更多的更在需要的時候可以有更多的這個預測譬如說像這樣子的一個自定化然後他們就是使用兩種不同的這個內容所以可以讓更多的就是在有暗虛去產生的這樣子的一個預測可以做到的準確那最終呢它不是一個公式就可以去計算出來的其實我並沒有任何的答案然後我覺得呢這裡沒有確實的答案我們需要看情況譬如說我沒有一個答案說你說我想要就是增加我們的公司的營利5.5%不是那麼直白也不是那麼容易就可以完成的那有時候我們需要去學習說每一個模式怎麼可以更好的就是提升可以變得更加的準確在各種不同的情況和內容的情況之下還有你想要預期的答案的話會有不同的這個結果好的謝謝然後我如果你看到任何的問題的話你可以來這裡找我們然後我如果還沒有回答到這個問題的話我只是按著你們的這個問題的順序來回答好嗎然後還有任何的問題我想要回答的嗎Costa是的然後剛剛跟你之前提到的這個論點有關的其實非常的難籠統的去定義每一次你隨機的去進行一個預測的話你就可以看到每一個客戶的預期預測都不太一樣所以你知道這個用傳統的方式都非常難的去籠統的定義那在特定的情況之下才更好的去局限所以即使在正常的傳統的方式都非常難在人工智能的情況之下也是一樣的因為每一個的應用程序都有不同的這個內容也是非常的難的去給他就是定義下來所以有時候最好的這個表現有時候是來自於最糟糕的表現你知道嗎所以作為這個人工智能這樣子的一些方式呢所以我覺得當然如果可以定義下來非常非常難去籠統的定義的我可以看我沒有看到還有其他的問題了所以我覺得還有就是我們必須要了解也要就是尊重呢在每一個情況之下都會有一些模糊不太清晰的這樣子的一個情況這個是正常的還有其他的問題需要來回答我這裡看到有幾個問題來就是提問我這裡的其中一個很有趣的就是說關於AI方面人工智能方面相關的這個道德的問題你有什麼樣的情況呢然後AI並沒有使用這些信息那麼想像一下那麼從數據那麼並不表明AI不會使用那個人總來做一個決定這個是非常棒再次感謝各位的時間參加我們一個小時的會議非常感謝Joseph和Gio非常感謝我們通訊團隊MIT幫助我們那麼在11點我們還有另外一個活動好的大家再見