Rapport Gennemgang: Appens Årlige State of AI Rapport

Appen Limited, en global AI-leder inden for datakilde, dataforberedning og modelvurdering udført af mennesker i stor skala, har offentliggjort sin højt antydede årlige “State of AI og Machine Learning Rapport”.

State of AI og Machine Learning Rapport er en årlig rapport, der fokuserer på de strategier, som virksomheder af alle størrelser inden for alle brancher implementerer for at udvikle deres AI-maturitet. Den seneste udgave er den ottende, der er offentliggjort af Appen, og den fremhæver de bedste tilgange til datastyring og sikkerhed, ansvarlig AI og eksterne dataleverandører og deres rolle i at fremme fremgangen.

Rapportens Hovedresultater

Rapportens hovedkonklusioner omfattede kilde, kvalitet, vurdering, adoption og etik.

En af rapportens hovedresultater var, at 51% af deltagerne er enige om, at dataakkuratesse er afgørende for deres AI-anvendelse. Det er velkendt, at præcis og højkvalitetsdata er afgørende for AI-modellernes succes, men mange virksomhedsledere har en betydelig lukke mellem ideal og virkelighed i opnåelse af dataakkuratesse, ifølge rapporten.

En anden vigtig konklusion var, at virksomhederne i stigende grad fokuserer på ansvarlig AI og udvikler deres strategier. Et stigende antal virksomhedsledere og teknologer arbejder på at forbedre datakvaliteten, der driver AI-projekterne, hvilket fremmer inklusive datasæt og upartiske modeller. Rapporten fandt, at 80% af respondentene mener, at datadiversitet er “meget vigtig” eller “ekstremt vigtig”. Den fandt også, at 95% af respondentene er enige om, at syntetisk data vil være en nøgleaktør i at skabe inklusive datasæt.

Mark Brayan er CEO i Appen.

“I år State of AI-rapport finder vi, at 93% af respondentene mener, at ansvarlig AI er grundlaget for alle AI-projekter,” sagde Brayan. “Problemet er, at mange står over for udfordringerne ved at bygge godt AI med dårlige datasæt, og det skaber en betydelig vejspærring for at nå deres mål.”

Her er nogle af de andre vigtige konklusioner fra rapporten:

• Kilde: 42% af teknologer siger, at datakildestadiet i AI-livscyklussen er meget udfordrende, og virksomhedsledere var mindre tilbøjelige til at rapportere datakilde som meget udfordrende (24%).
• Kvalitet: Flere end halvdelen af respondentene siger, at dataakkuratesse er afgørende for AI’s succes, men kun 6% rapporterede om at opnå en dataakkuratesse på over 90%.
• Vurdering: Der er en stærk enighed om vigtigheden af human-in-the-loop machine learning, hvor 81% angiver, det er meget eller ekstremt vigtigt. 97% rapporterede, at human-in-the-loop-vurdering er vigtig for præcis modelpræstation.
• Adoption: Teknologer er delt om, hvorvidt deres organisation er foran eller på niveau med andre i deres branche. Amerikanske respondenter er mere tilbøjelige til at sige, at deres organisationer er foran andre i deres branche, når det kommer til at adoptere AI, sammenlignet med europæiske respondenter.
• Etik: 93% af respondentene er enige om, at ansvarlig AI er grundlaget for alle AI-projekter i deres organisation.

Sujatha Sagiraju er Chief Product Officer i Appen.

“De fleste AI-bestræbelser bruger tid på at styre data for AI-livscyklussen, hvilket betyder, det er en enorm opgave for AI-ledere at håndtere alene – og det er området, mange kæmper med,” sagde Sagiraju. “At finde højkvalitetsdata er afgørende for AI-løsningernes succes, og vi ser, at organisationer fremhæver vigtigheden af dataakkuratesse.”

Wilson Pang er CTO i Appen.

“Dataakkuratesse er afgørende for AI- og ML-modellernes succes, da kvalitetsrig data giver bedre modeloutput og konsekvent proces- og beslutningstagning,” sagde Pang. “For gode resultater skal datasæt være nøjagtige, omfattende og skalerbare.”

Du kan finde den fulde State of AI og Machine Learning Rapport her.