Przegląd raportu: Roczny raport Appen o stanie sztucznej inteligencji

Appen Limited, globalny lider w dziedzinie sztucznej inteligencji, zapewniający pozyskiwanie danych, przygotowanie danych i ocenę modeli przez ludzi w skali, opublikował swój bardzo oczekiwany roczny raport „Stan sztucznej inteligencji i uczenia maszynowego”.

Raport o stanie sztucznej inteligencji i uczenia maszynowego to raport roczny, który koncentruje się na strategiach wdrożonych przez firmy wszystkich rozmiarów z różnych branż, które rozwijają swoją dojrzałość sztucznej inteligencji. Ostatnia edycja jest ósmą opublikowaną przez Appen i podkreśla najlepsze podejścia do zarządzania danymi i bezpieczeństwa, odpowiedzialnej sztucznej inteligencji oraz roli zewnętrznych dostawców danych w rozwoju postępów.

Główne wnioski z raportu

Główne wnioski z raportu dotyczyły pozyskiwania, jakości, oceny, wdrożenia i etyki.

Jednym z głównych wniosków z raportu było to, że 51% uczestników zgadza się, że dokładność danych jest kluczowa dla ich przypadku użycia sztucznej inteligencji. Jest powszechnie wiadomo, że dokładne i wysokiej jakości dane są niezbędne do sukcesu modeli sztucznej inteligencji, ale wielu liderów biznesu ma znaczącą lukę między ideałem a rzeczywistością w osiąganiu dokładności danych, zgodnie z raportem.

Innym kluczowym wnioskiem było to, że firmy coraz częściej przesuwają swoją uwagę na odpowiedzialną sztuczną inteligencję i dojrzewanie swoich strategii. Coraz większa liczba liderów biznesu i technologów pracuje nad poprawą jakości danych, które napędzają projekty sztucznej inteligencji, co sprzyja inkluzywnym zbiorom danych i bezstronnym modelom. Raport wykazał, że 80% respondentów uważa, że różnorodność danych jest „bardzo ważna” lub „niezwykle ważna”. Stwierdzono również, że 95% respondentów zgadza się, że dane syntetyczne będą kluczowym graczem w tworzeniu inkluzywnych zbiorów danych.

Mark Brayan jest dyrektorem generalnym Appen.

„W tym roku raport o stanie sztucznej inteligencji stwierdza, że 93% respondentów uważa, iż odpowiedzialna sztuczna inteligencja jest podstawą wszystkich projektów sztucznej inteligencji”, powiedział Brayan. „Problem polega na tym, że wiele firm staje przed wyzwaniem budowania wielkiej sztucznej inteligencji ze słabymi zbiorami danych, co tworzy znaczącą przeszkodę na drodze do osiągnięcia ich celów”.

Oto niektóre z innych kluczowych wniosków z raportu:

• Pozyskiwanie: 42% technologów twierdzi, że etap pozyskiwania danych w cyklu życia sztucznej inteligencji jest bardzo trudny, a liderzy biznesu byli mniej skłonni do zgłaszania pozyskiwania danych jako bardzo trudnego (24%).
• Jakość: Ponad połowa respondentów twierdzi, że dokładność danych jest kluczowa dla sukcesu sztucznej inteligencji, ale tylko 6% zgłosiło osiągnięcie dokładności danych wyższej niż 90%.
• Ocena: Istnieje silny konsensus wokół ważności uczenia maszynowego z ludzkim udziałem, przy 81% respondentów twierdzących, że jest to bardzo lub niezwykle ważne. 97% respondentów zgłosiło, że ocena z ludzkim udziałem jest ważna dla dokładnego działania modelu.
• Wdrożenie: Technologowie są podzieleni co do tego, czy ich organizacja jest przed czy na równi z innymi w ich branży. Respondenci z USA są bardziej skłonni do twierdzenia, że ich organizacje są przed innymi w swojej branży w przyjęciu sztucznej inteligencji w porównaniu z respondentami z Europy.
• Etyka: 93% respondentów zgadza się, że odpowiedzialna sztuczna inteligencja jest podstawą wszystkich projektów sztucznej inteligencji w ich organizacji.

Sujatha Sagiraju jest dyrektorem ds. produktu w Appen.

„Większość wysiłków związanych z sztuczną inteligencją pochłania zarządzanie danymi w cyklu życia sztucznej inteligencji, co oznacza, że jest to niesamowite przedsięwzięcie dla liderów sztucznej inteligencji, aby radzić sobie z tym samodzielnie – i jest to obszar, z którym wiele firm się boryka”, powiedziała Sagiraju. „Pozyskiwanie wysokiej jakości danych jest kluczowe dla sukcesu rozwiązań sztucznej inteligencji, a my widzimy, jak organizacje podkreślają wagę dokładności danych”.

Wilson Pang jest dyrektorem technicznym w Appen.

„Dokładność danych jest kluczowa dla sukcesu modeli sztucznej inteligencji i uczenia maszynowego, ponieważ bogate jakościowo dane dają lepsze wyniki modeli i spójne przetwarzanie i podejmowanie decyzji”, powiedział Pang. „Aby osiągnąć dobre wyniki, zbiory danych muszą być dokładne, kompleksowe i skalowalne”.

Można znaleźć pełny raport o stanie sztucznej inteligencji i uczenia maszynowego tutaj.