Přehled zprávy: Appenova roční zpráva o stavu AI

Appen Limited, globální lídr v oblasti AI, který poskytuje zdroje dat, přípravu dat a hodnocení modelů lidmi v měřítku, vydal svou vysoce očekávanou roční zprávu „Stav AI a strojového učení.“

Zpráva o stavu AI a strojového učení je roční zpráva zaměřená na strategie implementované společnostmi všech velikostí napříč odvětvími, jak dále rozvíjejí svou zralost AI. Poslední vydání je osmé, které vydal Appen, a zdůrazňuje nejlepší přístupy k správě dat a zabezpečení, odpovědnému AI a externím poskytovatelům dat a jejich roli při pokroku.

Hlavní zjištění zprávy

Hlavní závěry zprávy se týkaly zdrojů, kvality, hodnocení, přijetí a etiky.

Jedním z hlavních zjištění zprávy bylo, že 51 % účastníků souhlasí s tím, že přesnost dat je kritická pro jejich případ použití AI. Je všeobecně známo, že přesná a kvalitní data jsou zásadní pro úspěch modelů AI, ale mnoho obchodních lídrů má významnou mezeru mezi ideálem a realitou při dosahování přesnosti dat, podle zprávy.

Dalším klíčovým závěrem bylo, že společnosti stále více přesouvají svůj focus na odpovědné AI a zráním svých strategií. Rostoucí počet obchodních lídrů a technologistů pracuje na zlepšení kvality dat, která pohání projekty AI, což podporuje inkluzivní datové sady a nenáviděné modely. Zpráva zjistila, že 80 % respondentů považuje rozmanitost dat za „extrémně důležité“ nebo „velmi důležité“. Zjistila také, že 95 % respondentů souhlasí s tím, že syntetická data budou hrát klíčovou roli při vytváření inkluzivních datových sad.

Mark Brayan je CEO ve společnosti Appen.

„Letošní zpráva o stavu AI zjistila, že 93 % respondentů souhlasí s tím, že odpovědné AI je základem všech projektů AI,“ řekl Brayan. „Problém je, že mnoho z nich čelí výzvám při pokusu o stavbu velkého AI s špatnými datovými sadami, a to vytváří významnou překážku na cestě k dosažení jejich cílů.“

Zde jsou některé další klíčové závěry ze zprávy:

• Zdroje: 42 % technologistů uvádí, že fáze zdrojování dat v životním cyklu AI je velmi náročná, a obchodních lídrů bylo méně pravděpodobné, že uvedou zdrojování dat jako velmi náročné (24 %).
• Kvalita: Více než polovina respondentů uvádí, že přesnost dat je kritická pro úspěch AI, ale pouze 6 % uvedlo, že dosáhli přesnosti dat vyšší než 90 %.
• Hodnocení: Existuje silný konsenzus kolem důležitosti lidského faktoru v strojovém učení s 81 % uvádějících, že je to velmi nebo extrémně důležité. 97 % uvedlo, že hodnocení lidského faktoru je důležité pro přesný výkon modelu.
• Přijetí: Technologové jsou rozděleni na to, zda je jejich organizace před ostatními v jejich odvětví nebo zda jsou na stejné úrovni. Respondenti ze Spojených států jsou více pravděpodobně říkají, že jejich organizace jsou před ostatními v jejich odvětví při přijímání AI ve srovnání s evropskými respondenty.
• Etika: 93 % respondentů souhlasí s tím, že odpovědné AI je základem všech projektů AI ve své organizaci.

Sujatha Sagiraju je Chief Product Officer ve společnosti Appen.

„Většina úsilí o AI je věnována správě dat pro životní cyklus AI, což znamená, že je to neuvěřitelné podnikání pro lídry AI, aby to zvládli sami – a je to oblast, se kterou mnozí bojují,“ řekla Sagiraju. „Získání kvalitních dat je kritické pro úspěch řešení AI, a vidíme, že organizace zdůrazňují důležitost přesnosti dat.“

Wilson Pang je CTO ve společnosti Appen.

„Přesnost dat je kritická pro úspěch AI a modelů ML, protože kvalitativně bohatá data poskytují lepší výstupy modelu a konzistentní zpracování a rozhodování,“ řekl Pang. „Pro dobré výsledky musí datové sady být přesné, komplexní a škálovatelné.“

Můžete si přečíst celou zprávu o stavu AI a strojového učení zde.