Годишният доклад на Appen за състоянието на AI разкрива значителен растеж на индустрията

Appen Limited (ASX: APX), водещият доставчик на висококачествени данни за обучение за организации, които изграждат ефективни AI системи в мащаб, днес обяви своята годишна Доклад за състоянието на AI за 2020.

Докладът за състоянието на изкуствения интелект за 2020 г. е резултат от междуотраслово проучване на големи организации на висши бизнес лидери и технолози. Проучването имаше за цел да проучи и идентифицира основните характеристики на разширяващия се AI и пейзаж на машинно обучение чрез събиране на отговори от лица, вземащи решения за AI.

Имаше няколко ключови извода:

• Докато почти 3 от 4 организации казват, че AI е от решаващо значение за техния бизнес, почти половината смятат, че организацията им е изостанала в тяхното пътуване с AI.
• Бюджетите за изкуствен интелект над $5 милиона се удвоиха на годишна база
• Все по-голям брой предприятия застават зад отговорния AI като компонент за успеха на бизнеса, но само 25% от компаниите казват, че безпристрастният AI е критичен за мисията.
• 3 от 4 организации съобщават, че актуализират своите AI модели поне веднъж на тримесечие, което означава фокус върху живота на модела след внедряването.
• Пропастта между бизнес лидери и технолози продължава, въпреки че тяхното привеждане в съответствие е инструмент за изграждането на силна AI инфраструктура.
• Въпреки бурните времена, повече от две трети от анкетираните не очакват никакво отрицателно въздействие от COVID-19 върху техните стратегии за ИИ.

Едно от ключовите открития е, че почти половината от отговорилите смятат, че компанията им е изостанала в своето пътуване с ИИ, което предполага, че съществува критична празнина между стратегическата нужда и способността за изпълнение.

Липсата на данни и управление на данни беше отчетено като основно предизвикателство, това включва данни за обучение, които са в основата на внедряването на AI и ML модели, така че не е изненадващо, че 93% от компаниите съобщават, че висококачествените данни за обучение са важни за успешния AI.

Организациите също съобщават за използване на 25% повече типове данни (текст, изображение, видео, аудио и т.н.) през 2020 г. в сравнение с 2019 г. Не само моделите получават по-чести актуализации, но екипите използват все повече типове данни и това ще преведе при нарастваща нужда от инвестиции в надеждни данни за обучение.

Един ключов показател за експоненциален растеж на AI беше бързият ръст на годишна база в започналите AI. През 2019 г. само 39% от ръководителите са притежавали инициативи за ИИ. През 2020 г. изпълнителната собственост върху ИИ скочи до 71%. С това увеличение на изпълнителната собственост броят на организациите, отчитащи бюджети над 5 милиона долара, също се удвои.

Глобалните облачни доставчици придобиха значителна популярност като инструменти за наука за данни и машинно обучение в сравнение с 2019 г. Това може да се дължи на увеличения бюджет и надзора на изпълнителната власт. Още по-впечатляващо е увеличението на респондентите, които съобщават, че използват глобални облачни доставчици на машинно обучение, които са идентифицирани като: Microsoft Azure (49%), Google Cloud (36%), IBM Watson (31%), AWS (25%) и Salesforce Einstein (17%). Всеки от тези лидери отбеляза двуцифрено увеличение на приемането спрямо 2019 г., което доказва, че тъй като все повече компании преминават към мащабиране, те търсят решения, които могат да се мащабират с тях.

Нещо, което разработчиците на AI може да искат да вземат под внимание, е, че променливостта в езиците, използвани за изграждане на модели, също се е променила от 2019 г. Докато Python остава най-използваният език през 2019 г. и 2020 г., SQL и R бяха вторият и третият най-често използвани език през 2019 г. Въпреки това през 2020 г. Java, C/C++ и JavaScript придобиха значителна популярност. Python, R и SQL често са показателни за пилотния етап, докато Java, C/C++ и JavaScript са по-скоро производствени езици.

За да научите повече, препоръчваме да изтеглите целия Доклад за състоянието на изкуствения интелект и машинното обучение.