“機器生成理論在決策和管理場景中有巨大的應用潛力，其核心的變革在於管理自動化。這個轉變類似於計算視覺研究中的深度神經網絡模型在醫學圖像處理中的應用。”何黎勝說。
目前，管理科學越來越趨向於數據驅動的決策。在工業界和公共政策等領域，越來越多的公司和組織實驗方法（如A／B 測試）獲得實證數據，通過分析實證數據達到決策優化的目的。然而，目前這種數據驅動的決策有不小的局限性。其中一個重要原因是管理者很多時候面臨的是一個複雜的動態系統，是由多種因素交織而成的綜合體。但A／B測試等方法收集到的數據往往是針對某個特定的小點，對複雜決策中多因素之間的交錯互動缺乏全局把握，限制了A／B測試實驗數據的適用性。
“機器生成理論可以更大程度地利用A／B測試等方法收集到的數據。更為重要的是，機器生成理論足夠靈活，我們可以用真實的數據去訓練這個系統，讓它不斷地逼近真實的管理場景。”何黎勝說，“未來，訓練好的機器生成理論模型可以自動地對複雜管理場景中的事件作出反應。也就是說，機器生成理論有能力將分散的實驗數據升華成具有邏輯一致性的體系，實現複雜管理決策的自動化、智能化。” |
