Η Ετήσια Έκθεση του Appen για την Κατάσταση της Τεχνητής Νοημοσύνης Αποκαλύπτει Σημαντική Βιομηχανική Αύξηση

Η Appen Limited (ASX: APX), ο ηγέτης παροχέας υψηλής ποιότητας εκπαιδευτικών δεδομένων για οργανισμούς που κατασκευάζουν αποτελεσματικά συστήματα τεχνητής νοημοσύνης σε κλίμακα, ανακοίνωσε σήμερα την ετήσια Έκθεση Κατάστασης της Τεχνητής Νοημοσύνης για το 2020.

Η Έκθεση Κατάστασης της Τεχνητής Νοημοσύνης 2020 είναι το αποτέλεσμα μιας μελέτης διαβιομηχανικού, μεγάλου οργανισμού για ανώτερους επιχειρηματικούς ηγέτες και τεχνολόγους. Η έρευνα είχε ως στόχο να εξετάσει και να αναγνωρίσει τα κύρια χαρακτηριστικά του επεκτεινόμενου τοπίου της τεχνητής νοημοσύνης και του machine learning, συγκεντρώνοντας απαντήσεις από τους αποφασίζοντες της τεχνητής νοημοσύνης.

Υπήρξαν πολλά κλειδιά takeaways:

• Ενώ σχεδόν 3 στα 4 οργανισμού ανέφεραν ότι η τεχνητή νοημοσύνη είναι κρίσιμη για την επιχείρησή τους, σχεδόν το μισό αισθάνθηκαν ότι η οργάνωση τους είναι πίσω στην πορεία της τεχνητής νοημοσύνης.
• Τα προϋπολογισμοί της τεχνητής νοημοσύνης που υπερβαίνουν τα 5 εκατομμύρια δολάρια διπλασιάστηκαν σε σύγκριση με το προηγούμενο έτος.
• Αύξηση του αριθμού των επιχειρήσεων που υποστηρίζουν την υπεύθυνη τεχνητή νοημοσύνη ως συστατικό της επιχειρηματικής επιτυχίας, αλλά μόνο το 25% των εταιρειών ανέφεραν ότι η αμερόληπτη τεχνητή νοημοσύνη είναι αποστολική.
• 3 στα 4 οργανισμού αναφέρουν ότι ενημερώνουν τα μοντέλα της τεχνητής νοημοσύνης τους τουλάχιστον κάθε τρίμηνο, υποδηλώνοντας εστίαση στη ζωή του μοντέλου μετά την ανάπτυξή του.
• Ο χάσμα μεταξύ των επιχειρηματικών ηγετών και των τεχνολόγων συνεχίζεται, παρά την σημαντική τους ευθυγράμμιση στην κατασκευή μιας ισχυρής υποδομής τεχνητής νοημοσύνης.
• Παρά τις ταραχώδεις φορές, περισσότεροι από τους δύο τρίτους των απαντώντων δεν αναμένουν κανένα αρνητικό αντίκτυπο από την COVID-19 στις στρατηγικές της τεχνητής νοημοσύνης.

Ένα από τα κύρια ευρήματα είναι ότι σχεδόν το μισό των ανταποκριτών αισθάνθηκαν ότι η εταιρεία τους είναι πίσω στην πορεία της τεχνητής νοημοσύνης, υποδηλώνοντας μια κρίσιμη διαφορά μεταξύ της στρατηγικής ανάγκης και της ικανότητας εκτέλεσης.

Η έλλειψη δεδομένων και η διαχείριση δεδομένων αναφέρθηκαν ως κύρια πρόκληση, συμπεριλαμβανομένων των δεδομένων εκπαίδευσης, τα οποία είναι θεμελιώδη για την ανάπτυξη μοντέλων τεχνητής νοημοσύνης και machine learning. Έτσι, δεν είναι έκπληξη ότι το 93% των εταιρειών αναφέρουν ότι τα υψηλής ποιότητας δεδομένα εκπαίδευσης είναι σημαντικά για την επιτυχημένη τεχνητή νοημοσύνη.

Οι οργανισμοί ανέφεραν επίσης ότι χρησιμοποιούν 25% περισσότερα τύποι δεδομένων (κείμενο, εικόνα, βίντεο, ήχο, κ.λπ.) το 2020, σε σύγκριση με το 2019. Όχι μόνο τα μοντέλα λαμβάνουν πιο συχνές ενημερώσεις, αλλά οι ομάδες χρησιμοποιούν επίσης αυξανόμενα περισσότερους τύπους δεδομένων, και αυτό θα μεταφραστεί σε αυξανόμενη ανάγκη για επένδυση σε αξιόπιστα δεδομένα εκπαίδευσης.

Ένας κρίσιμος δείκτης της εκθετικής αύξησης της τεχνητής νοημοσύνης ήταν η ταχεία ετήσια αύξηση των πρωτοβουλιών της τεχνητής νοημοσύνης. Το 2019, μόνο το 39% των διευθυντών κατείχαν πρωτοβουλίες της τεχνητής νοημοσύνης. Το 2020, η ιδιοκτησία των πρωτοβουλιών της τεχνητής νοημοσύνης από τους διευθυντές αυξήθηκε στο 71%. Με αυτή την αύξηση της ιδιοκτησίας από τους διευθυντές, ο αριθμός των οργανισμών που αναφέρουν προϋπολογισμούς που υπερβαίνουν τα 5 εκατομμύρια δολάρια διπλασιάστηκε.

Οι παγκόσμιοι παρόχοι cloud κέρδισαν σημαντική πρόοδο ως εργαλεία επιστημών δεδομένων και machine learning σε σύγκριση με το 2019. Αυτό μπορεί να οφείλεται στην αύξηση του προϋπολογισμού και της εποπτείας από τους διευθυντές. Τι είναι ακόμη πιο εντυπωσιακό είναι η αύξηση των ανταποκριτών που αναφέρουν ότι χρησιμοποιούν παγκόσμιους παρόχους machine learning cloud, οι οποίοι έχουν αναγνωριστεί ως: Microsoft Azure (49%), Google Cloud (36%), IBM Watson (31%), AWS (25%) και Salesforce (CRM ) Einstein (17%). Κάθε ένας από τους ηγέτες αυτούς είδε διψήφια αύξηση της υιοθέτησης σε σύγκριση με το 2019, αποδεικνύοντας ότι καθώς περισσότερες εταιρείες μετακινούνται σε κλίμακα, ψάχνουν για λύσεις που μπορούν να κλιμακωθούν μαζί τους.

Κάτι που οι développers της τεχνητής νοημοσύνης μπορεί να θέλουν να σημειώσουν είναι ότι η μεταβλητότητα των γλωσσών που χρησιμοποιούνται για την κατασκευή μοντέλων έχει επίσης μεταβληθεί από το 2019. Ενώ η Python παραμένει η πιο χρησιμοποιούμενη γλώσσα και το 2019 και το 2020, η SQL και η R ήταν οι δεύτερες και τρίτες πιο συχνά χρησιμοποιούμενες γλώσσες το 2019. Ωστόσο, το 2020, η Java, C/C++ και JavaScript κέρδισαν σημαντική πρόοδο. Η Python, R και SQL είναι συχνά ενδεικτικές της πειραματικής φάσης, ενώ η Java, C/C++ και JavaScript είναι περισσότερο παραγωγικής φάσης γλώσσες.

Για να μάθετε περισσότερα, σας συνιστούμε να κατεβάσετε την πλήρη Έκθεση Κατάστασης της Τεχνητής Νοημοσύνης και του Machine Learning.