我是你们的主持人，保罗·利马，bet36亚洲体育的管理合伙人. 从华尔街到五角大楼和数百家财富公司, 我参与了一些有史以来最大的bet36体育注册转型. 我们在这里承诺三件事. 战略视角, 面向决策者的内容和bet36体育注册梦想家可以立即应用的实际问题的实用见解.
欢迎来到 bet36体育注册未来的梦想家指南. 如果预测未来最好的方法就是创造它, 所以让我们让你做好准备. 本播客是为今天的梦想家们制作的，他们的任务是创造. 未来的bet36体育注册体验.
那些听到的人 bet36体育注册未来的梦想家指南 他们有一个不公平的优势，因为他们用手指在手腕上创造未来。. 投资了你的bet36体育注册技能，并获得了长远的眼光, 结合实用的方法，在几分钟内应用所学到的知识. 让我们知道我们是否在帮助你加速你的业务目标. 报名参加我们的项目, 直接在社交媒体上给我发信息或者发邮件到 电子邮件保护饴。
今天我们有机会和洛林·普拉特谈谈， 一位住在科罗拉多州丹佛市的博士. 我很高兴带我们来这个项目，与bet36体育注册营销专业人士交谈, 我们的决策者, 关于GPT聊天世界中正在发生的事情的变革者和梦想家, 人工智能和机器学习. 在这个空间里有这么多的骚动, 很难找到真正负责任和知识渊博的人.
我们今天创造的许多创新. 那些真正重写规则和手册的人. 所以我们请来了一位作家，他就是这么做的。. 事实上，她开发的部分内容被整合到GPT聊天中.
洛里安是Quantelia的首席科学家和联合创始人.
一家提供世界级应用人工智能的公司, 机器学习和人工智能的一个新类别，称为决策智能.
她负责许多bet36亚洲体育和软件解决方案，这些bet36亚洲体育和软件解决方案嵌入到您今天想要使用的许多技术平台中，或者您今天在Chad GPT中使用的技术平台中.
洛里安是有史以来第一本关于决策智能的书的作者. 事实上，她真的创造了这个名字. 标题是“链接”, 决策智能如何将数据行动和结果联系起来，创造一个更美好的世界, 决策智能如何将行动和数据结果联系起来，创造一个更美好的世界). 今年7月, 洛里安即将出版她的第二本书, 叫做《bet36体育注册》.
我们在开发机器学习模型方面有超过40年的经验, 他们的一些工作被整合到你今天可能使用的一些顶级应用程序中。, 像GPT聊天. 她曾在两次TED演讲中亮相，并经常在国家广播电台发表演讲。, 电视, 讲座和网络研讨会.
我很高兴洛林在节目中. 那就欢迎你，洛林.
你好,保罗. 很荣幸来到这里. 首先, 我想问一下你们40年提供机器学习模型的经验. 我认为公众认识到这一点很重要, 带一个学者是一回事, 另一种是带一个真正在路上的人来, 战壕里, 提供人工智能, 机器学习, 这些非常强大的机器学习模型, 在一个部门.
跟我说说你的经历吧.
精灵: "谢谢你，保罗. 这是一段非常美妙的旅程, 最初, 我是一个学者，我的动机是发表文章，而不是获得资助。, 除了向新的方向发展一项技术.
“但一直让我感兴趣的是转移的问题. 我们是如何使用我们拥有的一套很棒的工具的, 是会, 机器学习或bet36体育注册双胞胎, 以及我们如何利用它来实现业务成果?
或者解决我们面临的一些重大问题，比如气候和贫困. 这样的, 我的旅程始于学术界, 这个想法只是扩大现有的研究. 然后, 我做了几年的市场分析师，意识到研究并没有真正到达决策者手中. 有几个用例, 机器学习的营销和广告, 但世界各地的领导层都非常需要基于证据或更有组织的决策。, 这根本没有发生。. 这就是决策智能产生的地方. 还有其他的姐妹. 很好".
保罗: 我有机会听了你的一些演讲，我非常喜欢你讲故事的方式之一就是你找到了一种方法，把你母亲的故事和鲍威的故事结合起来。, 你的狗.
事实上, 我想说的是，有一些计算机科学博士可以帮助你理解事实和, 然后, 他们是讲故事的人.
我认为这是你拥有的超能力之一。, 我希望今天能听到一些这样的故事。. 我记得你告诉我们一些关于你的工作，你把这些技术应用到各种各样的应用中。, 但有一个特别引起了我的注意。, 人类基因组计划是什么. 你能告诉我们一些你在这个项目中的经验吗?
精灵: “当然，多亏了人类基因组计划。. 我是在研究生阶段获得资助的, 那是一个非常激动人心的时刻。, 因为我们取的是基于DNA的配对序列, 你知道, o a c t g g g g, 不管是什么, 我们试图了解他们的新事物。. 特别是, 有一种DNA，你可能听说过，是一种垃圾DNA，没有任何目的。.
