Raportin arvostelu: Appenin vuosittainen tekoäly- ja koneoppimisraportti

Appen Limited, maailmanlaajuinen tekoälyjohtaja, joka tarjoaa datan hankinnan, datan valmistelun ja mallin arvioinnin ihmisten suorittamana suuressa mittakaavassa, on julkaissut odotetun vuosittaisen “Tekoäly- ja koneoppimisraportin”.

Tekoäly- ja koneoppimisraportti on vuosittainen raportti, joka keskittyy strategioihin, joita kaiken kokoiset yritykset eri aloilla käyttävät edistääkseen tekoäly-kypsyyttään. Uusin painos on Appenin julkaisema kahdeksas, ja se korostaa parhaimpia lähestymistapoja datahallintaan ja -turvallisuuteen, vastuulliseen tekoälyyn ja ulkoisten data-toimittajien roolia edistääkseen etenemistä.

Raportin keskeiset havainnot

Raportin pääasialliset löydökset liittyivät datan hankintaan, laatuun, arviointiin, käyttöönottoon ja etiikkaan.

Yksi raportin pääasiallisista löydöksistä oli, että 51 % osallistujista oli samaa mieltä siitä, että datan tarkkuus on kriittinen heidän tekoälysovellukselleen. On hyvin tiedossa, että tarkka ja laadukas data on välttämätöntä tekoälymallien onnistumiselle, mutta monilla liiketoimintajohtajilla on merkittävä aukko ihannetilan ja todellisuuden välillä datan tarkkuuden saavuttamisessa, kuten raportissa todettiin.

Toinen tärkeä löydös oli, että yritykset siirtävät yhä enemmän huomionsa vastuulliseen tekoälyyn ja kehittävät strategioitaan. Yhä useammat liiketoimintajohtajat ja teknologiatyöntekijät pyrkivät parantamaan datan laatua, joka ohjaa tekoälyprojekteja, ja edistävät monipuolisia tietoja ja puolueettomia malleja. Raportti osoitti, että 80 % vastaajista katsoo, että datan monipuolisuus on “erittäin tärkeää” tai “hyvin tärkeää”. Se osoitti myös, että 95 % vastaajista on samaa mieltä siitä, että synteettinen data tulee olemaan avainasemassa monipuolisten tietojen luomisessa.

Mark Brayan on Appenin toimitusjohtaja.

“Tämän vuoden tekoälyraportti osoittaa, että 93 % vastaajista katsoo, että vastuullinen tekoäly on kaikkien tekoälyprojektien perusta”, Brayan sanoi. “Ongelma on, että monilla on haasteita rakentaa hyvää tekoälyä heikkolaatuisilla tiedoilla, ja se luo merkittävän esteen heidän tavoitteidensa saavuttamiselle.”

Tässä ovat muutamia muita raportin pääasiallisia löydöksiä:

• Datan hankinta: 42 % teknologiatyöntekijöistä sanoo, että tekoäly-elinkaaren datan hankintavaihe on erittäin haasteellinen, ja liiketoimintajohtajat olivat vähemmän todennäköisiä raportoimaan datan hankintavaihetta erittäin haasteellisena (24 %).
• Laatu: Yli puolet vastaajista sanoo, että datan tarkkuus on kriittinen tekoälymenestykselle, mutta vain 6 % raportoi saavuttaneensa datan tarkkuuden yli 90 %.
• Arviointi: On vahva yksimielisyys ihmisen osallistumisen tärkeydestä koneoppimisen prosessissa, 81 % sanoo, että se on erittäin tai hyvin tärkeää. 97 % raportoi, että ihmisen osallistumiseen perustuva arviointi on tärkeää tarkalle mallin suorituskyvylle.
• Omaksuminen: Teknologiatyöntekijät ovat jakautuneita siinä, ovatko heidän organisaationsa muita edellä vai samalla tasolla omalla alallaan tekoälyn omaksumisessa. Yhdysvaltalaiset vastaajat ovat todennäköisemmin sanoneet, että heidän organisaationsa ovat muita edellä omalla alallaan tekoälyn omaksumisessa verrattuna eurooppalaisiin vastaajiin.
• Etiikka: 93 % vastaajista on samaa mieltä siitä, että vastuullinen tekoäly on perusta kaikille tekoälyprojekteille heidän organisaatiossaan.

Sujatha Sagiraju on Appenin tuotejohtaja.

“Useimmat tekoälypyrkimykset kohdistuvat dataa hallitsemaan tekoäly-elinkaaren aikana, mikä tarkoittaa, että se on uskomaton tehtävä tekoälyjohtajille yksin – ja se on alue, jolla monilla on vaikeuksia”, Sagiraju sanoi. “Korkealaatuisten tietojen hankinta on kriittistä tekoälyratkaisujen menestykselle, ja näemme, että organisaatiot korostavat datan tarkkuuden tärkeyttä.”

Wilson Pang on Appenin tekninen johtaja.

“Datan tarkkuus on kriittinen tekoäly- ja koneoppimismallien menestykselle, koska laadukkaat tiedot tuottavat parempia mallin tuloksia ja johdonmukaisia prosesseja ja päätöksentekoa”, Pang sanoi. “Hyvien tuloksien saavuttamiseksi tietojoukkojen on oltava tarkat, kattavat ja skaalautuvat.”

Voit löytää koko tekoäly- ja koneoppimisraportin täältä.