Rapport Gennemgang: Appens Årlige Tilstand Af AI-rapport

Appen Limited, en global AI-leader indenfor datakilde, dataforberedelse og modelvurdering udført af mennesker i stor målestok, har udgivet sin højt antydede årlige “Tilstand Af AI Og Maskinlæring Rapport.” 

Tilstand Af AI Og Maskinlæring Rapporten er en årlig rapport, der fokuserer på de strategier, der implementeres af alle størrelser virksomheder på tværs af brancher, da de udvikler deres AI-modenhed. Den seneste udgave er den ottende udgivet af Appen, og den fremhæver top-tilgange til datastyring og sikkerhed, ansvarlig AI og eksterne dataleverandører og deres rolle i at fremme fremskridt. 

Hovedkonklusioner Af Rapporten

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

En af rapportens hovedkonklusioner var, at 51% af deltagerne er enige om, at datapræcision er afgørende for deres AI-brugsærende. Det er velkendt, at præcis og højkvalitetsdata er afgørende for succesen af AI-modeller, men mange virksomhedsledere har en betydelig forskel mellem ideal og virkelighed i opnåelse af datapræcision, 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-projekter, hvilket fremmer inklusive datasæt og upartiske modeller. Rapporten fandt, at 80% af respondentende mener, at datadiversitet er “ekstremt vigtigt” eller “meget vigtigt”. Den fandt også, at 95% af respondentende er enige om, at syntetisk data vil være en nøgleaktør i at skabe inklusive datasæt. 

Mark Brayan er CEO hos Appen. 

“Denne års Tilstand Af AI-rapport viser, at 93% af respondentende mener, at ansvarlig AI er grundlaget for alle AI-projekter,” sagde Brayan. “Problemet er, at mange står over for udfordringerne ved at bygge fremragende 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 af AI-livscyklussen er meget udfordrende, og virksomhedsledere var mindre tilbøjelige til at rapportere datakilde som meget udfordrende (24%).
• Kvalitet: Flere end halvdelen af respondentende siger, at datapræcision er afgørende for AI’s succes, men kun 6% rapporterede om at opnå datapræcision højere end 90%.
• Vurdering: Der er en stærk enighed om vigtigheden af human-in-the-loop machine learning med 81% angivende, 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. US-respondentende er mere tilbøjelige til at sige, at deres organisationer er foran andre i deres branche ved at adoptere AI sammenlignet med europæiske respondenter.
• Etik: 93% af respondentende er enige om, at ansvarlig AI er grundlaget for alle AI-projekter i deres organisation. 

Sujatha Sagiraju er Chief Product Officer hos Appen. 

“De fleste AI-bestræbelser udføres ved at styre data for AI-livscyklussen, hvilket betyder, at det er en utrolig opgave for AI-ledere at håndtere alene – og er det område, mange kæmper med,” sagde Sagiraju. “At finde højkvalitetsdata er afgørende for AI-løsningernes succes, og vi ser, at organisationer understreger vigtigheden af datapræcision.” 

Wilson Pang er CTO hos Appen. 

“Datapræcision er afgørende for AI- og ML-modellernes succes, da kvalitativt rig data giver bedre modeloutput og konsekvent processtyring og beslutningstagning,” sagde Pang. “For gode resultater skal datasæt være præcise, omfattende og skalerbare.” 

Du kan finde den fulde Tilstand Af AI Og Maskinlæring Rapport her.