"这样的, 问题是，DNA的哪一部分会产生蓝眼睛, 你知道, 一定大小的耳朵? DNA的哪一部分是最古老的，没有被激活? 事实证明，你可以用机器学习来解决这个问题。. 这实际上代表了很多机器学习问题，你有这么大的数据集。.
"好吧? 在这种情况下，它只是一个c, c, c, c，发生了十亿个字母. 好吧? 有些人做了非常努力的工作，他们说, 这就是垃圾DNA开始的地方, 那ACTG, 这就是垃圾DNA的终点。, 它是，它是，它是.
"好吧? 但是这个模式是什么? 人们试图编写计算机软件来解决这个问题。. 也许是当有两个Ts和五个Gs的时候，等等。. 好吧?
事实证明，机器学习在这方面比编写软件的人更好。. 对于那些不知道机器学习是什么的观众来说, 机器学习的简单定义是, 而不是用if thens等编写JavaScript代码来创建软件.，你编写软件，给计算机输入和输出的例子. 这就是我们在人类基因组计划和其他许多项目中所做的。. 我们说，“这就是我们所知道的垃圾DNA的地方。.
“你能弄清楚是什么模式启动和中断了这些垃圾DNA序列吗?”? 这是我多年来做的数百个项目的模式，在这些项目中，我们不知道如何编写软件或类似的东西。. 但是我们有输入和输出的例子, 你把它交给一个机器学习系统，它会想出如何从一个输出开始。. 这是非常强大的，40年来一直如此。”.
保罗: 好吧, 这是我的评论之一。, 我在上一集讲过, 基本上, 如果你把计算这个词放在任何学科之前，我在上一集做了评论.
有这样的应用程序. 计算政治，计算伦理. 这不仅仅是计算物理或计算金融. 2001年左右，我在研究生院上了一节课，叫做计算金融。.
但当你开始应用计算创造力的力量时, 计算伦理, 计算策略, 计算, 输入学科名称, 通常有机会使用大数据集和机器学习. 据我所知, 他的经验更多的是在许多不同的行业工作, 我们说, 独家在. 好吧? 那, 关于把计算这个词放在几乎任何学术学科的前面，我想补充什么呢?
精灵: “我认为你完全正确。. 我认为我们看到了很多组织，我们可以称之为bet36体育注册转型之旅。, 其中机器学习是前进的一步. 所以一开始，没有什么是bet36体育注册化的. 所以他们决定他们有一些数据可以被捕获和跟踪。.
E, 几年后, 跟踪一些数据后, 他们说，“也许这些历史数据有一些价值，如果我们用它们建立一个机器学习模型。. 那, 我认为最常见的例子是我们有客户退出的历史数据。. 这可能是最广泛使用的机器学习例子。, 周转意味着我们失去了一个转录计划或电信客户。. 我们有这些历史数据显示了客户的所有这些特征。, 他们呼叫呼叫中心的频率和其他行为特征.
“我们可以用它来创建一个机器学习模型，预测员工流动率。?
"好吧? E, 所以, 这个模式, 在bet36体育注册转型之旅中, 组织意识到他们有这么大的数据集，这个数据集代表了这些历史输入和输出, 然后, 为一个系统提供动力，自动为他们创建软件. 离职只是一个例子. 客户终身价值是另一个你可以使用的.
“干预的概率是多少?? 如果我拿起电话给他们打电话，他们不会离开我的? 或者我应该给他们发一个直接邮件活动? 所有这些都是您可以使用这些历史数据的例子.
“自动构建软件，帮助做出预测. 现在，在许多领域，这些预测比人类的预测要好。. 我们看到机器学习达到了人类无法达到的精确度，因为它能探测到非常微妙的信号。. 例如, 在离职的情况下, 我们在其中一个案例中发现，我们的客户最有可能是这个邮政编码，因为他们收到了一个直接邮件活动。, 但前提是他们是女性, 家庭户主, 30岁以下，至少有一个孩子. 好吧?
"E, 你知道, 仅仅观察一百万行数据是不可能达到这个非常复杂的模式的。. 好吧? 但机器学习可以满足这种模式，而且非常非常普遍。”.
保罗: 这个例子让我想起了啤酒和尿布的历史。.
我记得我向柯克·伯恩学习，我非常喜欢他。. 他是个了不起的人.
柯克讲了一个故事. 他谈到了去便利店的男人之间的关系。, 通常是下班后, 停下来买尿布. 他们购买的与尿布相关性最高的产品是啤酒. 如果你只看数据，你就无法做出这种关联。.
但是是什么隐藏因素造成了啤酒和尿布之间的相关性? 而且，你知道，家里有小孩的人都知道他是一个哭闹的婴儿。. 数据中没有的其他外部因素是什么? 如果你不在这里，请举手. 不是?
