Fugu-MT 論文翻訳(概要): Augmenting Organizational Decision-Making with Deep Learning Algorithms: Principles, Promises, and Challenges

論文の概要: Augmenting Organizational Decision-Making with Deep Learning Algorithms: Principles, Promises, and Challenges

arxiv url: http://arxiv.org/abs/2011.02834v1
Date: Mon, 2 Nov 2020 11:05:59 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 12:41:37.265333
Title: Augmenting Organizational Decision-Making with Deep Learning Algorithms: Principles, Promises, and Challenges
Title（参考訳）: ディープラーニングアルゴリズムによる組織的意思決定の強化 - 原則,約束,課題
Authors: Yash Raj Shrestha, Vaibhav Krishna, Georg von Krogh
Abstract要約: ディープラーニング(DL)アルゴリズムの最近の進歩は、組織内の意思決定に利益をもたらす。これには、従業員に情報処理の支援、分析能力の向上、そしておそらくより創造的な仕事への移行を支援することが含まれる。
参考スコア（独自算出の注目度）: 0.21485350418225244
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The current expansion of theory and research on artificial intelligence in management and organization studies has revitalized the theory and research on decision-making in organizations. In particular, recent advances in deep learning (DL) algorithms promise benefits for decision-making within organizations, such as assisting employees with information processing, thereby augment their analytical capabilities and perhaps help their transition to more creative work.
Abstract（参考訳）: 管理と組織研究における人工知能の理論と研究の最近の拡大は、組織における意思決定の理論と研究を活性化させた。特に、最近のディープラーニング(dl)アルゴリズムの進歩は、従業員の情報処理を支援し、分析能力を増強し、より創造的な仕事に移行するのを助けるなど、組織内の意思決定の利点を約束している。

関連論文リスト

Inference-Time Computations for LLM Reasoning and Planning: A Benchmark and Insights [49.42133807824413]
本稿では,大規模言語モデル(LLM)の複雑な課題解決における推論と計画能力について検討する。近年の推論時間技術の発展は,LLM推論を追加訓練なしで向上させる可能性を示している。 OpenAIのo1モデルは、マルチステップ推論と検証の新たな使用を通じて、有望なパフォーマンスを示している。
論文参考訳（メタデータ） (2025-02-18T04:11:29Z)
The Transformative Impact of AI and Deep Learning in Business: A Literature Review [0.0]
本稿では,ビジネスのさまざまな機能領域におけるAIと深層学習の根本的役割を概観する。医療分野、小売業と製造業、農業と農業、財政における材料的応用をカバーしている。
論文参考訳（メタデータ） (2024-10-30T20:35:03Z)
Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文参考訳（メタデータ） (2024-08-17T11:49:53Z)
Artificial Intelligence for Operations Research: Revolutionizing the Operations Research Process [15.471884798655063]
人工知能(AI)技術の急速な進歩により、オペレーティングリサーチ(OR)を含む様々な分野に革命をもたらす新たな機会が開かれた。本稿では,AIのORプロセス(AI4OR)への統合について検討し,その有効性と効率を複数の段階にわたって向上させる。 AIとORの相乗効果は、多くの領域において、大幅な進歩と新しいソリューションを推し進める可能性がある。
論文参考訳（メタデータ） (2024-01-06T15:55:14Z)
A Comprehensive Survey of Artificial Intelligence Techniques for Talent Analytics [46.025337523478825]
タレント分析は人的資源管理に応用されたデータ科学において有望な分野として現れてきた。ビッグデータと人工知能技術の最近の発展は、人的資源管理に革命をもたらした。
論文参考訳（メタデータ） (2023-07-03T07:53:20Z)
Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文参考訳（メタデータ） (2023-01-24T15:25:16Z)
Designing an AI-Driven Talent Intelligence Solution: Exploring Big Data to extend the TOE Framework [0.0]
本研究の目的は、人材管理問題に対処するAI指向のアーティファクトを開発するための新しい要件を特定することである。構造化機械学習技術を用いて実験的な研究を行うための設計科学手法が採用されている。
論文参考訳（メタデータ） (2022-07-25T10:42:50Z)
Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文参考訳（メタデータ） (2022-03-14T17:40:42Z)
Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
論文参考訳（メタデータ） (2021-02-23T08:07:22Z)
Where Responsible AI meets Reality: Practitioner Perspectives on Enablers for shifting Organizational Practices [3.119859292303396]
本稿では,組織文化と構造がAI実践における責任あるイニシアチブの有効性に与える影響を分析するための枠組みについて検討し,提案する。我々は、業界で働く実践者との半構造化質的なインタビューの結果、共通の課題、倫理的緊張、そして責任あるAIイニシアチブのための効果的なイネーブラーについて調査する。
論文参考訳（メタデータ） (2020-06-22T15:57:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。