Hvorfor 85% av AI-prosjekter mislykkes

Neste trinn for maskinlæring og AI David Karandish, grunnlegger og administrerende direktør i Jane.ai, diskuterer neste trinn for maskinlæring og AI gjennom chatbots og naturlig språkbehandling.

Til tross for økt interesse for og adopsjon av kunstig intelligens (AI) i bedriften, klarer 85% av AI-prosjektene til slutt ikke å oppfylle sine tilsiktede løfter til virksomheten, ifølge en torsdagrapport fra Pactera Technologies.

Mer om kunstig intelligens

  • Google DeepMind-grunnlegger Demis Hassabis: Tre sannheter om AI
  • De 10 mest etterspurte AI-jobbene i verden
  • De 3 mest oversett begrensningene av AI i virksomheten
  • Hvordan bli maskinlæringsingeniør: Et jukseark

En viktig kilde til AI-utfordringer er å finne i lederskap, funnet rapporten, med tittelen Kunstig intelligens lokalisering, Vinnere, tapere, helter, tilskuere og du. Noen 77% av de spurte sa at de møter hindringer for innreise fra toppledelsen om ikke å se verdi eller ønsker å gjøre investeringer i den nye teknologien.

Spesiell rapport: Administrere AI og ML i bedriften (gratis PDF) (TechRepublic)

Disse funnene er i tråd med de fra en fersk Dimensional Research-rapport, som fant at åtte av ti organisasjoner som var engasjert i AI og maskinlæring, sa at prosjektene hadde stoppet, og 96% sa at de har hatt problemer med datakvalitet, datamerking, og bygge modelltillit.

Pactera presenterte rapporten for en gruppe ledere i teknologibransjen inkludert de fra Facebook, Adobe, Amazon og Microsoft på en nylig privat begivenhet i Seattle. På arrangementet sa 100% av lederne at de vil bruke verktøy som AI-powered Neural Machine Translation (NMT) fordi det ville tillate dem å raskt lokalisere innhold på minst 72 språk. Imidlertid var det bare 23% som sa at de for øyeblikket bruker teknologien, noe som viser at organisasjoner fremdeles er forsiktige med å ta i bruk nye AI-relaterte teknologier, heter det i rapporten.

"Interessant nok spiller menneskelig visjon, veiledning og input til slutt en stor del av suksessen til et AI-prosjekt, " sa Jose Martinez, visepresident for digitale innovasjoner og løsninger i Pactera, i en pressemelding. "Å identifisere forretningsmessige mål som AI lett kan oppnå, som Neural Machine Translation, og administrere teamene som gransker data, er det som til slutt forbedrer en virksomhets utnyttelse av AI."

For mer, sjekk ut 5 måter å forbedre AI / ML-distribusjoner på TechRepublic.

Nyhetsbrev om innovasjon

Vær kjent med smarte byer, AI, Internet of Things, VR, AR, robotikk, droner, autonom kjøring og mer av de kuleste teknologiske nyvinningene. Leveres onsdager og fredager

Registrer deg i dag

Se også

  • IT-lederveiledning for dyp læring (TechRepublic)

  • Telemedisin, AI og dyp læring revolusjonerer helsevesenet (TechRepublic nedlasting)

  • Håndtere AI og ML i bedriften 2019: Tekniske ledere forventer større problemer enn tidligere IT-prosjekter (Tech Pro Research)

  • Hva er AI? Alt du trenger å vite om kunstig intelligens (ZDNet)

  • 6 måter å slette deg selv fra internett (CNET)

  • Kunstig intelligens: Mer må-lese dekning (TechRepublic på Flipboard)

Bilde: iStockphoto / monsitj

© Copyright 2020 | mobilegn.com