这样的, 在你给出的关于离职的例子中, 可能是竞争对手为这个特定的细分市场提供了一个非常有趣的优惠，关于为你的孩子免费获得手机的可能性, 好吧? 因为你说有孩子的女人就足够了. 你不会知道它不在你的数据集中. 这些微小的微妙之处有时会以数据本身没有机会揭示的方式发现影响因素。.
它只提供输出.
精灵: “嗯，这是一个很好的观点。. 我很喜欢你提到这个, 保罗, 因为它说明了我认为机器学习目前的方向偏差之一。. 它在某些用例中非常成功, 从这些数据集自动创建软件, 你, 像场, 并没有真正参与这些因果关系, 就像你刚才描述的那个, 这不在数据中.
我发现的是, 当我帮助组织在复杂的环境中做出高影响的决策时, 这个决策的大部分元素不在任何数据集中, 但它存在于人类的头脑中。. 人类对世界如何运作有一种机械的和因果的理解. 我们知道哭泣的婴儿会让你想买啤酒. 好吧?
“但目前还没有数据集。. E, 你知道, 机器学习的有趣之处在于，数据是如此成功，以至于我们有了一种隧道视图。. 如果不在数据中, 那就和我们的决定无关了, 这就是为什么我在2009年发明了决策智能学科。, 正是因为你刚才说的:机器学习只有在数据中有信息的情况下才有用。, 我们忽视了人类对世界如何运作的理解。. 所以, 决策智能是关于从不同的人群中获得最佳信息.
“你知道，你所做决定的结构是什么?”? 我们一会儿就可以多说一些了。. 在你了解了决策的结构之后. 可能有一些机器学习模型适合这个决定.
但它真的把一切都颠倒了. 我们不是从数据开始. 我们从一个特定职位的人开始，他试图取得一些商业成果, 然后, 它能执行什么动作. 让我们确保我们了解尿布和啤酒以及它们是如何搭配的. 然后我们可以寻找一些数据集来告诉你这一点。”.
保罗: 本播客主要针对那些负责客户期的人. 在上一节课中，我基本上讲了数据成熟度模型是如何工作的. 它从简单的收集开始，这是一种诊断. 然后, 是描述性的还是我们得到了一些因果关系, 也许在一个非常普遍的层面上, 然后它是可预测的.
E, 最后, 我们涂在上面的皱纹是认知的。, 这意味着机器可以帮助我们后退一步，收集更多的数据，收集更多的诊断和因果关系。, 计算方程和, 为自己的利益, 开始用认知或计算能力解决问题. 所以, 我想说的是, 在每一个阶段, 在组织中出现了一些症状.
一开始是，“嘿，我们没有数据。”. 所以在描述中，我们只是捕捉数据. 在诊断中，我喜欢用的一句话是标题胜过数据。. 这意味着HIPAA, 房间里收入最高的人的意见, 总是在做决定.
这些高级管理人员，他们已经做了很长时间了。. 你可能会听到, oh, 我不相信数据，或者数据并不能真正容纳所有的细微差别, 我在我的职业生涯中捕捉到了这一点, 你知道, 一个一线主管或者别的什么, 但我听到的，这就是我想说的, 我在决策智能方面听到的是，你创造了一门既能适应直觉又能适应数据的学科。, 好吧, 并发展决策智能. 好吧? 那, 你怎么说它能够体现人类的维度, 以及数据带来的东西, 在决策智能方面?
精灵: “我现在要讲这只狗的故事来回答这个问题。. 所以，我的狗，我训练它. 好吧? 他生活在一个我们称之为先行和后行行为的世界里。. 前提是他在厨房，我让他坐下。.
"他做了行为. 这是最糟糕的部分. 他坐下. 结果就是得到一块饼干. 好吧? 这是问题的c部分. 事实证明，河马和其他人类也生活在一个前后行为的世界里。.
在决策智能方面, 我们使用稍微不同的语言, 更商业化一点, 什么是上下文, 行动与结果.
“当我们开始在这个结构中绘制领导者的决策图景，并捕捉他们当时的想法时，我们就会, 那个在想象的政治家, 好吧, 如果我这么做, 这会导致这个, 这会导致这个. 他在想这件事, 如果我们把它从他的脑海中取出来，画出它的图像。, 然后我们邀请其他人来合作这个图像。. 我们在做决定方面变得更聪明了, 那, 我们可以开始引入一些使用电脑的技术，而不是试图想象我是否, 你知道, 投资这个NPS活动或添加这个新产品功能, 或者是这个新的人口群体的市场, 产品经理或市场领导者可能做出的所有决定, 而不是让它在你的耳朵之间无形地发生.
“让我们把它放在一个图表上，并邀请其他人合作。, 其中一个合作伙伴也是人工智能。. 那, 这就是我们如何在他们的现实之间架起桥梁, 好吧, 你是, 你知道, 人类是如何思考的, 我的狗是这么想的. 甚至是人工智能，当我们询问他们的行为和背景的后果时。.
