مبانی هوش مصنوعی مقیاس پذیر

یک سیستم هوش مصنوعی مقیاس پذیر به یک پایه قوی نیاز دارد. داده‌ها، مهندسی، پلتفرم‌ها، مدل‌های عملیاتی و حاکمیت باید با هم همگرا شوند تا به صورت یکپارچه عمل کنند. این جلسه از کنفرانس EmTech Future's MIT Technology Review به بررسی این موضوع می‌پردازد که چه چیزی برای ایجاد این پایه در یک محیط بسیار تنظیم‌شده لازم است و چگونه یک پیاده‌سازی مسئولانه و قابل اعتماد می‌تواند قابلیت‌های نوظهور، از جمله سیستم‌های عامل، را به ارزشی پایدار برای سرمایه‌گذاران تبدیل کند.

درباره گوینده

جینگ وانگ، مدیر مرکز هوش مصنوعی و بینش، پیشتاز

جینگ وانگ رهبری مرکز هوش مصنوعی و بینش پیشتاز (CAI) را بر عهده دارد و قابلیت‌های هوش مصنوعی، یادگیری ماشینی، هوش مصنوعی مولد و قابلیت‌های علوم رفتاری را ارتقا می‌دهد. تیم او نوآوری، تحقیق و تحویل در سطح شرکت را هدایت می کند و به Vanguard امکان می دهد فناوری های نوظهور را به راه حل های قابل اعتمادی تبدیل کند که تجارب مشتری را افزایش می دهد، نتایج سرمایه گذاران را بهبود می بخشد و ارزش تجاری قابل اندازه گیری ایجاد می کند.

جینگ قبل از موقعیت فعلی خود در طیف وسیعی از نقش‌های رهبری در بخش‌های خدمات مالی ونگارد، راه‌حل‌های محل کار، خدمات بین‌المللی و خدمات شرکتی خدمت می‌کرد. در طول دوران تصدی خود، او تیم ها و ابتکارات سازمانی را رهبری کرده است که اولویت های استراتژیک را ارتقا داده، نتایج مشتریان را تقویت کرده و عملکرد تجاری را در سراسر شرکت هدایت می کند.

او پس از چندین سال به عنوان مدیر ارشد در گروه مشاوره بوستون در سال 2009 به Vanguard پیوست. جینگ مدرک B.S. در فیزیک از دانشگاه علم و صنعت چین، دکتری. از دانشگاه پنسیلوانیا، و کارشناسی ارشد در امور مالی و بازاریابی از دانشکده تجارت وارتون در دانشگاه پنسیلوانیا. جینگ دارای مجوزهای سری 7، 24 و 65 است.