在3月27日,我们将在波士顿举办下一个AI影响力巡回活动,专注于生成性人工智能在企业环境中的实际应用,特别强调数据完整性。
此次活动将邀请State Street的首席信息官Caroline Arnold和Biogen的数据科学与机器学习负责人David Clifford分享他们对生成性AI以及维护数据完整性的重要性之见解。我很高兴担任此次讨论的主持人,并与与会者交流他们在快速变化的生成性AI领域中如何应对数据完整性挑战。
State Street是美国最大的银行之一,总部设在波士顿,管理着3.7万亿美元的资产。同时,它也是一家领先的保管银行和三大指数基金管理公司之一,拥有400名人工智能工程师,负责多种应用,从优化投资组合到提升数据质量,再到为客户提供重要信息的对话式访问。
作为生物技术的先驱,Biogen在将先进技术(如机器学习和生成性AI)融入科学发现流程上拥有丰富的成功经验。这两个组织都显示出各自行业在有效应用AI方面面临的普遍挑战。虽然像ChatGPT的GPT-4等通用大型语言模型在各种场景中表现出色,但在金融和生物技术等专业领域常常存在局限。为取得成功,它们需要采用诸如检索增强生成(RAG)和严格训练等技术,以确保数据完整性。
此次独特的沙龙活动仅限50名与会者,专为企业技术决策者设计。请在此申请,与生成性AI的迷人世界接轨,分享最佳实践,并学习如何基于透明、负责任和公平的数据开发应用。同时,您还将享受宝贵的网络交流机会、美食和鸡尾酒。
Arnold和Clifford将深入探讨为银行和药物发现构建可靠基础模型的重要性,提供如何将生成性AI原则应用于与会者自身领域的洞见。
尽管生成性AI的潜力巨大,但它也面临普遍挑战。一个关键障碍是确保大型语言模型(LLMs)能够接收到准确、代表性和完整的数据。数据完整性挑战不仅存在于金融和生物技术领域,还影响包括医疗、汽车和零售等多个行业。
Arnold和Clifford将讨论与生成性AI应用中的数据完整性相关的关键问题:
- 数据完整性基础:精确的数据跟踪和存储对于准确的财务报告、合规和维持客户信任至关重要。在生物技术领域,这涉及到从临床试验到监管提交的整个数据生命周期。
- 数据代表性:像GPT-4这样的流行基础模型可能包含不准确的信息,从而限制其在专业行业中的适用性。
- 数据完整性:许多公司难以单独收集足够的数据,这突显了行业间合作以建立全面数据集的必要性。
此外,微软Azure的企业副总裁Kathleen Mitford将分享生成性AI在各个行业中的多样化应用,这源于微软与OpenAI的合作。我们对微软赞助本次活动表示感谢。
总之,波士顿AI影响力巡回活动为企业技术决策者导航AI时代数据完整性的复杂性提供了宝贵的机会。由于座位有限,我们鼓励感兴趣的参与者尽快申请。
期待与大家见面!