保罗: 你有一个很好的方法来简化事情. 所以，用一个词，一句话，什么是决策智能?
为什么世界需要一门新的学科, 我说, 人工智能内部, DI的纪律? 这是什么??
精灵: “这是关于利用这一巨大的技术堆栈，并根据你的业务结果和行动进行调整。”.
保罗: 一个很好的方法就是谈谈因果关系图。, 因为我们之前在绿色房间里讨论过这个问题。.
如果我们真的考虑所有这些模型和时刻的结果，高管们可以用来做决定。, 有各种各样的机会使用机器学习。, 比如计量经济学模型和各种其他资源. 但我想的是，这可能是一个模型中的模型。.
好吧? 这实际上会在最高层次上构建决策. 你说, 好吧, oh, 我们已经用过了, 在市场营销领域，我们已经用一门叫做设计思维的学科做了很多这样的事情。.
那么决策智能是如何工作的呢?? 这个模型的结果会是什么? 以及当你开始解决营销问题或客户体验问题时，它如何适应设计思维? 我们应该如何考虑在这个工作和工作流程中包含决策智能?
精灵: "那, 如果我们认为设计思维是从终端用户开始的，并真正理解他们的现实和环境, 所以决策智能就是设计思维, 它是一种设计思维方法和技术，可以让你更好地处理数据和人工智能. 我认为我们可以把DI看作是设计思维的一个子集。.
“当我们心中有这些具体的目标时, 当我们想要更多的证据驱动或数据驱动时, 专门针对新的用例. 让我们明确一点:广告的机器学习:解决了. 好吧?
“有很多用例已经完全准备好了. 但是如果您有一个没有供应商可以解决的新用例, 你认为你可以从更好的数据中得到什么, 可以由人工智能通知吗. 关键是，人工智能的使用有ROI。. 那, 如果你有任何你想要实现的交易结果, 这就是因果决策图的设计所在。.
“我不知道是否有人足够大. 但, 你知道, 美国宇航局发明甘特图是因为阿波罗任务的复杂性太大了，人们无法在头脑中记住每个任务中宇航员的所有任务。. 但在GAN图表之前，人们会以一种非常非正式的方式来做。. 没有标准化的方式说我们要这么做，这是一个盒子。, 我们要这样做，这是一个盒子。, 这两者之间有一个开始和结束的依赖关系。.
所以他们发明了甘特鲨. 因果决策图对于复杂环境中的决策具有相同的目的。. 我们相当于大量的图表。. 我们试图把所有这些复杂的选择都记在脑子里。, 很久以前, 在许多组织中, 我们到达了一个复杂的天花板, 这就是我们讨论的原因, 这就是为什么会有这么大的紧张.
我们假装我们可以把所有这些决定的部分都记在脑子里. 我的意思是, 想象一下，如果我们建造一座没有植物的摩天大楼, 每当人类进入一个复杂的新学科时，都会发生同样的事情。, 我们使用了某种视觉隐喻。. 我们使用设计. 事实并非如此?
设计通常是一个事物的图表，它与真实事物有一定程度的保真度。. 我们以前从未设计过决策. 现在我们可以. 所以, 这是CDD, 作为决策的设计，或者作为复杂环境中决策的甘特图。”.
保罗: 那, 这个因果决策图是, 对很多人来说, 可以是新的, 我想我们有客户旅程的地图。. 在一般情况下, 这些是我们可以在以客户为中心的设计思维研讨会中得到的结果. 我们还有两点业务流程建模符号o. 在利马，这是一个咨询组织，我们通常使用一种叫做Signavio的工具。.
要记录下来. 你们中的许多人可能会使用像Visio甚至PowerPoint这样的工具来绘制带有条纹和小钻石的地图，代表一个决定。. 这和CDD或因果决策图有什么区别?
精灵: “好问题. 如果你的观众出去喝咖啡了怎么办, 现在是拿起咖啡喝的时候了, 因为这是a)有点复杂的理解b)现在世界上最重要的事情之一, 因为如果没有这种理解, 我们不会解决复杂的决策. 我要打个比方。. 想想为产品定价的决定之间的区别.
“以及你在电脑系统中执行这个价格的过程。.
这两件事都很重要. 好吧? 例如，如果我们收取10美元. 好吧, 我们用什么思维过程来决定一个产品的价格是10美元还是5美元?
“或者像其他事情一样，你知道，为产品添加一个新功能. 好吧? 好吧, 我们采用的思维过程是，如果我们向特定的受众收费并进行营销。. 我们会有一定数量的人购买它, 这将转化为一定的收入.
“我们想象会自动发生一连串的事件。, 这是关键字, 这种选择的自动后果是收取大约10美元. 这是我们无法控制的.
在业务流程图中, 盒子代表我们做的事情, 如何打开网站, 转到列出价格的页面, 打电话给我们的销售代表，告诉他们价格变了. 这些是活动. 好吧? 盒子只是一个接一个发生的活动。. 在因果决策图中，方框不是活动. 人们总是忍不住认为他们是. 它们是你行为的后果. 好吧?
