报告审查：Appen 的年度人工智能状态报告

Appen Limited，一家全球领先的提供大规模人工数据来源、数据准备和模型评估的AI公司，发布了其备受期待的年度“人工智能和机器学习状态报告”。

人工智能和机器学习状态报告是一份年度报告，重点介绍各个行业的所有规模公司实施的策略，以推进他们的人工智能成熟度。Appen发布的最新版本是第八版，它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度方面的作用。

报告的主要发现

报告的主要内容涉及来源、质量、评估、采用和伦理。

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，准确且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存在显著的差距，根据报告。

另一个关键要点是，公司越来越注重负责任的人工智能，并使他们的策略成熟。越来越多的企业领导者和技术人员正在努力提高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的模型。报告发现，80%的受访者认为数据多样性“非常重要”或“很重要”。它还发现，95%的受访者同意合成数据将在创建包容性数据集方面发挥关键作用。

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。“问题是，许多人面临着使用糟糕的数据集构建伟大人工智能的挑战，这正在为他们的目标创造一个重大的障碍。”

以下是报告的其他一些关键要点：

• 来源：42%的技术人员表示，人工智能生命周期的数据来源阶段非常具有挑战性，而企业领导者不太可能报告数据来源非常具有挑战性（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% 的受访者报告了超过 90% 的数据准确性。
• 评估：关于人工智能中的人机协同机器学习的重要性存在强烈的共识，81% 的受访者表示其非常重要或很重要。97% 的受访者表示，人机协同评估对于准确的模型性能至关重要。
• 采用：技术人员对其组织是否领先于行业中的其他组织持分歧。美国受访者更有可能表示其组织在采用人工智能方面领先于其他国家的受访者。
• 伦理：93%的受访者同意，负责任的人工智能是其组织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，这意味着人工智能负责人单独处理这项工作是一项令人难以置信的任务——也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 的首席技术官。

“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状态报告》这里。