रिपोर्ट समीक्षा: एपेन की वार्षिक एआई रिपोर्ट

एपेन लिमिटेड, एक वैश्विक एआई नेता जो बड़े पैमाने पर मानव द्वारा डेटा सourcing, डेटा तैयारी, और मॉडल मूल्यांकन प्रदान करता है, ने अपनी अत्यधिक प्रत्याशित वार्षिक “एआई और मशीन लर्निंग रिपोर्ट” जारी की है।

एआई और मशीन लर्निंग रिपोर्ट एक वार्षिक रिपोर्ट है जो सभी आकारों की कंपनियों द्वारा अपनी एआई परिपक्वता को आगे बढ़ाने के लिए लागू की जाने वाली रणनीतियों पर केंद्रित है। एपेन द्वारा जारी यह आठवीं संस्करण है, और यह डेटा प्रबंधन और सुरक्षा, जिम्मेदार एआई, और बाहरी डेटा प्रदाताओं की भूमिका को आगे बढ़ाने के लिए शीर्ष दृष्टिकोणों पर प्रकाश डालता है।

रिपोर्ट के मुख्य निष्कर्ष

रिपोर्ट के मुख्य निष्कर्ष सourcing, गुणवत्ता, मूल्यांकन, अपनाने, और नैतिकता से संबंधित थे।

रिपोर्ट के एक मुख्य निष्कर्ष यह था कि 51% प्रतिभागियों का मानना है कि डेटा सटीकता उनके एआई उपयोग के मामले के लिए महत्वपूर्ण है। यह ज्ञात है कि सटीक और उच्च गुणवत्ता वाला डेटा एआई मॉडल की सफलता के लिए महत्वपूर्ण है, लेकिन कई व्यवसायिक नेताओं के पास डेटा सटीकता प्राप्त करने में एक महत्वपूर्ण अंतर है, रिपोर्ट के अनुसार।

एक अन्य प्रमुख निष्कर्ष यह था कि कंपनियां अपना ध्यान जिम्मेदार एआई और अपनी रणनीतियों को परिपक्व करने की ओर बढ़ा रही हैं। व्यवसायिक नेताओं और प्रौद्योगिकीविदों की बढ़ती संख्या एआई परियोजनाओं को चलाने वाले डेटा गुणवत्ता में सुधार करने के लिए काम कर रही है, जो समावेशी डेटासेट और निरपेक्ष मॉडल को बढ़ावा देती है। रिपोर्ट में पाया गया कि 80% उत्तरदाताओं का मानना है कि डेटा विविधता “बहुत महत्वपूर्ण” या “अत्यधिक महत्वपूर्ण” है। यह भी पाया गया कि 95% उत्तरदाताओं का मानना है कि सिंथेटिक डेटा समावेशी डेटासेट बनाने में एक महत्वपूर्ण भूमिका निभाएगा।

मार्क ब्रायन एपेन के सीईओ हैं।

“इस साल की राज्य एआई रिपोर्ट में पाया गया है कि 93% उत्तरदाताओं का मानना है कि जिम्मेदार एआई सभी एआई परियोजनाओं का आधार है,” ब्रायन ने कहा। “समस्या यह है कि कई लोग कमजोर डेटासेट के साथ महान एआई बनाने की कोशिश करने की चुनौतियों का सामना कर रहे हैं, और यह उनके लक्ष्यों तक पहुंचने में एक महत्वपूर्ण रोडब्लॉक पैदा कर रहा है।”

रिपोर्ट के अन्य प्रमुख निष्कर्ष यह हैं:

• सourcing: 42% प्रौद्योगिकीविदों का कहना है कि एआई जीवन चक्र के डेटा सourcing चरण बहुत चुनौतीपूर्ण है, और व्यवसायिक नेता कम संभावना थे कि डेटा सourcing को बहुत चुनौतीपूर्ण बताएं (24%)।
• गुणवत्ता: उत्तरदाताओं के अधिकांश का कहना है कि डेटा सटीकता एआई की सफलता के लिए महत्वपूर्ण है, लेकिन केवल 6% ने बताया कि वे 90% से अधिक डेटा सटीकता प्राप्त कर चुके हैं।
• मूल्यांकन: मानव-इन-द-लूप मशीन लर्निंग के महत्व के बारे में एक मजबूत सहमति है क्योंकि 81% ने कहा कि यह बहुत या अत्यधिक महत्वपूर्ण है। 97% ने बताया कि मानव-इन-द-लूप मूल्यांकन सटीक मॉडल प्रदर्शन के लिए महत्वपूर्ण है।
• अपनाना: प्रौद्योगिकीविदों का मानना है कि उनका संगठन अपने उद्योग में अन्य कंपनियों के साथ या आगे है। अमेरिकी उत्तरदाता यूरोपीय उत्तरदाताओं की तुलना में अपने संगठनों को अपने उद्योग में अन्य कंपनियों के साथ या आगे बताने की अधिक संभावना रखते हैं।
• नैतिकता: 93% उत्तरदाताओं का मानना है कि जिम्मेदार एआई उनके संगठन की सभी एआई परियोजनाओं का आधार है।

सुजाथा सगिराजु एपेन के मुख्य उत्पाद अधिकारी हैं।

“एआई प्रयासों का अधिकांश भाग डेटा को एआई जीवन चक्र के लिए प्रबंधित करने में बिताया जाता है, जिसका अर्थ है कि यह एआई के नेताओं के लिए अकेले संभालना एक अविश्वसनीय उपक्रम है – और यह वह क्षेत्र है जहां अधिकांश संघर्ष कर रहे हैं,” सगिराजु ने कहा। “उच्च गुणवत्ता वाले डेटा का सourcing एआई समाधानों की सफलता के लिए महत्वपूर्ण है, और हम देख रहे हैं कि संगठन डेटा सटीकता के महत्व पर जोर दे रहे हैं।”

विल्सन पैंग एपेन के सीटीओ हैं।

“डेटा सटीकता एआई और एमएल मॉडल की सफलता के लिए महत्वपूर्ण है क्योंकि गुणात्मक रूप से समृद्ध डेटा बेहतर मॉडल आउटपुट और निरंतर प्रसंस्करण और निर्णय लेने का परिणाम है,” पैंग ने कहा। “अच्छे परिणामों के लिए, डेटासेट सटीक, व्यापक और स्केलेबल होना चाहिए।”

आप पूरी राज्य एआई और मशीन लर्निंग रिपोर्ट यहाँ पा सकते हैं।