El de abajo es un AIResumen generado del artículo unique sobre IA causal:
Causal AI es un nuevo campo que combina inteligencia synthetic y causal razonamiento, destinado a proporcionar predicciones y toma de decisiones más precisas. Funciona mediante la comprensión de las relaciones subyacentes entre las variables en datoscomparable a cómo los humanos usan causal razonamiento para comprender el mundo. Actualmente, se usa comercialmente en industrias como la atención médica, las finanzas y el advertising and marketing, pero principalmente con fines de investigación académica. Empresas como Google y microsoft se están asociando con otras organizaciones para desarrollar sus causal AI sistemas La implementación completa de causal AI sistemas en las empresas se espera que ocurra en los próximos años.
Causal AI es un tipo de inteligencia synthetic que se enfoca en identificar y analizar causal relaciones, a diferencia de otras AI técnicas como el aprendizaje automático y el aprendizaje profundo que se centran en encontrar patrones en datos. Causal AI utiliza un objetivo y causal enfoque para hacer predicciones y decisiones basadas en una comprensión matizada de las relaciones entre las variables. Varias grandes empresas tecnológicas, incluidas microsoftAmazon y Google, han invertido en causal AI, que tiene el potencial de beneficiar a las empresas en varios sectores, como advertising and marketing, finanzas, operaciones y gestión de riesgos. En advertising and marketing, causal AI puede ayudar a las empresas a comprender mejor a los clientes y orientar los esfuerzos de advertising and marketing de manera más eficaz. En finanzas, puede ayudar a las instituciones a tomar decisiones de inversión informadas. En operaciones, puede ayudar a optimizar procesos y mejorar la eficiencia, y en gestión de riesgos y detección de fraudes, puede ayudar a mitigar riesgos y proteger operaciones y ganancias.
Causal AI se basa en correlación y causalidad para operar. Los sistemas de aprendizaje profundo actuales se centran principalmente en maximizar la precisión predictiva en lugar de explorar causa y efecto relaciones Esto conduce a la fragilidad de las predicciones, ya que las correlaciones siguen siendo válidas solo si el datos proceso de generación sigue siendo el mismo. Intervenir en el mundo para lograr objetivos, cambiar datos procesos de generación y evaluación causal modela con precisión todos los desafíos actuales para las empresas y organizaciones en la implementación causal AI. El uso de causal AI está cambiando como resultado de la creciente demanda de AI sistemas que sean explicables, seguros y justos. La legislación entrante requerirá que las empresas proporcionen informes de explicabilidad y garanticen la participación humana en AI procesos.
Causal AI es una solución en la period de lo explicable, seguro y justo AI porque proporciona una comprensión más transparente de la toma de decisiones al establecer causa y efecto relaciones entre variables. Scale back el riesgo de consecuencias no deseadas y asegura AI los sistemas son seguros de usar e imparciales. en sanidad, causal AIEl análisis contrafactual facilitado se utiliza para el diagnóstico médico y se ha mostrado prometedor en el diagnóstico de enfermedades infantiles y en la prevención de que las mujeres en la India rural eviten los hospitales. En finanzas, causal AI revoluciona el análisis de inversiones al proporcionar una comprensión más completa de las relaciones entre variables, lo que permite a los administradores de cartera generar alfa. Generativo AI y causal AI están relacionados en que ambos se pueden utilizar para generar nuevos datos o hacer predicciones, pero generativo AI genera nuevo datos basado en existente datos patrones, mientras causal AI se centra en la comprensión de las relaciones que influyen en la datos siendo analizado. El futuro de causal AI Se espera que sea prometedor con un mercado de rápido crecimiento y una adopción generalizada en varias industrias.
Causal AI es un mercado en crecimiento con diversos jugadores, incluidos gigantes tecnológicos establecidos como Google AI y Microsoft y nuevas empresas innovadoras como CausaLens y Causalidad Enlace. Google AI ha usado causal AI para publicidad en línea y atención médica, mientras que Microsoft ha desarrollado DoWhy, una biblioteca Python de código abierto para causal inferencia. El Instituto Alan Turing está investigando activamente el tema de causal AI y colaborando con organizaciones para aplicar sus hallazgos a los desafíos del mundo actual. CausaLens proporciona herramientas y algoritmos para causal inferencia y ha trabajado con varias industrias, incluidas la atención médica y las finanzas. Causalidad Hyperlink es un jugador en el desarrollo de causal AI con su AI-plataforma de investigación impulsada que proporciona a los clientes información basada en causa y efecto relaciones entre los indicadores de mercado y los factores de rendimiento de la empresa.
Lea el artículo unique de 20 minutos aquí.
El cargo Cómo la IA causal está remodelando el mundo apareció por primera vez en floq de datos.
