리포트 리뷰: Appen의 연례 AI 및 머신러닝 리포트

Appen Limited, 인간 규모의 데이터 소싱, 데이터 준비, 모델 평가를 제공하는 글로벌 AI 리더는 높은 기대와 함께 연례 “AI 및 머신러닝 리포트”를 발표했습니다.

AI 및 머신러닝 리포트는 모든 규모의 기업이 산업 전반에 걸쳐 AI 성숙도를 높이는 데实施하는 전략에 초점을 둔 연례 리포트입니다. 최신 버전은 Appen에서 발표한 8번째 리포트이며, 데이터 관리 및 보안, 책임 있는 AI, 외부 데이터 제공업체 및 진행 상황을 앞당기는 역할에 대한 최상의 접근 방식을 강조합니다.

리포트의 주요 발견

리포트의 주요 내용은 소싱, 품질, 평가, 채택, 윤리에 관한 것입니다.

리포트의 주요 발견 중 하나는 51%의 참가자가 데이터 정확성이 자신의 AI 사용 사례에 중요하다고 동의한다는 것입니다. 정확하고 고품질의 데이터가 AI 모델의 성공에 중요하다는 것은 잘 알려져 있지만, 많은 비즈니스 리더들은 이상적인 데이터 정확성을 달성하는 데 현실과 큰 차이가 있다는 리포트에 따르면 나타났습니다.

또 다른 주요 내용은 기업이 점점 더 책임 있는 AI에 초점을 맞추고 전략을 성숙시키고 있는 것입니다. 점점 더 많은 비즈니스 리더와 기술자들이 AI 프로젝트를 구동하는 데이터 품질을 개선하기 위해 노력하고 있으며, 이는 포용적인 데이터 세트와 편향되지 않은 모델을 촉진합니다. 리포트에 따르면 80%의 응답자가 데이터 다양성이 “매우 중요”하거나 “중요”하다고 믿으며, 95%의 응답자가 합성 데이터가 포용적인 데이터 세트를 생성하는 데 핵심 역할을 할 것이라고 동의합니다.

Mark Brayan은 Appen의 CEO입니다.

“올해의 AI 리포트에서는 93%의 응답자가 책임 있는 AI가 모든 AI 프로젝트의 기반이라고 믿고 있다”고 Brayan은 말했다. “문제는, 많은 사람들이 부족한 데이터 세트로 훌륭한 AI를 구축하려고 시도하고 있으며, 이는 목표를 달성하는 데 상당한 장애물이 되고 있다”고 그는 덧붙였다.

리포트의 다른 주요 내용은 다음과 같습니다.

• 소싱: 42%의 기술자들은 AI 라이프사이클의 데이터 소싱 단계가 매우 어려우며, 비즈니스 리더들은 데이터 소싱이 매우 어려움을 보고하는 경우가 적었습니다(24%).
• 품질: 반 이상의 응답자가 데이터 정확성이 AI의 성공에 중요하다고 말하지만, 6%만이 90% 이상의 데이터 정확성을 달성했다고 보고했습니다.
• 평가: 인간-인-루프 머신러닝의 중요성에 대한 강한 합의가 있으며, 81%의 응답자가 매우 중요하거나 중요하다고 말합니다. 97%의 응답자가 인간-인-루프 평가가 정확한 모델 성능에 중요하다고 보고했습니다.
• 채택: 기술자들은 자신의 조직이 산업에서 AI를 채택하는 데 앞서 있는지, 아니면 다른 조직과 동등한지에 대해 의견이 분분합니다. 미국 응답자는 유럽 응답자보다 산업에서 AI를 채택하는 데 앞서 있는 조직이라고 말할 가능성이 더 높습니다.
• 윤리: 93%의 응답자가 자신의 조직 내에서 모든 AI 프로젝트의 기반이 되는 책임 있는 AI를 중요하게 생각한다고 동의합니다.

Sujatha Sagiraju는 Appen의 Chief Product Officer입니다.

“대부분의 AI 노력은 AI 라이프사이클을 위한 데이터 관리에 집중되며, 이는 AI 리더들이 혼자서 처리하기에는 엄청난 작업입니다”라고 Sagiraju는 말했다. “높은 품질의 데이터를 소싱하는 것이 AI 솔루션의 성공에 중요하며, 우리는 조직이 데이터 정확성의 중요성을 강조하는 것을 보고 있습니다.”

Wilson Pang은 Appen의 CTO입니다.

“데이터 정확성은 AI 및 머신러닝 모델의 성공에 중요하며, 질적으로 풍부한 데이터는 더好的 모델 출력과 일관된 처리 및 의사 결정으로 이어집니다”라고 Pang은 말했다. “좋은 결과를 얻으려면 데이터 세트는 정확하고, 포괄적이며, 확장 가능해야 합니다.”

전체 AI 및 머신러닝 리포트를 여기에서 찾을 수 있습니다.