何が人工知能の進歩を妨げているのでしょうか？それともデータの問題でしょうか？

Capital One に代わって Forrester Consulting が実施した新しい調査では、強固なデータ基盤と強固なデータ ワークフローの欠如が、企業が機械学習と人工知能においてより良い結果を達成することを妨げていることを示しています。

Capital One が最近発表した新しいレポート「実用的な機械学習で主要なビジネス成果を達成する」によると、企業による機械学習 (ML) の統合はますます進んでいます。 AI を本番環境に導入することにある程度の成功はありましたが、データ管理の問題が邪魔をしなければ、さらに大きな進歩を遂げていたでしょう。

このレポートは、今年 7 月に北米のデータ管理意思決定者 150 人を対象とした Forrester の調査に一部基づいています。この調査では、意思決定者の 73% がデータの透明性、追跡可能性、説明可能性が重要であると信じていることがわかりました。フローは機械学習と AI への障壁であり、アプリケーションの運用化における主要な問題です。この調査では、回答者の 57% が、データ サイエンティストと事業者との間の内部サイロ化が機械学習の導入を妨げていると回答したことも判明しました。

Capital One の上級副社長兼データ分析責任者の David Kang 氏は、「私たちはまだ、機械学習アルゴリズム自体が人々の成功を妨げるものではない段階にいます。」「鍵はデータです。 "

Capital One がこの調査を依頼したとき、最大の課題は機械学習の実行可能性に焦点が当てられるだろうと考えました。機械学習および人工知能アプリケーションの開発により、MLOps (機械学習オペレーション) は独立した分野となり、Capital One が投資している分野でもあります。

しかし、このレポートが発表されたとき、データに関する意思決定者が最も懸念していたのは、データ エンジニアリングやデータ インフラストラクチャを含む強固なデータ基盤の構築が進んでいないことだとカン氏は述べました。

「ある意味、これは残念なことです。しかし、別の意味では驚くべきことではありません。なぜなら、データを大規模に活用するには、データ エコシステムを考え、再考することに継続的に焦点を当てる必要があるからです。システム内のすべての機能 – それがどのようになっているか「生産と消費、データの監視方法、さまざまな方法でデータを管理する方法。データ エコシステムの変革の旅はまだ進行中です。一度やったら忘れてしまうものではありません。継続的な注意が必要です。」

Capital One の調査は、他の最近の研究結果と似ています。これらの研究では、データ管理の問題が機械学習と人工知能の導入のペースと範囲を遅らせていることが判明しました。これらには、人工知能に関する不適切なデータ管理の危険性を強調した、Databricks の委託による 9 月の MIT Technology Review レポートや、Collibra の委託による 8 月の IDC 調査で、データのカタログ化、継承、品質管理とガバナンス、市場での成功などです。

これらの研究に共通のテーマがあるとすれば、それは、既存の機械学習および人工知能テクノロジーの高度化が急速に進んでいる一方で、企業は一部の中核となるデータ管理作業を十分に行っていないことに気づきつつあるということです。そしてこれらのタスクは、これらの技術的進歩を達成するために必要です。

企業は、ML または AI アプリケーションが限定的な概念実証 (POC) にプラスの影響を与えていることに気づいても、より広範な現実の運用環境へのスムーズな展開を確実にするために必要な措置を講じていない可能性があります。

拡張したいテクノロジーが市場に影響を与え始めるまでには、しばらく時間がかかる場合があります。これらのコンセプトには、結果が見え始めても、突然、大量のデータ サイロやその他のデータ エンジニアリング インフラストラクチャの課題がどこかにあることに気づくという誘惑が常にあります。

データ サイエンスはまだかなり新しい分野であり、多くの企業が求人を埋めるのに苦労しています。 Capital One のレポートによると、回答者の 57% が、データ サイエンスの専門家間のギャップを埋めるためにパートナーシップを利用するつもりだと答えています。 Kang 氏は、社内に専門知識が不足しているため、企業にとってコアとなるデータ インフラストラクチャを確立することがより重要になり、その上により高度な ML や AI のユースケースを構築し、繰り返しやすくなる、と述べました。

Capital One の調査では、機械学習と人工知能の導入を遅らせている他の問題も明らかになりました。同社によると、回答者の36％が「大規模で多様で混乱を招くデータセット」を主要な障害として挙げ、38％がAIリスクを最大の課題として挙げた。 38% が、機械学習の成熟度に対する課題として、組織および外部データ パートナー全体にわたるデータ サイロを挙げました。

データ管理の「問題」によって、人工知能と機械学習への投資が減速することはないようです (少なくともまだ)。 Capital One の調査によると、意思決定者の 61% が今後 3 年間に新しい機械学習機能とアプリケーションを追加する予定であることがわかりました。回答者の半数以上 (53%) が現在、ビジネス効率を向上させるために機械学習を活用することを優先しています。

それでは、企業は何に機械学習を使用しているのでしょうか? 調査のもう 1 つの興味深い情報は、自動異常検出が機械学習の最大の使用例であり、回答者の 40% がそれを最大の使用例として報告していることです。これは、Capital One による機械学習ベースの異常検出システムの構築を支援した Kang 氏の共感を呼びました。

ML と AI のその他の主な使用例には、アプリケーションとインフラストラクチャの自動更新 (39%)、責任ある倫理的な AI のための新しい規制要件とプライバシー要件への対応 (39%) が含まれます。

以上が何が人工知能の進歩を妨げているのでしょうか？それともデータの問題でしょうか？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。