Investigación destacada
ConTextTab: un alumno tabular en contexto y semánticamente consciente
Aprovechando las incorporaciones de LLM, ConTextTab integra correctamente la semántica desde las funciones de tabla dentro de la predicción tabular, mostrando datos con alto contenido semántico, por ejemplo texto libre o categorías descriptivas.
RELATE: un codificador perceptor independiente del esquema para gráficos relacionales multimodales
Presentamos RELATE (Relational Encoder for Latent Aggregation of Typed Entities), un codificador con características de plug-and-play e independiente del esquema que se puede utilizar para cualquier propósito general de GNN.
Los modelos básicos para datos tabulares dentro de contextos sistémicos necesitan cimientos
Proponemos modelos de base para tablas semánticamente vinculadas (FMSLT) que mejoran la comprensión de los datos empresariales estructurados. Las tablas empresariales están interconectadas a través de la lógica operativa y las relaciones semánticas que definen cómo operan las empresas. Reconocer y modelar estas conexiones es esencial para capturar la verdadera naturaleza de los datos empresariales.
Conjuntos de datos empresariales de código abierto
Presentamos SALT y SALT-KG, los primeros conjuntos de datos empresariales creados a partir de sistemas de ERP de clientes reales. Combinan tablas empresariales ricas y vinculadas con un gráfico de conocimiento seleccionado que captura el contexto semántico. Juntos, sientan las bases para avanzar en los modelos de base que realmente comprenden los datos empresariales estructurados.
Quiénes somos
En SAP Business AI Research, servimos como puente entre el mundo académico y la industria, dedicándonos a hacer avanzar los sistemas de IA de próxima generación. Nuestra investigación aborda las complejidades de los entornos empresariales del mundo real integrando técnicas de IA de vanguardia con desafíos específicos de dominios. Nos centramos en dos pistas de investigación principales para garantizar que nuestros modelos no solo sean potentes, sino también prácticos, confiables y escalables.
Áreas de investigación
Canal A: Estructura - Modelos de Base Conscientes
Desarrollamos modelos básicos que explican datos empresariales complejos y vinculados, incluyendo tablas, series cronológicas y gráficos. Integrando la conciencia estructural, los insumos multimodales y el razonamiento causal, nuestros modelos habilitan IA de negocios avanzada para el análisis, la proyección y la toma de decisiones.
Aprendizaje de representación de tablas
Representaciones de datos tabulares de aprendizaje a través de modelos nativos de tablas y basados en idiomas, que integran datos de negocio para un razonamiento avanzado.
Gráfico de redes neuronales
Uso de redes neuronales gráficas para modelar datos tabulares relacionales, lo cual permite predicciones precisas e información estratégica más profunda en la IA de negocios.
Gráfico de conocimiento empresarial
Elaborar gráficos de conocimiento empresarial para permitir consultas precisas y contextuales en diversos datos de negocio.
IA agéntica
Construir agentes automejorables para una automatización confiable impulsada por objetivos en los sistemas empresariales.
Codificación LLM (ABAP)
Empoderar el desarrollo de software empresarial con modelos ABAP de base específicos de dominios para asistencia inteligente.
Canal B: IA confiable
Nuestra investigación desarrolla sistemas de IA que son sólidos, justos, transparentes y alineados con los valores humanos, esenciales para el uso empresarial del mundo real. Nos centramos en la solidez, la explicabilidad, la equidad, la privacidad y la alineación con las restricciones específicas del dominio para garantizar una implementación de IA confiable y responsable.
Privacidad diferencial
Desarrollamos modelos eficientes de deep learning que ahorran recursos y protegen la privacidad.
Confidencialidad de los datos
Garantizamos la confidencialidad de los datos protegiendo los estructurados y validando la privacidad frente a auditorías y ataques.
Protección de modelo
Analizar las opiniones en los textos mediante la incrustación neuronal y la atención.
Pruebas de seguridad
Mejorar la transparencia del modelo haciendo que las predicciones sean explicables.
Alineación humana
Extracción de datos desde documentos mediante NLP y visión por computadora.
Carreras
Únase a nosotros y construya el futuro de Business AI
Trabaje con conjuntos de datos enriquecidos a fin de encontrar soluciones basadas en machine learning para problemas del mundo real en estrecha colaboración con nuestra red global de partners de investigación.