Report Recensione: Appen’s Annual State of AI Report

Appen Limited, un leader globale AI nel fornire data sourcing, preparazione dei dati e valutazione dei modelli da parte degli esseri umani su larga scala, ha rilasciato il suo attesissimo rapporto annuale “State of AI and Machine Learning Report.”

Il State of AI and Machine Learning Report è un rapporto annuale focalizzato sulle strategie implementate da aziende di tutte le dimensioni nei vari settori mentre aumentano la loro maturità AI. L’ultima edizione è l’ottava rilasciata 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 favorire il progresso.

Principali Risultati del Rapporto

I principali punti chiave del rapporto riguardavano il reperimento, la qualità, la valutazione, l’adozione e l’etica.

Uno dei principali risultati del rapporto è stato che il 51% dei partecipanti concorda che l’accuratezza dei dati è fondamentale per il loro caso d’uso AI. È noto che i dati precisi e di alta qualità sono cruciali per il successo dei modelli 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 altro punto chiave è stato 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 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 State of AI di quest’anno scopre che il 93% dei rispondenti ritiene che l’AI responsabile sia la base di tutti i progetti AI”, ha detto Brayan. “Il problema è che molti stanno affrontando le sfide di cercare di costruire un grande AI con set di dati scadenti, e sta creando un ostacolo significativo per raggiungere i loro obiettivi.”

Ecco alcuni degli altri punti chiave del rapporto:

• Reperimento: il 42% dei tecnologi afferma che la fase di reperimento dei dati del ciclo di vita AI è molto impegnativa, e i leader aziendali erano meno propensi a segnalare il reperimento dei dati come molto impegnativo (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 avanti o al passo con gli altri nel loro settore. I rispondenti statunitensi sono più propensi ad affermare che le loro organizzazioni sono avanti rispetto ad altri nel loro settore nell’adozione dell’AI rispetto ai rispondenti europei.
• Etica: il 93% dei rispondenti concorda che l’AI responsabile sia la base di tutti i progetti AI all’interno della loro organizzazione.

Sujatha Sagiraju è Chief Product Officer di Appen.

“La maggior parte degli sforzi AI è spesa nella gestione dei dati per il ciclo di vita AI, il che significa che è un’impresa incredibile per i leader AI gestirla da soli – e è l’area con cui molti stanno lottando”, ha detto Sagiraju. “Reperire dati di alta qualità è fondamentale per il successo delle soluzioni 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 AI e ML, poiché i dati qualitativamente ricchi producono migliori output del modello e un processo decisionale coerente”, ha detto Pang. “Per ottenere buoni risultati, i set di dati devono essere accurati, completi e scalabili.”

Puoi trovare il rapporto completo State of AI and Machine Learning here.