“因此，这一系列事件是由收取价格的决定引发的. 所以, 如果我是一名政府官员，正在制定一项政策, 你知道, 对农业企业的一些补贴, 我不会分析这些活动. 我不会绘制这家公司的活动地图. 相反，我正在定义一个策略，我如何决定我应该定义哪个策略? 我想知道这对经济会有什么影响，或者对我无法控制的特定行业会有什么影响。.
"好吧? 这里的重点是一个因果决策图，你可以在屏幕上看到。. 在左边，你可以控制一些东西. 然后, 当它从左流向右, 你得到的事情是你控制的事情的结果, 这些行为的后果. 就像我的狗鲍伊一样?
“他采取了一种态度，失去了控制，现在就得到了一块饼干。. 生意, 这是一个比对行为的反应更长的因果链, 但这是同样的事情。”.
保罗: 我喜欢这个，对吧? 因为我们有, 你知道, 这指的是ABC, 我们有这些输入或背景, 这个上下文工具环境，我们正在处理.
它是高度动态的. 也许这就是左边栏里的内容。. 然后, 我们有这些行为, 你是, 事实上, 决策过程中发生的细微差别. 然后，你知道，我们有这些结果和后果。.
所以，这些盒子都在里面，尤其是紫色和绿色的区域。? 这些都是后果? 或者其中一些实际上代表了决策过程正在进行的时刻?
精灵: “好问题. 黄色的是股票. 在左边, 左下角的玫瑰是外面的, 作为上下文的正式词. 你无法改变的事情，但你可以做出假设，你知道. 你可以假设你的竞争对手的收费永远不会超过12美元.
"好吧? 我无法控制它，但我可以对我的外部环境做出假设。. 右边绿色的东西是结果。. 中间的一切都是一种复杂的世界地图。, 有时, 有反馈循环, 是什么让一切变得如此复杂.
所以你真的需要一个图表来理解它。. 它是这些行为如何在外部元素的背景下导致一系列事件的映射, 最终的结果, 导致结果”.
保罗: 那, 如果我是一个组织，我正在考虑使用机器学习, 经济计量模型, 人工智能, 链a I. 当我读你的书时，我喜欢这些cd的原因是它们代表了模型中的模型. 好吧? 那, 如果我有, 例如, "ah, 但我们想在这里, 例如, 提高我们的内容速度”.
这将帮助我们进行定制.
E, 在这, 我们将使用机器学习，也许还有联合分析，或者一些繁忙的技术来进行定制。.
但在此之前和之后，还有其他模型和其他数据集正在被使用。. 那, CDD如何帮助我们获得所有模型和技术点的图像, 机器学习和数学可以帮助我们?
精灵: “首先，, 我认为关于CDD最重要的一点是它来自人类的大脑，因为, 正如我们一开始所说的, 我们通常无法从某些数据集中得到这种类型的图表。.
“那么，这如何帮助我们理解如何使用这些模型呢?? DI说我们先把数据放在房间外面. 把人工智能放在房间外面，因为你不想一直在人工智能数据或灯柱下面寻找解决方案.
"好吧? 你应该通过决策者的镜头和他们关心的业务结果来寻找解决方案. 我们所做的是通过一个过程，在这个过程中，我们以一种协作的方式设计它。, 然后, 我们重复，直到满意为止. 画完所有的线后，我们分析每一条线和一些外部元素.
我们问:有没有一组数据可以作为这方面的基础?? 有一项研究可以说明这一点? 有一个计量经济学模型? 因此，在这种情况下，这是一个由工厂经理做出的决定.
当他必须进入房间的时候. 你的一个选择是你可以让每个人都戴上面具. 好吧, 也许我们有一个机器学习模型或研究，告诉你需要在你的设施中有多少标志，让人们戴上口罩。? 你在市场营销上的投资有什么关系, 口罩的使用和人们对口罩的有效使用?
这是由上下文介导的, 因为如果他在城市里, 你会得到很多遵从性. 如果他在另一个城市，就会有较少的依从性或国家. 好吧? 所以, 它是在特定地理区域的背景下做出决定的, 是什么导致了数学一致性.
这就是计量经济学模型、研究研究、机器学习模型或其他各种东西的机会。. 那, 我们首先创造这些东西, 我们把数据停在房间里, 然后, 我们一次只看一部分，然后说，“好吧。, 我在哪里用技术来通知这个链接".
保罗: 就像伟大的设计思维, 从客户开始, 设计思维的第一部分是设身处地为客户着想，表现出同理心。.
好吧? 我认为, 在这种情况下, 如果我是一名即将到期的高级管理人员, 利用计算创造力, 生成人工智能等等. 因果图在我的旅程中从哪里开始? 我应该在实习开始的时候做或者是在实习结束的时候做的事情，这很常见.
