报告审查：Appen 的年度人工智能和机器学习报告

Appen Limited是一家全球领先的人工智能公司，提供由人工大规模开展的数据获取、数据准备和模型评估服务，已发布其备受期待的年度“人工智能和机器学习报告”。

人工智能和机器学习报告是一份年度报告，重点介绍各个行业的各类公司在推进人工智能成熟度方面采用的战略。最新版是Appen发布的第八版，强调了数据管理和安全、负责任的人工智能以及外部数据提供商在推进进步方面的作用。

报告的主要发现

报告的主要结论涉及数据获取、质量、评估、采用和伦理等方面。

报告的一项主要发现是，51%的参与者同意数据准确性对于他们的人工智能用例至关重要。众所周知，准确和高质量的数据对于人工智能模型的成功至关重要，但许多企业领导者在实现数据准确性方面，理想与现实存在显著差距。

另一项关键结论是，公司越来越注重负责任的人工智能，并使他们的战略更加成熟。越来越多的企业领导者和技术人员正在努力改善驱动人工智能项目的数据质量，这促进了包容性数据集和无偏见模型的发展。报告发现，80%的受访者认为数据多样性“非常重要”或“很重要”。报告还发现，95%的受访者同意合成数据将在创建包容性数据集中发挥关键作用。

Mark Brayan是Appen的CEO。

“今年的《人工智能状态报告》发现，93%的受访者认为负责任的人工智能是所有人工智能项目的基础，”Brayan说。“问题在于，许多人面临着用糟糕的数据集构建伟大的人工智能的挑战，这为实现他们的目标创造了一个重大的障碍。”

以下是报告的其他一些关键结论：

• 数据获取：42%的技术人员表示，人工智能生命周期中的数据获取阶段非常具有挑战性，而企业领导者不太可能认为数据获取非常具有挑战性（24%）。
• 质量：超过半数的受访者表示，数据准确性对于人工智能的成功至关重要，但只有6%的受访者报告实现了超过90%的数据准确性。
• 评估：关于人在回路的机器学习中的重要性存在着强烈的共识，81%的受访者表示其非常重要或极其重要。97%的受访者报告人在回路的评估对于准确的模型性能至关重要。
• 采用：技术人员对其组织在采用人工智能方面是领先于行业内其他组织，还是与它们处于同等水平，存在分歧。美国受访者比欧洲受访者更有可能表示其组织在采用人工智能方面领先于行业中的其他组织。
• 伦理：93%的受访者同意，负责任的人工智能是其组织内所有人工智能项目的基础。

Sujatha Sagiraju是Appen的首席产品官。

“大多数人工智能工作都花在管理人工智能生命周期的数据上，这意味着对于人工智能负责人来说，独自处理这项工作是一项艰巨的任务——而且这是许多人苦苦挣扎的领域，”Sagiraju说。“获取高质量的数据对于人工智能解决方案的成功至关重要，我们看到组织强调数据准确性的重要性。”

Wilson Pang是Appen的CTO。

“数据准确性对于人工智能和机器学习模型的成功至关重要，因为高质量的数据会产生更好的模型输出和一致的处理和决策，”Pang说。“为了获得良好的结果，数据集必须准确、全面和可扩展。”

您可以在此找到完整的人工智能和机器学习报告。