ฉันเริ่มสนใจเอไอตั้งแต่ช่วงต้นทศวรรษ 2000 และยังเคยชนะการแข่งขันระดับเยาวชนด้วยโครงการที่มุ่งเน้น OCR ลายมือ (การรู้จำอักขระด้วยแสง) ที่น่าสนใจคือ ตั้งแต่ปี 2000 เรามีอัลกอริทึมแกนหลักเกือบทั้งหมดที่ยังคงใช้อยู่จนถึงปัจจุบันแล้ว สิ่งที่เรายังไม่มีในตอนนั้นคือพลังประมวลผลที่เพียงพอ…
เมื่อเวลาผ่านไป ความสนใจของฉันได้เปลี่ยนไปสู่การวัดผลการดำเนินงาน และต่อมาสู่สาขาที่กว้างขึ้นของการดำเนินการตามยุทธศาสตร์ วันนี้ เมื่อ LLMs ครองพาดหัวข่าว เราแทบไม่ย้อนกลับไปสู่ พื้นฐาน
อะไรคือสิ่งที่ทำให้การเรียนรู้ในโครงข่ายประสาทเป็นไปได้จริง?
มีหลักการทางคณิตศาสตร์ง่าย ๆ ไม่กี่ประการที่เป็นแก่นของเอไอสมัยใหม่ และฉันเห็น ความสอดคล้อง อย่างชัดเจนว่า หลักการเดียวกันเหล่านี้สามารถและควรถูกนำมาใช้โดยองค์กรเมื่อดำเนินการตามยุทธศาสตร์ของตน
อะไรทำให้เอไอสามารถเรียนรู้ได้
หนึ่งในรากฐานทางคณิตศาสตร์ของโครงข่ายประสาทเทียมคือ กฎลูกโซ่ของแคลคูลัส ที่นำมาใช้กับการประกอบของฟังก์ชัน โครงข่ายประสาทเทียมเป็นระบบแบบหลายชั้นที่สร้างขึ้นจากการดำเนินการอย่างง่ายจำนวนมากซึ่ง หาอนุพันธ์ได้ กฎลูกโซ่ ทำให้สามารถคำนวณเกรเดียนต์ผ่านองค์ประกอบทั้งหมดได้ นั่นคือสิ่งที่ทำให้การเรียนรู้สามารถเกิดขึ้นได้ในระดับขนาดใหญ่
- ระหว่างการทำ forward pass โครงข่ายประสาทเทียมจะสร้างผลลัพธ์ที่ในช่วงแรกไม่ถูกต้อง
- โดยใช้ข้อมูลที่มีป้ายกำกับและฟังก์ชันการสูญเสีย เราสามารถวัดได้ว่า ผลลัพธ์เบี่ยงเบนไปมากเพียงใด จากผลลัพธ์ที่ต้องการ
- เนื่องจากการดำเนินการภายในทั้งหมดหาอนุพันธ์ได้ เราจึงสามารถคำนวณ อนุพันธ์เฉพาะที่ สำหรับการแปลงแต่ละรายการได้
- ด้วยการประยุกต์ใช้กฎลูกโซ่ อนุพันธ์เฉพาะที่เหล่านี้จะถูกรวมเป็นเกรเดียนต์ของการสูญเสียเมื่อเทียบกับ ทุกพารามิเตอร์ ในโมเดล
ระบบไม่ได้เพียงตรวจพบว่าเกิดข้อผิดพลาดเท่านั้น แต่ยังระบุได้ว่าพารามิเตอร์แต่ละตัวมีส่วนทำให้เกิดข้อผิดพลาดนั้นอย่างไร และการเปลี่ยนแปลงพารามิเตอร์นั้นไปใน ทิศทางใด จะทำให้ผลลัพธ์ขยับเข้าใกล้เป้าหมายมากขึ้น
ดำเนินการตามยุทธศาสตร์ในฐานะระบบการเรียนรู้ขององค์กร
ปัญหาเดียวกันนี้มีอยู่ในองค์กร…
การนำยุทธศาสตร์ไปปฏิบัติที่ดีคือระบบที่มีโครงสร้าง ประกอบด้วยวัตถุประสงค์ วัตถุประสงค์ย่อย โครงการ และตัวชี้วัดผลการดำเนินงาน
