Алиса (Майкрософт)
 | |
| Разработчик(и) | Исследовательская лаборатория Microsoft — Новая Англия (дочерняя компания Microsoft ) |
|---|---|
| Тип | |
| Веб-сайт | www |
ALICE — это проект искусственного интеллекта , инициированный Microsoft Research, известный как «Автоматическое обучение и интеллект для причинно-следственной связи и экономики». Проект фокусируется на использовании современных методов машинного обучения в сочетании с эконометрикой для улучшения процессов принятия экономических решений. [1]
История
[ редактировать ]Основная цель ALICE — измерение причинно-следственных связей в экономических системах , что имеет решающее значение для принятия обоснованных политических решений. Это предполагает понимание причин движений в сложных экономиках. Проект основан на долгой истории Microsoft по интеграции экономики и информатики , объединяя исследователей из различных областей, таких как социальные науки, искусственный интеллект и машинное обучение . Команда ALICE стремится расширить масштабы адаптации существующих технологий машинного обучения для экономических приложений и разработать новые архитектуры глубокого обучения для причинно-следственных выводов . [1] Их исследования направлены на практические приложения, имеющие отношение к политике, включая оценку спроса, оптимизацию цен, эффективность рекламы, стратегии продаж и разработку стимулов для желаемых результатов в области здравоохранения и образования. Это начинание направлено на демократизацию экономических исследований с использованием ИИ и одновременное продвижение границ ИИ с помощью экономической теории. [2]
Одним из примечательных аспектов проекта ALICE является сотрудничество с TripAdvisor . В тематическом исследовании Microsoft Research и TripAdvisor изучалось использование причинно-следственного искусственного интеллекта для сегментации клиентов. [3] Это партнерство возникло в результате случайной встречи специалистов по обработке данных из обеих организаций, что привело к совместным усилиям по пониманию влияния модели членства на взаимодействие с пользователями. Используя A/B-тестирование , команда ALICE разработала новый статистический метод для измерения прямого влияния членства на вовлеченность. Этот подход, основанный на традиционных методах инструментальных переменных, выявил значительные различия в вовлеченности пользователей в зависимости от используемой платформы и страниц, посещаемых пользователем. [3]
Результатом сотрудничества стала ценная информация для TripAdvisor. Команда ALICE обнаружила, что членство положительно влияет на вовлеченность пользователей, причем среди пользователей наблюдаются значительные различия. Основными факторами этого варианта были платформа, с которой пользователь получил доступ к TripAdvisor, и страницы, которые он посетил до эксперимента. Ключевым нововведением стала разработка основанного на машинном обучении метода оценки гетерогенных причинных эффектов в A/B-тестах с несоблюдением требований, который учитывает сложные различия на индивидуальном уровне как в соблюдении требований, так и в эффекте вмешательства. [3]
Методология была реализована в программном пакете EconML, библиотеке Python с открытым исходным кодом, разработанной командой ALICE. EconML применяет методы машинного обучения для оценки индивидуальных причинно-следственных реакций на основе данных наблюдений или экспериментальных данных. [2]
Главный экономист Элеонора Диллон в настоящее время возглавляет проект ALICE в исследовательской лаборатории Microsoft в Новой Англии. [1]
Ссылки
[ редактировать ]- ^ Jump up to: а б с «Автоматизированное обучение и интеллект для причинно-следственной связи и экономики» . Исследования Майкрософт . Проверено 8 июня 2024 г.
- ^ Jump up to: а б «Проекты» . Исследования Майкрософт . Проверено 8 июня 2024 г.
- ^ Jump up to: а б с «Пример использования Microsoft и TripAdvisor» . Исследования Майкрософт . Проверено 8 июня 2024 г.