Berichtsübersicht: Appens jährlicher State of AI-Bericht

Appen Limited, ein globaler AI-Marktführer im Bereich Datenquellen, Datenbereitung und Modellbewertung durch Menschen im großen Maßstab, hat seinen hocherwarteten jährlichen “State of AI und Machine Learning-Bericht” veröffentlicht.

Der State of AI und Machine Learning-Bericht ist ein jährlicher Bericht, der sich auf die Strategien konzentriert, die von Unternehmen aller Größen und Branchen umgesetzt werden, um ihre AI-Reife zu verbessern. Die neueste Ausgabe ist die achte, die von Appen veröffentlicht wurde, und sie hebt die wichtigsten Ansätze für Datenmanagement und -sicherheit, verantwortungsvolle AI und externe Datenanbieter und ihre Rolle bei der Fortschrittsförderung hervor.

Hauptergebnisse des Berichts

Die wichtigsten Erkenntnisse des Berichts umfassten Quellen, Qualität, Bewertung, Adoption und Ethik.

Eine der wichtigsten Erkenntnisse des Berichts war, dass 51% der Teilnehmer stimmen, dass DatenGenauigkeit für ihren AI-Anwendungsfall kritisch ist. Es ist allgemein bekannt, dass genaue und hochwertige Daten für den Erfolg von AI-Modellen entscheidend sind, aber viele Geschäftsführer haben eine erhebliche Lücke zwischen Ideal und Realität bei der Erreichung von DatenGenauigkeit, so der Bericht.

Ein weiterer wichtiger Punkt war, dass Unternehmen zunehmend ihren Fokus auf verantwortungsvolle AI und die Reife ihrer Strategien verlagern. Eine zunehmende Anzahl von Geschäftsführern und Technologen arbeitet daran, die Datenqualität zu verbessern, die AI-Projekte antreibt, was zu inklusiven Datensätzen und unvoreingenommenen Modellen führt. Der Bericht fand heraus, dass 80% der Befragten glauben, dass DatenVielfalt “extrem wichtig” oder “sehr wichtig” ist. Es fand auch heraus, dass 95% der Befragten stimmen, dass synthetische Daten ein wichtiger Spieler bei der Schaffung von inklusiven Datensätzen sein werden.

Mark Brayan ist CEO bei Appen.

“Diesjähriger State of AI-Bericht zeigt, dass 93% der Befragten stimmen, dass verantwortungsvolle AI die Grundlage aller AI-Projekte ist”, sagte Brayan. “Das Problem ist, dass viele versuchen, großartige AI mit schlechten Datensätzen zu bauen, und das schafft eine erhebliche Hürde auf dem Weg zu ihren Zielen.”

Hier sind einige der anderen wichtigsten Erkenntnisse des Berichts:

• Quellen: 42% der Technologen sagen, dass die Datenquellen-Phase des AI-Lebenszyklus sehr herausfordernd ist, und Geschäftsführer waren weniger wahrscheinlich, Datenquellen als sehr herausfordernd zu melden (24%).
• Qualität: Mehr als die Hälfte der Befragten sagen, dass DatenGenauigkeit für den Erfolg von AI entscheidend ist, aber nur 6% berichteten, dass sie eine DatenGenauigkeit von über 90% erreicht haben.
• Bewertung: Es gibt eine starke Übereinstimmung über die Bedeutung von human-in-the-loop-Machine-Learning, wobei 81% angeben, dass es sehr oder extrem wichtig ist. 97% berichteten, dass human-in-the-loop-Bewertung wichtig für die genaue Modellleistung ist.
• Adoption: Technologen sind gespalten darüber, ob ihre Organisation anderen in ihrer Branche voraus ist oder gleichauf liegt. US-Befragte sind eher bereit, zu sagen, dass ihre Organisationen anderen in ihrer Branche voraus sind, wenn es um die Adoption von AI geht, im Vergleich zu europäischen Befragten.
• Ethik: 93% der Befragten stimmen zu, dass verantwortungsvolle AI die Grundlage aller AI-Projekte innerhalb ihrer Organisation ist.

Sujatha Sagiraju ist Chief Product Officer bei Appen.

“Die meisten AI-Bemühungen werden für das Datenmanagement im AI-Lebenszyklus aufgewendet, was bedeutet, dass es eine enorme Aufgabe für AI-Führungskräfte ist, dies alleine zu bewältigen – und dies ist der Bereich, mit dem viele Schwierigkeiten haben”, sagte Sagiraju. “Die Quellung hochwertiger Daten ist entscheidend für den Erfolg von AI-Lösungen, und wir sehen, dass Organisationen die Bedeutung von DatenGenauigkeit betonen.”

Wilson Pang ist CTO bei Appen.

“DatenGenauigkeit ist entscheidend für den Erfolg von AI- und ML-Modellen, da qualitativ reiche Daten bessere Modellausgaben und konsistente Verarbeitung und Entscheidungsfindung ergeben”, sagte Pang. “Für gute Ergebnisse müssen Datensätze genau, umfassend und skalierbar sein.”

Sie können den vollständigen State of AI und Machine Learning-Bericht hier finden.