रिपोर्ट समीक्षा: एपेन की वार्षिक एआई और मशीन लर्निंग रिपोर्ट

एपेन लिमिटेड, एक वैश्विक एआई नेता जो बड़े पैमाने पर मानव द्वारा डेटा संग्रह, 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 आठवाँ 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 संग्रह, गुणवत्ता, मूल्यांकन, अपनाने, और नैतिकता से संबंधित थे।

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

एक अन्य महत्वपूर्ण 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 पक्षपातरहित 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 वर्ष की 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 मुख्य निष्कर्ष यह हैं:

• संग्रह: 42% प्रौद्योगिकीविदों का कहना है कि एआई जीवन चक्र के डेटा संग्रह चरण बहुत चुनौतीपूर्ण है, और व्यवसायिक नेताओं द्वारा डेटा संग्रह को बहुत चुनौतीपूर्ण बताए जाने की संभावना कम थी (24%)।
• गुणवत्ता: उत्तरदाताओं के अधिकांश का मानना है कि डेटा सटीकता एआई की सफलता के लिए महत्वपूर्ण है, लेकिन केवल 6% ने 90% से अधिक डेटा सटीकता प्राप्त करने की सूचना दी।
• मूल्यांकन: मानव-इन-द-लूप मशीन लर्निंग के महत्व के बारे में एक मजबूत सहमति है, 81% ने इसका बहुत या अत्यधिक महत्वपूर्ण बताया। 97% ने मानव-इन-द-लूप मूल्यांकन को सटीक मॉडल प्रदर्शन के लिए महत्वपूर्ण बताया।
• अपनाना: प्रौद्योगिकीविद इस बात पर बँटे हुए हैं कि उनके संगठन अपने उद्योग के अन्य संगठनों से आगे हैं या उनके बराबर हैं। अमेरिकी उत्तरदाता अपने संगठनों को अपने उद्योग में अन्य कंपनियों की तुलना में एआई को अपनाने में आगे बताने की संभावना अधिक है, यूरोपीय उत्तरदाताओं की तुलना में।
• नैतिकता: 93% उत्तरदाताओं का मानना है कि जिम्मेदार एआई उनके संगठन में सभी एआई परियोजनाओं का आधार है।

सुजाथा सागिराजु एपेन के मुख्य उत्पाद अधिकारी हैं।

“एआई के अधिकांश प्रयास उसके पूरे जीवनचक्र में डेटा प्रबंधन पर खर्च होते हैं। यह एआई प्रमुखों के लिए अकेले संभालने का एक विशाल कार्य है और इसी क्षेत्र में कई लोग संघर्ष कर रहे हैं,” सागिराजु ने कहा। “उच्च गुणवत्ता वाले डेटा का संग्रह 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 पांग एपेन के सीटीओ हैं।

“डेटा सटीकता एआई और एमएल मॉडलों की सफलता के लिए महत्वपूर्ण है क्योंकि गुणवत्तापूर्ण डेटा बेहतर मॉडल आउटपुट तथा सुसंगत प्रसंस्करण और निर्णय लेने को संभव बनाता है,” पांग ने कहा। “अच्छे परिणामों के लिए, डेटासेट सटीक, व्यापक और स्केलेबल होना चाहिए।”

आप पूरी एआई और मशीन लर्निंग रिपोर्ट यहां पा सकते हैं।