Rapor İncelemesi: Appen’in Yıllık AI ve Makine Öğrenimi Raporu

Appen Limited, insanlar tarafından büyük ölçekte veri tedariki, veri hazırlama ve model değerlendirme alanında lider bir AI şirketi, çok beklenen yıllık “AI ve Makine Öğrenimi Raporu”nu yayınladı.

AI ve Makine Öğrenimi Raporu, tüm boyutlardaki şirketlerin AI olgunluğunu artırırken uyguladıkları stratejilere odaklanan yıllık bir rapordur. En son yayınlanan rapor, Appen tarafından yayımlanan sekizinci rapor olup, veri yönetimi ve güvenliği, sorumlu AI ve dış veri sağlayıcıların ilerlemeye katkısına ilişkin en iyi yaklaşımları vurgulamaktadır.

Raporun Ana Bulguları

Raporun ana sonuçları, kaynak sağlama, kalite, değerlendirme, benimseme ve etikle ilgiliydi.

Raporun ana bulgularından biri, katılımcıların %51’inin AI kullanım durumları için veri doğruluğunun kritik olduğunu kabul ettiği idi. Doğru ve yüksek kaliteli verilerin AI modellerinin başarısı için kritik olduğu bilinmektedir, ancak birçok iş lideri ideal ile gerçeklik arasında önemli bir uçurum yaşamaktadır.

Diğer bir önemli sonuç, şirketlerin giderek daha fazla sorumlu AI’ye odaklandığı ve stratejilerini olgunlaştırdığı idi. Artan sayıda iş lideri ve teknolog, AI projelerini yönlendiren veri kalitesini iyileştirmeye çalışmaktadır, bu da kapsayıcı veri kümeleri ve önyargısız modelleri teşvik etmektedir. Rapor, katılımcıların %80’inin veri çeşitliliği için “son derece önemli” veya “çok önemli” olduğunu belirttiğini buldu. Ayrıca, katılımcıların %95’inin sentetik verilerin kapsayıcı veri kümeleri oluşturmak için önemli bir oyuncu olacağını düşündüğü bulundu.

Mark Brayan, Appen’in CEO’sudur.

“Bu yılın AI raporu, katılımcıların %93’ünün sorumlu AI’nin tüm AI projelerinin temeli olduğunu buldu” dedi Brayan. “Sorun, birçok kişinin kötü veri kümeleriyle büyük AI inşa etmeye çalışması ve bu durumun önemli bir engel oluşturmasıdır.”

Raporun diğer bazı önemli sonuçları şunlardır:

• Kaynak Sağlama: Teknologların %42’si, AI yaşam döngüsünün veri kaynağı aşamasının çok zor olduğunu belirtirken, iş liderleri veri kaynağını çok zor olarak bildirmeye daha az eğilimlidir (%24).
• Kalite: Katılımcıların yarısından fazlası, AI başarısı için veri doğruluğunun kritik olduğunu belirtirken, sadece %6’sı veri doğruluğunun %90’dan daha yüksek olduğunu bildirdi.
• Değerlendirme: İnsanların sürece dahil olduğu makine öğrenimi konusunda güçlü bir uzlaşı bulunmaktadır, %81’i bunun çok veya son derece önemli olduğunu belirtmektedir. %97’si, insanların sürece dahil olduğu değerlendirmenin doğru model performansı için önemli olduğunu bildirdi.
• Benimseme: Teknologlar, organizasyonlarının endüstrilerindeki diğer şirketlere kıyasla AI benimsemesinde önde mi yoksa aynı düzeyde mi olduğu konusunda bölünmüştür. ABD’li katılımcılar, Avrupalı katılımcılara kıyasla organizasyonlarının AI benimsemesinde sektörlerindeki diğer şirketlerden daha önde olduğunu belirtmeye daha eğilimlidir.
• Etik: Katılımcıların %93’ü, sorumlu AI’nin organizasyonlarındaki tüm AI projelerinin temeli olduğunu kabul etmektedir.

Sujatha Sagiraju, Appen’in Ürün Başkanıdır.

“AI çabalarının büyük çoğunluğu, AI yaşam döngüsü için veri yönetimi ile ilgili olup, bu durum AI liderlerinin tek başlarına üstlenmesi için muazzam bir görevdir ve birçok kişinin mücadele ettiği alandır” dedi Sagiraju. “Yüksek kaliteli veri tedariki, AI çözümlerinin başarısı için kritik olup, organizasyonların veri doğruluğunun önemini vurguladığını görmekteyiz.”

Wilson Pang, Appen’in CTO’sudur.

“Veri doğruluğu, AI ve ML modellerinin başarısı için kritik olup, yüksek kaliteli veriler daha iyi model çıktıları ve tutarlı işleme ve karar verme süreçleri sağlar” dedi Pang. “İyi sonuçlar için veri kümelerinin doğru, kapsamlı ve ölçeklenebilir olması gerekmektedir.”

Tam AI ve Makine Öğrenimi Raporu burada bulunabilir.