Rok wydania: 2023
Numer czasopisma: 3
Słowa kluczowe: sztuczna inteligencja w biznesie, interfejs człowiek-komputer, przetwarzanie języka naturalnego, podejmowanie decyzji
Strony: 255-263
Język publikacji: Polski
Pobierz
Generatywne modele sztucznej inteligencji w zarządzaniu
Jerzy Korczak, Ilona Pawełoszek, Maciej Pondel
Abstrakt
Sztuczna inteligencja ma dzisiaj ogromny wpływ na systemy informacyjne i praktyki zarządzania. Obiecujące wyniki w dziedzinie eksploracji danych, sieci semantycznych i przetwarzania języka naturalnego skłoniły autorów do refleksji nad przyszłością tzw. inteligentnych technologii w zarządzaniu. Nasz artykuł koncentruje się na metodach i technikach komunikacji menedżera z systemem, wspartych sztuczną inteligencją, głównie w przetwarzaniu zapytań w języku naturalnym. W artykule omówiono, z perspektywy zarządzania, niedawno wdrożone technologie AI, zaproponowane przez Google i Microsoft, w szczególności Google Bard i Bing. Chatboty te używają generatywnych modeli sztucznej inteligencji, nauczonych na dużych zbiorach informacji niezbędnych do zrozumienia zapytań i generowania odpowiedzi. Dla zilustrowania walorów i ograniczeń nowych technologii przedstawiono przykład podejmowania decyzji menedżerskich z wykorzystaniem dużych modeli językowych i danych z systemu Business Intelligence. Przeprowadzono eksperyment polegający na integracji narzędzia BI z modelem językowym, którego celem jest udzielenie pomocy menedżerowi w interpretacji kluczowych wskaźników biznesowych prezentowanych w systemie BI. Przygotowana platforma eksperymentalna została zweryfikowana w ramach studium przypadku. W ostatnim punkcie podsumowano oczekiwania i ograniczenia zastosowań generatywnej sztucznej inteligencji w zarządzaniu.
Bibliografia
[1] Adiwardana D., Luong M.T., So D.R., Hall J., Fiedel N., Thoppilan R., Yang Z., Kulshreshtha A., Nemade G., Lu Y. (2020), Towards a Human-like Open-domain Chatbot, arXiv preprint arXiv:2001.09977. [2] Alexopoulos P. (2020), Semantic Modeling for Data. Avoiding Pitfalls and Breaking Dilemmas, O'Reilly Media, Sebastopol. [3] Babcock J., Bali R. (2021), Generative AI with Python and TensorFlow 2, Packt, Birmingham. [4] Berners-Lee T., Hendler J., Lassila O. (2001), The Semantic Web, „Scientific American” Vol. 284, No. 5, pp. 34–43. [5] Bollacker K., Evans C., Paritosh P., Sturge T., Taylor J. (2008), Freebase: A Collaboratively Created Graph Database for Structuring Human Knowledge, Proceedings of the 2008 ACM SIGMOD International Conference on Management of Data, ACM, New York, pp. 1247–1250. [6] Bostrom N. (2016), Superintelligence: Paths, Dangers, Strategies, Oxford University Press. [7] Brown T., Mann B., Ryder N., Subbiah M., Kaplan J.D., Dhariwal P., Neelakantan A., Shyam P., Sastry G., Askell A., Agarwal S. (2020), Language Models Are Few-shot Learners. „Advances in Neural Information Processing Systems”, Vol. 33, pp. 1877–1901. [8] Canbek N.G., Mutlu M.E. (2016), On the Track of Artificial Intelligence: Learning with Intelligent Personal Assistants, „Journal of Human Sciences”, Vol. 13, No. 1, pp. 592–601. [9] Chien C.F., Dauzère-Pérès S., Huh W.T., Jang Y.J., Morrison J.R. (2020), Artificial Intelligence in Manufacturing and Logistics Systems: Algorithms, Applications, and Case Studies, „International Journal of Production Research”, Vol. 58, No. 9, pp. 2730–2731. [10] Chui M., Hazan E., Roberts R. (2023), The Economic Potential of Generative AI: The Next Productivity Frontier, McKinsey & Company, New York, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-AI-the-next-productivity-frontier#/, access date: 10.08.2023. [11] Cook M. (2022), Benchmarking: Diffbot Knowledge Graph versus Google Knowledge Graph, https://blog.diffbot.com/author/merrill/, access date: 10.08.2023. [12] Foster D. (2019), Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play, O’Reilly, Sebastopol. [13] Fraley