Recensione del rapporto: il rapporto annuale di Appen sullo stato dell’AI

Appen Limited, un leader globale nell’AI che fornisce dati di origine, preparazione dei dati e valutazione dei modelli su larga scala, ha rilasciato il suo attesissimo rapporto annuale “Stato dell’AI e del Machine Learning“.

Il rapporto sullo stato dell’AI e del Machine Learning è un rapporto annuale che si concentra sulle strategie implementate da aziende di tutte le dimensioni e settori per aumentare la loro maturità nell’AI. L’ultima edizione è l’ottava pubblicata da Appen e mette in evidenza i principali approcci alla gestione dei dati e alla sicurezza, all’AI responsabile e ai fornitori di dati esterni e al loro ruolo nel promuovere il progresso.

Principali riscontri del rapporto

I principali risultati del rapporto hanno riguardato la ricerca, la qualità, la valutazione, l’adozione e l’etica.

Una delle principali scoperte del rapporto è che il 51% dei partecipanti concorda che l’accuratezza dei dati è fondamentale per il loro caso d’uso dell’AI. È noto che i dati precisi e di alta qualità sono cruciali per il successo dei modelli dell’AI, ma molti leader aziendali hanno un divario significativo tra l’ideale e la realtà nel raggiungere l’accuratezza dei dati, secondo il rapporto.

Un’altra scoperta chiave è che le aziende stanno sempre più spostando la loro attenzione sull’AI responsabile e stanno maturando le loro strategie. Un numero crescente di leader aziendali e tecnologi sta lavorando per migliorare la qualità dei dati che guidano i progetti dell’AI, promuovendo set di dati inclusivi e modelli non distorti. Il rapporto ha scoperto che l’80% dei rispondenti ritiene che la diversità dei dati sia “estremamente importante” o “molto importante”. Ha anche scoperto che il 95% dei rispondenti concorda che i dati sintetici saranno un giocatore chiave nella creazione di set di dati inclusivi.

Mark Brayan è CEO di Appen.

“Il rapporto sullo stato dell’AI di quest’anno scopre che il 93% dei rispondenti ritiene che l’AI responsabile sia la base di tutti i progetti dell’AI”, ha detto Brayan. “Il problema è che molti stanno affrontando le sfide di costruire un’AI eccellente con set di dati scadenti, e ciò sta creando un ostacolo significativo per raggiungere i loro obiettivi”.

Ecco alcune delle altre scoperte chiave del rapporto:

• Ricerca: il 42% dei tecnologi afferma che la fase di ricerca dei dati nel ciclo di vita dell’AI è molto impegnativa, e i leader aziendali sono meno propensi a segnalare la ricerca dei dati come molto impegnativa (24%).
• Qualità: più della metà dei rispondenti afferma che l’accuratezza dei dati è fondamentale per il successo dell’AI, ma solo il 6% ha segnalato di aver raggiunto un’accuratezza dei dati superiore al 90%.
• Valutazione: c’è un forte consenso sull’importanza dell’apprendimento automatico con un essere umano nel ciclo, con l’81% che afferma che è molto o estremamente importante. Il 97% ha segnalato che la valutazione con un essere umano nel ciclo è importante per le prestazioni accurate del modello.
• Adozione: i tecnologi sono divisi sul fatto che la loro organizzazione sia in vantaggio o al passo con gli altri nel loro settore. I rispondenti statunitensi sono più propensi ad affermare che le loro organizzazioni sono in vantaggio rispetto ad altre nel loro settore nell’adozione dell’AI rispetto ai rispondenti europei.
• Etica: il 93% dei rispondenti concorda che l’AI responsabile è la base di tutti i progetti dell’AI all’interno della loro organizzazione.

Sujatha Sagiraju è Chief Product Officer di Appen.

“La maggior parte degli sforzi dell’AI è spesa nella gestione dei dati per il ciclo di vita dell’AI, il che significa che è un’impresa incredibile per i leader dell’AI gestirla da soli – e è l’area in cui molti stanno lottando”, ha detto Sagiraju. “La ricerca di dati di alta qualità è fondamentale per il successo delle soluzioni dell’AI, e stiamo vedendo le organizzazioni sottolineare l’importanza dell’accuratezza dei dati”.

Wilson Pang è CTO di Appen.

“L’accuratezza dei dati è fondamentale per il successo dei modelli dell’AI e del Machine Learning, poiché i dati ricchi e di alta qualità producono risultati del modello migliori e un’elaborazione e una presa di decisioni coerenti”, ha detto Pang. “Per ottenere buoni risultati, i set di dati devono essere accurati, completi e scalabili”.

Puoi trovare il rapporto completo sullo stato dell’AI e del Machine Learning qui.