Обзор отчета: Ежегодный отчет Appen о состоянии ИИ

Appen Limited, глобальный лидер в области ИИ, предоставляющий услуги по сбору и подготовке данных и оценке моделей людьми в крупном масштабе, опубликовал свой высоко ожидаемый ежегодный отчет «Состояние ИИ и машинного обучения».

Отчет о состоянии ИИ и машинного обучения – это ежегодный отчет, в котором рассматриваются стратегии, реализуемые компаниями всех размеров из различных отраслей для повышения зрелости ИИ. Последнее издание является восьмым, выпущенным Appen, и оно подчеркивает лучшие подходы к управлению данными и безопасности, ответственному ИИ, а также роль внешних поставщиков данных в продвижении прогресса.

Основные выводы отчета

Основными выводами отчета стали вопросы, связанные со сбором данных, качеством, оценкой, внедрением и этикой.

Одним из основных выводов отчета было то, что 51% участников согласны с тем, что точность данных имеет решающее значение для их сценария использования ИИ. Хорошо известно, что точные и высококачественные данные имеют решающее значение для успеха моделей ИИ, но многие бизнес-лидеры имеют значущий разрыв между идеалом и реальностью в достижении точности данных, согласно отчету.

Другим ключевым выводом было то, что компании все чаще смещают свой фокус на ответственный ИИ и совершенствуют свои стратегии. Все большее число бизнес-лидеров и технологов работают над улучшением качества данных, которые стимулируют проекты ИИ, что способствует созданию инклюзивных наборов данных и беспристрастных моделей. В отчете было обнаружено, что 80% респондентов считают, что разнообразие данных «очень важно» или «крайне важно». Также было обнаружено, что 95% респондентов согласны с тем, что синтетические данные будут ключевым фактором в создании инклюзивных наборов данных.

Марк Брайан является генеральным директором Appen.

«В этом году отчет о состоянии ИИ показывает, что 93% респондентов считают, что ответственный ИИ является основой всех проектов ИИ», – сказал Брайан. «Проблема заключается в том, что многие сталкиваются с трудностями при попытке построить отличный ИИ с плохими наборами данных, и это создает значительную преграду на пути к достижению их целей».

Вот некоторые другие ключевые выводы из отчета:

• Сбор данных: 42% технологов говорят, что стадия сбора данных в жизненном цикле ИИ очень сложна, и бизнес-лидеры были менее склонны сообщать о сборе данных как очень сложном (24%).
• Качество: Более половины респондентов говорят, что точность данных имеет решающее значение для успеха ИИ, но только 6% сообщили о достижении точности данных выше 90%.
• Оценка: Существует сильный консенсус вокруг важности машинного обучения с человеком в цикле с 81% заявляющих, что это «очень важно» или «крайне важно». 97% сообщили, что оценка с человеком в цикле важна для точной производительности модели.
• Внедрение: Технологи разделены во мнении о том, является ли их организация впереди или наравне с другими в их отрасли. Респонденты из США более склонны говорить, что их организации впереди других в их отрасли во внедрении ИИ по сравнению с респондентами из Европы.
• Этика: 93% респондентов согласны с тем, что ответственный ИИ является основой всех проектов ИИ в их организации.

Суджата Сагираджу является директором по продукту в Appen.

«Большинство усилий по ИИ тратится на управление данными для жизненного цикла ИИ, что означает, что это невероятное начинание для лидеров ИИ, чтобы справиться с этим в одиночку – и это область, с которой многие борются», – сказала Сагираджу. «Сбор высококачественных данных имеет решающее значение для успеха решений ИИ, и мы видим, что организации подчеркивают важность точности данных».

Уилсон Панг является техническим директором в Appen.

«Точность данных имеет решающее значение для успеха моделей ИИ и машинного обучения, поскольку качественно богатые данные дают лучшие выходные данные модели и последовательную обработку и принятие решений», – сказал Панг. «Для хороших результатов наборы данных должны быть точными, полными и масштабируемыми».

Вы можете найти полный отчет о состоянии ИИ и машинного обучения здесь.