ระหว่างการดำเนินการ องค์กรจำเป็นต้องตรวจพบความเบี่ยงเบนจากทิศทางที่ตั้งใจไว้ให้เร็วที่สุดเท่าที่จะเป็นไปได้ นั่นคือเหตุผลที่มีมาตรวัดผลการดำเนินงานอยู่ มาตรวัดเหล่านี้ให้ สัญญาณแรก ว่าความเป็นจริงกำลังเบี่ยงออกจากสมมติฐาน
แต่:
การรู้ว่า “มีบางอย่างผิดพลาด” แทบไม่มีประโยชน์ในตัวมันเอง…
การดำเนินการจะดีขึ้นก็ต่อเมื่อองค์กรสามารถเห็นได้ว่า องค์ประกอบใดของระบบ ที่ต้องปรับ และการปรับเหล่านั้นมีแนวโน้มจะส่งผลต่อผลลัพธ์อย่างไร
ในโครงข่ายประสาทเทียม สิ่งนี้ทำได้ทางคณิตศาสตร์ด้วยกฎลูกโซ่ ในการนำยุทธศาสตร์ไปปฏิบัติ จะเป็นไปได้ก็ต่อเมื่อยุทธศาสตร์ถูก แบ่งย่อยอย่างเหมาะสม สอดคล้องกับความคาดหวังของผู้มีส่วนได้ส่วนเสีย และถูกแปลงจากความมุ่งหมายที่คลุมเครือไปเป็นวัตถุประสงค์และตัวชี้วัดหลายระดับที่เป็นรูปธรรมและเชื่อมโยงกันด้วยเหตุและผล
ดำเนินการตามยุทธศาสตร์ที่นำไปใช้ได้อย่างถูกต้อง
ในแง่นี้ การดำเนินการตามยุทธศาสตร์อย่างมีประสิทธิผล เริ่มมีลักษณะคล้ายโครงข่ายประสาทเทียมที่ออกแบบมาอย่างดี
เมื่อเกิดความเบี่ยงเบน องค์กรสามารถเรียนรู้ได้อย่างรวดเร็ว ไม่ใช่เพียงว่าผลการดำเนินงานต่ำกว่าที่คาดไว้เท่านั้น แต่ยังรวมถึงการระบุว่าโครงการ กระบวนการ ความสามารถ หรือสมมติฐานใดควรถูกปรับเพื่อขยับเข้าใกล้ความคาดหวังของผู้มีส่วนได้ส่วนเสียมากขึ้น
เมื่อยุทธศาสตร์ถูกถ่ายทอดออกมาอย่างไม่ชัดเจน (เป้าหมายเชิงนามธรรม ไม่มีความสัมพันธ์เชิงเหตุและผล ไม่มีตัวชี้วัดที่มีความหมาย) องค์กรจะลงเอยในสถานการณ์เดียวกับโมเดลที่ไม่มีเกรเดียนต์ที่ใช้งานได้ องค์กรอาจมองเห็นว่าผลลัพธ์ไม่ดี แต่ไม่มีวิธีที่เชื่อถือได้ในการตัดสินใจว่าจะต้องเปลี่ยนแปลงอะไร
ทั้งในโครงข่ายประสาทเทียมและในองค์กร การเรียนรู้จะเป็นไปได้ก็ต่อเมื่อมีการสร้างระบบจากองค์ประกอบที่เชื่อมโยงถึงกัน ซึ่งทำให้ ข้อเสนอแนะสามารถแพร่กระจายได้
เมื่อมี:
- โครงสร้าง
- ความรับผิดชอบในระดับงาน
- ตัวขับเคลื่อนที่วัดได้
… การปรับปรุงอย่างต่อเนื่องจึงเป็นไปได้ หากปราศจากสิ่งเหล่านี้ องค์กรจะเหลือเพียงสัญญาณความสำเร็จ/ความล้มเหลว และไม่มีกลไกในการทำความเข้าใจว่าจะปรับปรุงอย่างไร
ดังนั้น ในที่สุดเราก็รู้แล้วหรือไม่ว่าเงินที่ใช้ในการตลาดไปอยู่ที่ไหน?