好吧? 这是在最后的设计思维研讨会上做的事情, 之前, 你会对高级主管说什么?
精灵: "好了, 我想说的是，你能做的最不具同理心的事情就是走进房间，向他展示你的数据。. 然而, 我已经看到这种情况在大多数情况下发生在高级管理人员想要使用更多数据的时候。. 他想用更多的证据.
“嗯，他在做什么? 它邀请数据给房间里的机器学习人员, 他们开始展示他们的数据. 这是完全错误的. 不要这样做. 不要这样做.
所以, 一开始把数据放在房间外面，因为, 当我们开始谈论数据的时候, 你会融化人们的大脑，假设他们能理解你在说什么. 你会用他们几乎所有的认知能力来理解你在说什么. 好吧? 它们很可能会关闭。. 好吧?
"因为你不会说他们的语言". 如果你是数据专家, 技术专家或顾问, 需要了解人们所在的地方. 我从一年的采访中学到的是，在这一切开始的时候以及接下来的15年里，高管们被鼓励去取得成果。, 所以, 你和他们谈谈是什么激励着他们, 你的战略目标是什么，并在它们所在的地方找到它们. 他们每天都在考虑他们将要采取的行动。.
"等等，等等, 这是一种通用的语言，你可以用它来同情别人。. 我在几十个不同的问题领域使用了它。. 就像我的狗会说这种语言一样，它是如此普遍，以至于动物也会这样做。. 好吧?
“从一个问题领域到另一个问题领域也是普遍的. 所以, 我不知道我现在正在做一个红薯农业项目. 我真的不考虑种植红薯. 但我可以成为一个有效的顾问，因为我坐在红薯种植者旁边，我想，“好吧，这是一个很好的建议。, 你想要达到什么目标?
“今年，两年后，等等。.? 他们说，“哦，你在乎我的目标吗?. 谢谢你. 这是一个美妙的时刻, 因为我不只是问, 但我把它们画在地图上, 所以他们不需要再想它了。.
"那, 就好像房间里有片刻的放松, 因为所有的努力都是为了让人们保持一个非常复杂的愿景。, 你知道, 我所有的目标在哪里, 我的短期目标, 我的短期目标, 他们把这个记在脑子里. 他们没有办法绘制地图，所以我说，“好吧，有什么行动?? 你所经历的是一件美妙的事情.
“只有当你画出地图并同意它时，数据才能进入房间。, 因为, 否则, 你的员工无法正确思考, 不管你是否有同理心. 这只是认知负荷的问题。. 你负担过重了。”.
保罗: 哇. 我是说，在这个领域有多年的经验.
我的意思是, 这实际上展示了我们从陷阱中学到的一些经验。, 这是我的下一个问题. 所以，你已经很好地预见到了她。. 所以, 如果我是一名高级管理人员，正在考虑一种新的bet36体育注册体验, 全新的客户体验, 我在考虑忠诚. 我在考虑如何最好地利用我的数据.
我正在考虑加快我的内容速度，制作更多的内容，以支持更多定制的雄心.
我的入口坡道是什么? 如果我们想利用数学，首先要做的是什么??
并利用他们所有的功能，你知道，GPT聊天等等. 我们要做的第一件事是什么?
精灵: "好了, 你应该做的第一件事, 不管你是否使用任何技术, 就是和你的团队坐在一起，清楚地知道每个人都要负责的可衡量的结果. 好吧?
“确保你与12个月后衡量净资本支出EBITDA的事实一致，我们的目标是它增长2%. 在不影响我们24个月后净资本支出EBITDA的情况下，这需要增长5%. 它需要是如此清晰和可衡量，你愿意在它上下注，并知道谁赢了赌注. 好吧?
“只要有这种纪律，然后重新审视结果。, 因为世界在变化，目标也在变化, 简单地与你的团队重新联系，了解每个人都想要达到的结果. 人们每天是如何做出一万多个决定的, 我保证只有一小部分人会被技术告知. 或由决策情报和, 所以, 简单地说，对你想要达到的目标有一个清晰清晰的对齐是非常重要的, 在我的世界里, 如此罕见. 好像每个人都认为我们都知道我们要去哪里。. 我走进这些团队，我说，让我们谈谈结果。. 我用了我从陷阱中学到的一课, 因为我认为人们已经同意了。.
“最近，你知道，15年来，他们从未与之一致。. 也许他们三个月前就在一起了, 但他们已经偏离了方向, 这只是对我们想要实现的目标的验证和调整。. 你知道，把它写下来. 好吧?
“我把它们画在小盒子里，但你可以随意做。. 然后在股票周围画一条线. 什么是权威? 你有哪些选择??
我们可以为这个产品选择一个价格，以及它的限制是什么? 可能在2到12美元之间. 你知道，我们对管理有一些要求. Mapeie他们.
把这些信息写下来. 确保每个人都同意. 是你的行为吗. 然后就这些行为如何与结果相关联达成一致.
