因果
黑盒人工智能平台
“我們有許多AI平台產生的預測，但導入皆無效果，也沒有人知道如何解釋。” - 匿名客戶
換用維曙平台: 簡單、快速、有效。
DataFusion
從融合多模態數據中快搜隱含關鍵特徵
真實世界的資料有不同的形式：圖像、文本、時間序列等等，但辨別"何者"為關鍵信號、何者為噪訊，是具高度挑戰性的任務。維曙的資料整備平台 DataFusion，能融合海量、高維、混合模態數據，以仿人類方式使用多重感官進行整合建模，因此確保關鍵信號不會漏失。技術亮點：
-
預處理外部數據源，以增強內部數據資產
-
無需收集訓練集，即可用於建模的合成數據生成
-
用於聯邦學習、可保護隱私的異域數據轉換
Augmenting DEG analysis using preprocessed TCGA, GTex, DepMap data for target identification to expedite drug discovery
Generating realistic part images for object identification and defect detection AI training directly from CAD models.
Reconstructing synthetic brain MRI (right) from the original (left) for federated learning while preserving privacy without loss of anatomical and tumor features
Augmenting DEG analysis using preprocessed TCGA, GTex, DepMap data for target identification to expedite drug discovery
100X
數據增強
10X
加速前處理
極小化
訓練集準備
ModelCraft
Incorporating external indicators (PMI, CPI, Google Trends, etc.) into sales data to generate granular forecasts for better financial, production, and supply-chain planning
Assessing campaign lifts with their response curves for marketing mix, omnichannel, and next best action optimization
Clinical prognosis and early intervention of hospital readmissions to save lives and costs
Incorporating external indicators (PMI, CPI, Google Trends, etc.) into sales data to generate granular forecasts for better financial, production, and supply-chain planning
100%
模型
可解釋性
5X
資料飄移
免疫力
無限量
探索假設
情境
建立具預想與解釋力的因果模型
黑箱模型通常無解釋性且具資料偏見而無法被信任。為了能回答“為何”這問題，ModelCraft能通過自動篩選數百萬假設和 A/B 測試，從數據中發掘因果性。
另外決策常常苦思“假如“這問題，而這正是關聯式預測模型無法運作之處。ModelCraft 能進行預想 - 通過反事實模擬推斷千萬種行動的影響與結果，就如奇異博士在多元宇宙中所做的冥思。技術亮點：
-
從歷史數據生成因果圖
-
關鍵特徵識別
-
響應曲線評估
-
可編輯以融入先驗知識
-
-
情境模擬
ActionWorks
以對未來的預知與相應行動路線做關鍵決策
透過 ModelCraft 預知洞見賦能，再使用可高度客製化的決策增強平台 ActionWorks 回答該“如何做”的問題 - 它包含一系列針對特定領域的應用程序，這些應用程序可基於基礎設施成熟度、資源和預算的限制，提供最佳化行動組合的部署路線圖，以達成立即改善並最大化長期投資回報。技術亮點：
-
隨機優化以處理變異動態系統下的資源配置
-
最佳行動組合和優先順序（例如，營銷組合和全通路行銷）
-
行動時隔與順序（例如，最佳下一步行動）
Fine-tuning media budgets to yield the highest ROI under various constraints
Prescriptive maintenance to maximize ROI that balances costs associated with AIoT, maintenance, yield loss and throughput disruptions.
Fine-tuning media budgets to yield the highest ROI under various constraints
100%
可部署入
工作流程
20%+
投資回報率
提升
< 1 年
投資
回收期
典型的部署時間表
六個月即可上線
0.5個月
問題定義
0.5個月
數據資產審計
2個月
資料準備
2個月
因果建模
1個月
應用
部署
0.5 月
目標與
差距分析
0.5 月
資料
資產盤點
2 月
資料
整備
2 月
因果
建模
1 月
導入
應用