Rapportgranskning: Appens årliga rapport om AI-tillstånd

Appen Limited, en global ledare inom AI inom tillhandahållande av datakälla, dataförberedelse och modellutvärdering av människor i stor skala, har släppt sin efterlängtade årliga "Status för AI och maskininlärning. " 

Rapporten State of AI and Machine Learning är en årlig rapport fokuserad på de strategier som implementeras av företag av alla storlekar i olika branscher när de främjar sin AI-mognad. Den senaste utgåvan är den åttonde som släpps av Appen, och den belyser de bästa tillvägagångssätten för datahantering och säkerhet, ansvarsfull AI och externa dataleverantörer och deras roll för att göra framsteg. 

De viktigaste resultaten av rapporten

Rapportens viktigaste takeaways involverade inköp, kvalitet, utvärdering, adoption och etik. 

Ett av rapportens huvudsakliga resultat var att 51 % av deltagarna håller med om att datanoggrannhet är avgörande för deras AI-användningsfall. Det är välkänt att korrekt och högkvalitativ data är avgörande för framgången för AI-modeller, men många företagsledare har en betydande klyfta i ideal kontra verklighet när det gäller att uppnå datanoggrannhet, enligt rapporten. 

En annan viktig faktor var att företag i allt högre grad flyttar sitt fokus till ansvarsfull AI och mognar sina strategier. Ett ökande antal företagsledare och teknologer arbetar för att förbättra datakvaliteten som driver AI-projekt, vilket främjar inkluderande datamängder och opartiska modeller. Rapporten fann att 80 % av de tillfrågade anser att mångfald av data är "extremt viktigt" eller "mycket viktigt". Den fann också att 95 % av de tillfrågade håller med om att syntetisk data kommer att vara en nyckelspelare för att skapa inkluderande datauppsättningar. 

Mark Brayan är VD på Appen. 

"Årets State of AI-rapport visar att 93% av de tillfrågade anser att ansvarsfull AI är grunden för alla AI-projekt," sa Brayan. "Problemet är att många står inför utmaningarna att försöka bygga bra AI med dåliga datauppsättningar, och det skapar en betydande vägspärr för att nå sina mål." 

Här är några av de andra viktiga tipsen från rapporten: 

• sourcing: 42 % av teknologerna säger att datakällan i AI-livscykeln är mycket utmanande, och företagsledare var mindre benägna att rapportera datakällan som mycket utmanande (24 %).

• Kvalitet: Mer än hälften av de tillfrågade säger att datanoggrannhet är avgörande för framgången med AI, men endast 6 % rapporterade att de uppnådde en datanoggrannhet som är högre än 90 %.

• Utvärdering: Det finns en stark konsensus kring vikten av maskininlärning i slingan där 81 % säger att det är mycket eller extremt viktigt. 97 % rapporterade att utvärdering av människan i slingan är viktig för korrekt modellprestanda.

• Adoption: Teknologer är splittrade i huruvida deras organisation ligger före eller till och med med andra i deras bransch. Amerikanska respondenter är mer benägna att säga att deras organisationer ligger före andra i sin bransch när det gäller att ta till sig AI jämfört med europeiska respondenter.

• Etik: 93 % av de tillfrågade håller med om att ansvarsfull AI är en grund för alla AI-projekt inom deras organisation. 

Sujatha Sagiraju är Chief Product Officer på Appen. 

"Majoriteten av AI-ansträngningarna går åt till att hantera data för AI-livscykeln, vilket betyder att det är ett otroligt åtagande för AI-led att hantera ensam - och är det område som många kämpar med," sa Sagiraju. "Inköp av högkvalitativ data är avgörande för framgången för AI-lösningar, och vi ser organisationer betona vikten av datanoggrannhet." 

Wilson Pang är CTO på Appen. 

"Data noggrannhet är avgörande för framgången för AI- och ML-modeller eftersom kvalitativt rik data ger bättre modellutdata och konsekvent bearbetning och beslutsfattande," sa Pang. "För bra resultat måste datauppsättningar vara exakta, heltäckande och skalbara." 

Du kan hitta hela rapporten om AI och maskininlärning här..