那, 这就是事情变得有点复杂的地方。, 当你休息并做出改变时. 你不需要读我的书就能做到. 你只需要听这个播客的最后60秒.
书中详细地讨论了这个问题，对吧?? 我在课程中教授一些最佳实践, 但你可以从过去的60秒走很长的路.
保罗: 是啊. 那, 看来我们想要使用的工具之一就是平衡计分卡, 这有助于我们找出原因, 好吧?
它会分解. 我将在本播客的第一集讲一点. 也许下一个我听到你描述的是因果图。. 这可能会发现什么?
影响和决策是什么, 后果是什么?, 有什么活动和, 然后, 当我们有了因果图并了解了我们想要做什么时，我们就安排了设计思维研讨会, 好吧? 然后我们就可以弄清楚，什么是设计思维工作坊. 因此，设计思维工作坊的结果可能是一个bet36亚洲体育设计项目. 可以是客户旅程的地图吗.
随后, 它甚至可以是业务流程建模符号流程图. 但似乎因果图应该是设计思维研讨会的输入, 如果我理解的话.
精灵: “我认为这对双方都适用。. 因为决策发生在特定的业务流程中.
所以, 您可以从业务流程模型开始, 如果你已经有一个, 我可以说, 对于业务流程的每个步骤, 里面有一些决定? 好吧? 或者你可以从因果图开始, 进入下一个层次，说, ok, 这些是我们正在做的决定, 所以我们可能需要采取一些步骤来执行这个决定。. 事实上，我已经看到了这两种情况的发生。.
“它们非常互补. 好吧? 因为, 再来一次, 业务流程建模处理要遵循的步骤，决策处理为什么要遵循每个步骤, 因为这将使我们能够实现某些目标。”.
保罗: 是啊, 这似乎是可变的, 取决于您已经拥有的输入和组织中过程的成熟度.
现实已经这样做了19年. 我想说的是，大多数时候，在市场营销领域，在客户体验领域。. 如果有进程映射，它们是旧的. 他们来自网站和bet36体育注册体验的前两代. 它们不是最新的. 我认为这很难. 在市场营销和客户体验方面，不像在工厂和改装中，有流程图来了解ABB的机器将如何使汽车下线. 它是如此的动态, 在大多数情况下, 我没有看到流程图已经准备好了. 这个类.
精灵: "我认为, 如果目标是作为合作者与数据和人工智能更紧密地合作, 我们需要有纪律来准确地做出这些决定，并保持它们的更新. 这正是数据和人工智能对我们的要求:更精确一点。”.
保罗: 所以，我们，每个人都在想如何在GPT 3.3聊天中享受genAI.5, 4.0. 你在做什么与GPT聊天? 以及它是如何影响决策智能的艺术的?
精灵: “好问题. 我认为决策智能是GPT聊天的杀手级应用程序. 我来告诉你为什么. 通过斗牛士应用, 我们的意思是，只有决策智能才能证明它对人类的价值。. 好吧? 那, 我们所做的是记住我们之前拥有的cdd, 用股票, 结果和外部因素?
“我们要求GPT聊天给我们行动、外部和结果的想法. E, 事实上, 我在几年前做的一个项目中测试了GPT聊天, 我们用一个20人的团队创建了整个CDD. 所以在过去的几周里，我说，“嘿，GPT聊天，有一些动作我们没有想到。? 他展示了很多这20个人从未想过的动作。. 然后他说，嘿，你有没有想过这些意想不到的后果??
“为什么我修改了GPT聊天, 不只是为了正常的聊天, 但我也教他如何做CDD诱导聊天. 所以他知道行动，结果和后果，他知道CDDs，对吧? E, 这样的, 他提出了一系列这个团队没有想到的意外后果。. 简而言之, GPT聊天, 你知道, 我们之前说过的, 因为CDD不在数据中. 我们把它从人类的大脑中取出来。.
"好了, 你只能从房间里的人类大脑中得到它, 但是聊天, GPT从每个人的大脑中提取. 好吧? 因为他出来了，在全世界都在说, 对于那个特定的决定, 如果有一些行为可能不会伤害你，或者有一些意想不到的结果，你可能没有想到. E, 顺便说一下, 这也给了你适合这两者的机器学习模型的想法.
“因此，它是构建cdd的一个非常棒的副驾驶伙伴. 我和GPT谈的时候有一些合同, 这些具体的问题领域, 这样它就可以自动创建dvd作为对话的一部分. 超级，超级酷。”.
保罗: 那, 如果我听到你说的是你在利用GPT聊天来创建因果决策图, 我记得, 在我们的另一次谈话中, 您已经创建了一个API?
我的意思是, 你实际上是在添加一些特性，通过你创建的API与GPT聊天?
精灵: "不. 我建立在GPT聊天的基础上. 所以, 我的东西在叫GPT聊天, 但其他人不能简单地使用GPT聊天和访问我的东西.