คำตอบสั้น ๆ คือ: “ไม่” (และโครงข่ายประสาทเทียมก็ไม่รู้เช่นกัน)
ในเอไอ เราไม่สามารถชี้ไปที่นิวรอนตัวใดตัวหนึ่งแล้วบอกว่า “สิ่งนี้เป็นสาเหตุของผลลัพธ์” ได้ การเรียนรู้ยังคงเป็นไปได้ เพราะระบบถูกสร้างขึ้นให้การป้อนกลับไหลผ่านส่วนที่เชื่อมต่อกันจำนวนมาก และค่อย ๆ ปรับเปลี่ยนส่วนเหล่านั้นไปทีละน้อย
การกล่าวว่า “การตลาดได้ผล” ก็คล้ายกับการกล่าวว่า “โมเดลดีขึ้น” มันบอกทิศทาง แต่ไม่ได้บอกว่าคุณควรเปลี่ยนอะไรเป็นลำดับถัดไป
สิ่งที่มีประโยชน์คือ การมองเห็นรูปแบบ ภายในระบบ
ตัวอย่างเช่น รายได้อาจคงที่ในขณะที่ทราฟฟิกเพิ่มขึ้น การมีส่วนร่วมกับคอนเทนต์ดีขึ้น และมีลีดมากขึ้น แต่มีอัตราการชนะดีลลดลง และดีลใช้เวลานานขึ้นกว่าจะปิดได้
ในเชิงการวิเคราะห์ มันไม่ใช่ความสำเร็จ/ความล้มเหลวแบบง่าย ๆ อีกต่อไป แต่เป็นรูปแบบของสัญญาณที่แสดงให้เห็นว่าบางส่วนของระบบกำลังดีขึ้น ขณะที่บางส่วนไม่สอดคล้องกัน
ระบบไม่ได้ระบุแคมเปญที่ผิดเพียงแคมเปญเดียว แต่ชี้ให้เห็นว่าจำเป็นต้องปรับตรงไหน
นี่คือสิ่งที่การเรียนรู้มีลักษณะเช่นนี้เมื่อมันทำงานได้จริง
มันอาจไม่ได้บอกคุณอย่างชัดเจนว่าเงินทุกดอลลาร์ไปอยู่ที่ไหน แต่บอกสิ่งที่มีคุณค่ามากกว่านั้นอย่างยิ่ง: องค์กรควรขยับไปทางไหนเป็นลำดับถัดไป
ข้อบกพร่องที่ทราบ: ค้นหาค่าต่ำสุดเฉพาะที่
คล้ายกับโครงข่ายประสาทเทียม โดยมีข้อจำกัดที่ทราบกันดีคือการ ค้นหาค่าต่ำสุดเฉพาะที่ แทนที่จะเป็นค่าต่ำสุดทั่วโลก องค์กรจึงไม่ควรเชื่อถือกรอบการวัดผลของตน 100%.
การดำเนินการตามยุทธศาสตร์เป็นกระบวนการต่อเนื่องของการตรวจสอบสมมติฐานในการปฏิบัติจริง บางครั้งเรายืนยันสมมติฐานระดับล่างและทุกอย่างก็สมเหตุสมผล บางครั้งเราไล่ขึ้นไปตามต้นไม้การแบ่งย่อยและท้ายที่สุดก็ตั้งคำถามต่อความเข้าใจของเราเกี่ยวกับผู้มีส่วนได้ส่วนเสียและความต้องการของพวกเขา.
Alexis Savkin เป็นสถาปนิกด้านยุทธศาสตร์และผู้ก่อตั้ง BSC Designer ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์สำหรับการดำเนินการตามยุทธศาสตร์ โดยมี บาลานซ์ สกอร์การ์ด เป็นแกนหลัก เขาช่วยให้องค์กรต่าง ๆ แปลงยุทธศาสตร์ให้เป็นวัตถุประสงค์ที่วัดผลได้ KPI และโครงการ Alexis เป็นผู้สร้าง Strategy Execution Canvas เป็นผู้เขียนบทความมากกว่า 100 บทความเกี่ยวกับยุทธศาสตร์และการวัดผลการดำเนินงาน และเป็น วิทยากรประจำ