AUGMENTED AI-KNOWLEDGE DRIVEN INTELLIGENT SYSTEMS FOR ADVERSARIAL-DYNAMIC UNCERTAINTY AND COMPLEXITY
Conteúdo do artigo principal
Resumo
Objetivo: A ISO 31000 Risk Management (RM) recentemente redefiniu o risco como o efeito da incerteza na capacidade de uma organização de atingir os objetivos. Anteriormente, definia o risco como uma combinação da probabilidade e do escopo das consequências (previstas). O ISO Risk revisado avança para além de um mundo estático guiado por previsão e predeterminação com base em dados históricos para um mundo dinâmico caracterizado por incerteza e complexidade focado em resultados de negócios sobre entradas de dados. Nossa P&D de Gestão do Conhecimento (KM) adotada por organizações globais como a Nasa e Big Banks é prontamente aplicável para fornecer uma vantagem inicial de 25 anos para organizações com evolução de risco acima da ISO. Resultados: Nas últimas duas décadas, desenvolvemos estruturas teóricas e aplicadas para o mundo dinâmico caracterizado pela incerteza e complexidade, com resultados de negócios como impulsionadores de desempenho em tempo real, em vez de entradas de dados. Nossa antecipação voltada para o futuro do foco surpresa de KM impulsiona a futura adaptação organizacional, sobrevivência e competência em face da mudança ambiental descontínua em organizações como a Goldman Sachs. Nosso foco em KM gerencia a mudança, a incerteza e a complexidade como alvos primários (resultados), em contraste com as abordagens baseadas em dados (entrada). Seu foco na incerteza dinâmica é complementado pela incerteza adversária do ambiente ciberadversário. Originalidade ½ Valor: A incerteza quântica – encapsulando os dois tipos de incerteza – e a complexidade do espaço-tempo de ambientes cada vez mais não determinísticos e estatisticamente não normais e não lineares são o foco de nosso desenvolvimento de P&D de KM de mentes quânticas. Nossas práticas mais recentes de IA-Cybersecurity KM estão avançando no futuro dos sistemas de gerenciamento de batalha C4I-Cyber-Command-Control-Advanced do Pentágono e da computação em nuvem ágil e resiliente centrada na rede da AWS.
References[1]
Ackoff, R L. (1967). Management misinformation systems. Management Science 14(4): B-147-B-156. https://doi.org/10.1287/mnsc.14.4.B147
Ackoff, R L. (1971). Towards a system of systems concepts. Management Science 17(11):661-671. https://doi.org/10.1287/mnsc.17.11.661.
Arthur, W. B. (2021). Foundations of complexity economics. Nature Reviews Physics, 3(2), 136-145.
Ashby, W. R. (1947). Principles of the self-organizing dynamic system. The Journal of general psychology, 37(2), 125-128.
Bertalanffy, K. L.von (1968). General System Theory: Foundations, Development, Applications, Nova York: George Braziller.
Bruner, J. S. (2009). Actual minds, possible worlds. Harvard university press.
Forrester, J. W. (1987). Lessons from system dynamics modeling. System Dynamics Review, 3(2), 136-149.
Holland, J. H. (1996). Hidden order: How adaptation builds complexity. Addison Wesley Longman Publishing Co.
ISO (International Organization for Standardization). ISO 31000: 2018. Risk management: guidelines. Geneva, Switzerland: ISO, 2018.
Kelly, G. A. (2017) A brief introduction to personal construct theory. Costruttivismi, 4, 3-25. doi: 10.23826/2017.01.003.025
Kohn, A. (1993). Punished by rewards: The trouble with gold stars, incentive plans, A’s, praise, and other bribes. New York.
Malhotra, Y. (2001). From information management to knowledge management: Beyond the "hi-tech hidebound" systems. In Y. Malhotra, Knowledge management and business model innovation (pp. 115-134). IGI Global. DOI: 10.4018/978-1-878289-98-8.ch007
Malhotra, Y. (2002). Knowledge management and new organization forms: A framework for business model innovation. In Intelligent Support Systems: Knowledge Management (pp. 177-199). IGI Global. DOI: 10.4018/978-1-931777-00-1.ch014
Malhotra, Y. Knowledge management and Business Model Innovation. London: Idea Group Publishing, 2001. 464 p. Amazon Author Page. Yogesh Malhotra. Retrieved December 16, 2022, from https://www.amazon.com/Malhotra/dp/1878289985?ref_=ast_sto_dp
Malhotra, Y. Knowledge Management and Virtual Organizations. London: Idea Group Publishing, 2000. 450 p. Amazon Author Page. Yogesh Malhotra. Retrieved December 16, 2022, from https://www.amazon.com/Yogesh-Malhotra/dp/187828973X?ref_=ast_sto_dp
Romer, P. M. (1994). The origins of endogenous growth. Journal of Economic perspectives, 8(1), 3-22.
Ryan, R. M., & Deci, E. L. (2006). Self‐regulation and the problem of human autonomy: Does psychology need choice, self‐determination, and will?. Journal of personality, 74(6), 1557-1586.
Shannon, C. E. (1948). A mathematical theory of communication. The Bell system technical journal, 27(3), 379-423.
Wiener, N. (1948). Cybernetics, or Communication and Control in the Animal and the Machine. Retrieved December 16, 2022, from https://www.amazon.com/Malhotra/dp/1878289985?ref_=ast_sto_dp
[1] All of our listed published research papers, expert papers, industry keynotes, conference presentations mentioned in this paper and many more underlying our R&D program are accessible and downloadable in full-video and full-text without any need for sharing any kind of information or any kind of registration from the following online web sites: Amazon Author Page, Biographical Page with All Links, Global CEO-CxO Networks 1, Global CEO-CxO Networks 2, Global CEO-CxO Networks 3, Global CEO-CxO Networks 4, LinkedIn Page, Publication List Page, SSRN Publications Page, YouTube Page.
Detalhes do artigo

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Esta licença permite que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, e embora os novos trabalhos tenham de lhe atribuir o devido crédito e não possam ser usados para fins comerciais, os usuários não têm de licenciar esses trabalhos derivados sob os mesmos termos.