Редактор Downcodes представляет интерпретацию «Отчета о состоянии искусственного интеллекта за 2024 год», опубликованного Appen. В отчете показано, что генеративный искусственный интеллект быстро развивается, но предприятия сталкиваются с серьезными проблемами в управлении данными. Опрос показывает, что качество данных ухудшилось, а окупаемость инвестиций в проекты ИИ также снизилась, что подчеркивает важность высококачественных данных в приложениях ИИ. В отчете также подчеркивается важность моделей машинного обучения «сотрудничества человека и машины» для повышения производительности модели ИИ и обеспечения ее этичности и актуальности. Давайте подробнее рассмотрим основные выводы доклада.
Недавно доклад Аппена о состоянии искусственного интеллекта за 2024 год привлек широкое внимание. Отчет, основанный на опросе более 500 руководителей в сфере ИТ в США, показывает, что за последний год генеративный искусственный интеллект вырос на 17%. Однако с учетом этой растущей тенденции предприятия сталкиваются со значительными проблемами в управлении данными.
Си Чен, руководитель отдела стратегии Appen, отметил в интервью, что по мере того, как применение моделей ИИ постепенно проникает в более сложные и профессиональные области, требования к данным также растут. Одних данных недостаточно. Предприятиям нужны данные, которые не только точны и разнообразны, но также имеют четкую маркировку и должны соответствовать конкретным сценариям использования ИИ.
Область применения генеративного ИИ расширяется: компании, занимающиеся ИТ-операциями и исследованиями и разработками, используют эту технологию для повышения эффективности. Однако, несмотря на бум в этой области, окупаемость инвестиций в проекты ИИ снижается.
С 2021 года доля успешно развернутых проектов ИИ снизилась на 8,1%, а количество тех проектов, которые могут принести значительную отдачу, также сократилось на 9,4%. Это происходит главным образом потому, что сегодняшние проекты ИИ становятся все более и более сложными, и многие компании начинают пробовать более сложные приложения генеративного ИИ, которые требуют более качественной поддержки данных.
Кроме того, в отчете отмечается, что проблемы с качеством данных становятся все более серьезными. С 2021 года точность данных упала почти на 9%. Сегодня 86% предприятий необходимо обновлять модели каждый квартал, что предъявляет более высокие требования к точности и разнообразию данных. Чтобы решить эти проблемы, многие компании обращаются за помощью к внешним поставщикам данных.
В то же время подготовка данных стала самым большим узким местом, с которым сталкиваются корпоративные проекты в области искусственного интеллекта. По мере роста сложности генеративных моделей ИИ компаниям необходимы долгосрочные стратегии для обеспечения качества и согласованности данных. Кроме того, вмешательство человека в этот процесс становится все более важным. Опрос показывает, что 80% респондентов считают, что машинное обучение «сотрудничеству человека и машины» имеет решающее значение. Эта модель не только помогает улучшить производительность моделей ИИ, но также обеспечивает их этику и актуальность.
Выделять:
Генеративный искусственный интеллект достигнет роста на 17% в 2024 году, но компании сталкиваются со многими трудностями в управлении данными.
? Процент успешных развертываний проектов ИИ снижается, как и рентабельность инвестиций.
Проблемы качества данных становятся все более серьезными, и предприятиям срочно нужны данные более высокого качества для удовлетворения потребностей сложных моделей ИИ.
В целом, отчет Аппена представляет собой ценный справочник по стратегиям использования данных предприятий в эпоху генеративного искусственного интеллекта. При применении технологии искусственного интеллекта крайне важно уделять внимание качеству данных и эффективным стратегиям управления данными, чтобы обеспечить успех проектов искусственного интеллекта и получить идеальную окупаемость инвестиций. Редактор Downcodes продолжит следить за тенденциями в области ИИ и предлагать вам еще больше интересных отчетов.