کمک به مدل‌های هوش مصنوعی برای انطباق با دنیای واقعی.
سیستم‌هایی که از هوش مصنوعی برای بهبود پیش‌بینی، برنامه‌ریزی و تصمیم‌گیری در کسب‌وکارها استفاده می‌کنند، در سال‌های اخیر به طور فزاینده‌ای در حال گسترش هستند، اما در بسیاری از موارد، فاقد اطلاعات دقیق و خاص در مورد خود سازمان هستند که این امر، کارایی این ابزارها را محدود می‌کند.
دِواورات شاه، محقق اصلی آزمایشگاه اطلاعات و سیستم‌های تصمیم‌گیری (LIDS) در MIT، عضو هیئت علمی بخش مهندسی برق و علوم کامپیوتر (EECS) و عضو موسسه داده، سیستم‌ها و جامعه (IDSS)، بر طراحی روش‌هایی تمرکز داشته است که بتوانند تصمیم‌گیری‌های لحظه‌ای را با استفاده از منابع محاسباتی محدود انجام دهند. او می‌گوید: «به نوعی، با مقدار کمی منابع، باید کارهای سنگینی انجام دهید.» به عنوان یک محقق، «علاقه من به توانایی توسعه روش‌هایی است که بتوانند اطلاعات را از داده‌ها در مقیاس بزرگ و به طور موثر استخراج کنند.»
پروفسور اندرو (1956) و ارنا ویتربی از سال 2005 در MIT مشغول به تدریس بوده است. در سال 2019، او همچنین یک شرکت اسپین‌آف به نام Ikigai Labs را راه‌اندازی کرد. Ikigai یک مدل پایه برای داده‌های جدولی و سری زمانی بر اساس سال‌ها تحقیق در آزمایشگاه شاه ایجاد کرد که توسط MIT به این شرکت ثبت اختراع و مجوز داده شد. این مدل می‌تواند ورودی را از داده‌های سازمانی از منابع مختلف به طور مداوم و در مقیاس بزرگ دریافت کند تا با آزمایش پیش‌بینی‌های خود در برابر نتایج واقعی، به طور مداوم یاد بگیرد.
شاه توضیح می‌دهد که این سیستم گسترشی از نوع گراف