最近,Appen 发布的2024年《人工智能状态报告》引起了广泛关注。这份报告基于对500多名美国 IT 决策者的调查,显示出生成式 AI 在过去一年中增长了17%。不过,伴随着这股增长潮流,企业在数据管理上却面临着不小的挑战。
Appen 的战略负责人 Si Chen 在采访中提到,随着 AI 模型的应用逐渐深入到更复杂和专业的领域,对数据的要求也水涨船高。光有数据是不够的,企业需要的数据不仅要准确、多样化,还得有清晰的标签,并且要符合特定的 AI 使用场景。
生成式 AI 的应用范围正在不断扩展,从 IT 运营到研发,企业纷纷利用这一技术来提高效率。不过,尽管这一领域呈现出蓬勃发展态势,AI 项目的投资回报率却在下降。
自2021年以来,成功部署的 AI 项目比例减少了8.1%,而那些能够带来可观回报的项目数量也下降了9.4%。这主要是因为现在的 AI 项目越来越复杂,许多企业开始尝试更具挑战性的生成式 AI 应用,这需要更高质量的数据支持。
另外,报告指出,数据质量问题也愈发严重。自2021年以来,数据的准确性下降了近9%。如今,86% 的企业每季度都需要更新模型,这对数据的准确性和多样性提出了更高的要求。为了解决这些问题,许多企业开始向外部数据提供商寻求帮助。
同时,数据准备成为了企业 AI 项目面临的最大瓶颈。随着生成式 AI 模型的复杂度加大,企业需要更长远的战略来确保数据的质量和一致性。此外,人工干预在这个过程中变得愈发重要,调查显示,80% 的受访者认为 “人机协作” 的机器学习至关重要。这种模式不仅有助于提升 AI 模型的性能,还能确保它们的伦理性和相关性。
免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
如有疑问请发送邮件至:bangqikeconnect@gmail.com