A. (2023), The Artificial Intelligence and Generative AI Bible, AlgoRay Publishing. [14] Google AI (2023), PaLM 2, https://ai.google/discover/palm2/, access date: 10.08.2023. [15] Gulliksen J., Cajander, Å., Sad, B., Eriksson, E., Kavathatzopoulos I. (2009), User-centered Systems Design as Organizational Change, „International Journal of Technology and Human Interaction”, Vol. 5, No. 3, pp. 13–53. [16] Härlin T., Rova G.B., Singla A., Sokolov O., Sukharevsky A. (2023) Exploring Opportunities in the Generative AI Value Chain, McKinsey, https://www.mckinsey.com/capabilities/quantumblack/our-insights/exploring-opportunities-in-the-generative-ai-value-chain, access date: 10.08.2023. [17] Hoffman R. (2023), Impromptu: Amplifying Our Humanity through AI, Dallepedia. [18] Hussien A., Rahma A., Wahab A. (2021), Recommendation Systems for E-commerce Systems: An Overview, Journal of Physics Conference Series, Vol. 1897, No. 1, art. 012024. [19] Johnson Panadan A. (2020), Comparative Study of Statistical and Neural Network Language Modelling in Sentence Generation, „International Research Journal of Engineering and Technology”, Vol. 7, No. 7. [20] Kurzweil R. (2006), Singularity is Near. When Humans Transcend Biology, Penguin Books, London. [21] LifeArchitect (2023), Inside Language Models (from GPT-4 to PaLM), https://lifearchitect.ai/models/, access date: 10.08.2023. [22] Lopatovska I. (2019), Overview of the Intelligent Personal Assistants, „Ukrainian Journal on Library and Information Science”, Vol. 3, pp. 72–79. [23] Min B., Ross H., Sulem E., Ben Veyseh A.P., Nguyen T.H., Sainz O., Agirre E., Heinz I., Roth D. (2021), Recent Advances in Natural Language Processing via Large Pre-trained Language Models: A Survey. arXiv:2111.01243v1 [cs.CL]. [24] Pawełoszek I., Korczak J. (2023), Future Manager – Perspective of Human and Artificial Intelligence, Futures, (to be published). [25] Power D.J. (2008), Decision Support Systems: A Historical Overview, [in:] Handbook on Decision Support Systems 1. International Handbooks Information System, Springer, Berlin, Heidelberg, pp. 121–140. [26] Singhal A. (2012), Introducing the Knowledge Graph: Things, not Strings, The Keyword (blog), Google. May 26, https://blog.google/products/search/introducing-knowledge-graph-things-not/, access date: 10.08.2023. [27] Stohr E. A., White N. (1983), User Interfaces for Decision Support Systems: An Overview, NYU Working Paper No. IS-82–63, https://ssrn.com/abstract=1290182 , access date: 10.08.2023. [28] Sushma D., Nalini M. K., Ashok Kumar R. (2023), Generative AI: A Comprehensive Study of Advancements and Application, „International Journal of Scientific Development and Research”, Vol. 8, No. 8, pp. 479–483. [29] Tarus J.K., Niu Z., Mustafa G. (2018), Knowledge-based Recommendation: A Review of Ontology-based Recommender Systems for E-learning, Artificial Intelligence Review, Vol. 50, pp. 21–48. [30] Thoppilan R., De Freitas D., Hall J. (2022), LaMDA: Language Models for Dialog Applications, Computation and Language, Cornell University, New York. [31] Torrey L., Shavlik J. (2010), Transfer Learning, [in:] Handbook of Research on Machine Learning Applications and Trends: Algorithms, Methods, and Techniques, IGI Global, Hershey, pp. 242–264. [32] Vinyals O., Le Q.V. (2015), A Neural Conversational Model, Proceedings of the 31st International Conference on Machine Learning, ICML, Lille. [33] Wang H., Guo B., Zeng Y., Ding Y., Qiu C., Zhang Y., Yao L., Yu Z. (2022). Enabling Harmonious Human-Machine Interaction with Visual-Context Augmented Dialogue System: A Review, arXiv:2207.00782v1 [cs.AI]. [34] Wolfram S. (2023), What Is ChatGPT Doing ... and Why Does It Work?, Stephen Wolfram Writings, http://writings.stephenwolfram.com/2023/02/what-is-chatgpt-doing-and-why-does-it-work, access date: 10.08.2023.
Publikacje z rocznika