Rapportrecension: Appens årliga rapport om tillståndet för AI och maskinlärning

Appen Limited, en global AI-ledare inom datakällor, dataförberedning och modellutvärdering i stor skala, har släppt sin högt efterlängtade årliga rapport “Tillståndet för AI och maskinlärning”.

Rapporten om tillståndet för AI och maskinlärning är en årlig rapport som fokuserar på de strategier som genomförs av företag av alla storlekar inom olika branscher när de utvecklar sin AI-mognad. Den senaste upplagan är den åttonde som släppts av Appen, och den belyser de bästa tillvägagångssätten för datahantering och säkerhet, ansvarsfull AI och externa dataleverantörer och deras roll i att främja framsteg.

Rapportens huvudfynd

Rapportens huvudslutsatser handlade om källor, kvalitet, utvärdering, antagande och etik.

En av rapportens huvudfynd var att 51% av deltagarna är överens om att dataaccuritet är avgörande för deras AI-användningsfall. Det är välkänt att korrekt och högkvalitativ data är avgörande för AI-modellernas framgång, men många företagsledare har en betydande lucka mellan ideal och verklighet när det gäller att uppnå dataaccuritet, enligt rapporten.

En annan viktig slutsats var att företagen alltmer fokuserar på ansvarsfull AI och mognar ut sina strategier. En ökande andel företagsledare och tekniker arbetar för att förbättra datakvaliteten som driver AI-projekt, vilket främjar inkluderande datamängder och obefläckade modeller. Rapporten fann att 80% av respondenterna anser att datadiversitet är “extremt viktig” eller “mycket viktig”. Den fann också att 95% av respondenterna är överens om att syntetisk data kommer att vara en nyckelspelare i skapandet av inkluderande datamängder.

Mark Brayan är VD på Appen.

“I år rapport om tillståndet för AI finner vi att 93% av respondenterna anser att ansvarsfull AI är grunden för alla AI-projekt”, sa Brayan. “Problemet är att många försöker bygga bra AI med dåliga datamängder, och det skapar en betydande vägspärr för att nå sina mål.”

Här är några av de andra viktiga slutsatserna från rapporten:

• Källor: 42% av tekniker säger att datakällans fas i AI-livscykeln är mycket utmanande, och företagsledare var mindre benägna att rapportera datakällor som mycket utmanande (24%).
• Kvalitet: Mer än hälften av respondenterna säger att dataaccuritet är avgörande för AI:s framgång, men endast 6% rapporterade att de uppnått dataaccuritet högre än 90%.
• Utvärdering: Det finns en stark konsensus kring vikten av mänsklig utvärdering av maskinlärning med 81% som anser att det är mycket eller extremt viktigt. 97% rapporterade att mänsklig utvärdering är viktig för korrekt modellprestanda.
• Antagande: Tekniker är splittrade när det gäller om deras organisation är före eller i nivå med andra i sin bransch. Amerikanska respondenter är mer benägna att säga att deras organisationer är före andra i sin bransch när det gäller att anta AI jämfört med europeiska respondenter.
• Etik: 93% av respondenterna är överens om att ansvarsfull AI är grunden för alla AI-projekt inom deras organisation.

Sujatha Sagiraju är Chief Product Officer på Appen.

“Majoriteten av AI-insatserna läggs på att hantera data för AI-livscykeln, vilket innebär att det är en otrolig utmaning för AI-ledare att hantera ensam – och det är området som många kämpar med”, sa Sagiraju. “Att hitta högkvalitativa data är avgörande för AI-lösningarnas framgång, och vi ser att organisationer betonar vikten av dataaccuritet.”

Wilson Pang är CTO på Appen.

“Dataaccuritet är avgörande för AI- och ML-modellernas framgång eftersom kvalitativt rik data ger bättre modellutdata och konsekvent bearbetning och beslutsfattande”, sa Pang. “För bra resultat måste datamängderna vara korrekta, omfattande och skalbara.”

Du kan hitta den fullständiga rapporten om tillståndet för AI och maskinlärning här.