如果有意义的话，我在上面分层，而不是在后面。”.
保罗: 是啊. 你说你也在训练. 那, 你告诉我一些你是如何使用组织中的数据集和情报的，以及你是如何整合这些数据集的。?
精灵: “这将变得有点复杂。. 好吧. 假设你有300页关于一个组织的知识和信息, 但这并没有发生, 你知道, 所有的pdf文件, 好吧? 你不能把所有这些都放在GPT聊天中.
“有一种叫做微调的东西，但它并不是很有效. 所以你要做的是使用另一种人工智能技术，叫做语义搜索。. 你把它说的话告诉GPT. 你用它把这500页缩小到最相关的3页。.
“所以你先做这件事. 你在洛莉和普拉特的专门聊天中输入一些东西. 你用它来搜索文档，所以你得到5页，不是500页，而是3页。. 然后你把它发送到GPT聊天.
E, 在后台, 你说:“聊天GPT, 这是别人没有的专业知识, 你当然没有, 因为它来自我的公司内部. 好吧? 求你了, 用这些专业知识来回答我刚才问的问题. 好吧?
“对技术人员来说，这被称为合并和完成。.
“我两天前才把它投入使用，真是太棒了。.
这是两个世界中最好的. 好吧? 是通用知识吗. chat, chat的当前版本，你知道，是在2021年完成的。. 所以他连最近的事都不知道.
“他肯定不知道防火墙后面的任何东西. 好吧? 所以, 这是通用知识和你可以注入的专业知识的最佳结合吗. 写这段代码很有趣. 最近，我有机会再次测试韦斯利的编码器。”.
保罗: 所以,是的. 回到它的根源. 好吧?
我认为这对人们理解GPT聊天的力量非常重要，它存在于每一个字母中:生成, 训练前, 变压器. 在每个算法中.
我听到你说的是，它基本上扩展了P，训练前。. 不仅包括GPT聊天中包含的内容3,3.5、4或亚马逊、谷歌等发布的任何其他型号. 但你在提供它, 通过语义研究和语义资源, 你自己独特的行业或公司特定的信息, 把它们放进模型里, 然后, 利用GPT聊天功能.
精灵: "是啊. 我知道有些人担心这对隐私的影响。. 但是如果你在Azure中使用GPT聊天, 他们有一种方法，或者声称他们有一种方法，不以任何方式将这些信息暴露给更广泛的世界. 因此，有一些版本的GPT聊天可以很好地保护你公司的数据。”.
保罗: "是啊. 如果你不熟悉呢, bet36体育注册脉冲的最后一集, 我们讨论了微软对Open AI的参与以及他们购买的事实, 我相信, 45%. 所以它实际上是Azure和连接，结缔组织和GPT 3.5 ou 4.0太强了. 我认为你提到与微软Azure的连接并不奇怪.
精灵: “两天前我让API工作了.
“这真的很酷. 多酷啊? 这很酷. 是".
保罗: 是啊. 我认为这表明你是一个有远见的人，一个变革的推动者，以及我们如何利用这些工具来解决现代问题。.
那, 我们, 你有一些书, 一些机制和培训, 我想给你们一个机会来谈谈我们如何与你们互动来更好地利用决策智能。.
精灵: “我的课程是: gettingstartedwithdi.和
它是世界上最大的URL. 决策智能的di介绍.
最新的书, 什么是DI手册(DI手册), 这只是一步一步的方法, 包括一些练习.
É o dihandbook.和
它将在一个半月后的7月中旬在奥莱利发布。.
我之前的书，你现在就可以买到，叫做“链接”。
linkthebook.和
这更多地与高水平有关.
就像我妈妈，Reddit，她已经86岁了. 好吧? 所以它被设计得非常实惠. 这是一份很棒的毕业礼物, 因为它提供了技术走向何方的概述，以及它是如何与决策相结合的。”.
保罗: 洛莉，这很有趣. 我想和你做个小练习. 我给你五个词. 我们完成后，你会说出你想到的第一件事.
好吧. 第一个，给我们的创造力插上翅膀，是
设计思想: 必要的
GPT聊天: 大坝炸弹. 她正在改变一切.
决策智能: 21世纪.
鲍伊，你的狗: 我的狗，快乐.
和洛里安·普拉特...
哦，这很好. 我们普拉: 被低估的
保罗: 你知道，洛林，你干这行很久了. E, 事实上, 我认为，任何具有创新精神和变革推动者的人，任何真正为21世纪提出新计划的人，都可能有这种感觉。, 我想很多创新者都有这种感觉。. 所以, 谢谢你所做的工作, 两本书, 关于TED演讲, 网络研讨会和你在《bet36体育注册未来的梦想指南》中与我们一起度过的时间. 这是保罗·利马和我的客人洛林·普拉特. 非常感谢，洛林.
精灵: “谢谢你们，也谢谢你们的听众，感谢你们一直呆到最后。. 我很感激。.
