AI 專案失敗率高達 80%——研究指出問題識別不佳以及主要問題中對最新技術趨勢的關注

每個人和他們的阿姨似乎都在跳上人工智慧列車，尋找虛高的利潤率和行銷炒作——看看AMD 最近的Ryzen 品牌重塑就是這種人工智慧炒作的典型例子。蘭德公司最近進行的一項研究發現，這種以人工智慧為中心的方法可能並不像人們想像的那樣，人工智慧專案的失敗率似乎是常規軟體開發專案的兩倍。

在研究過程中，蘭德採訪了65 名擁有五年以上為私人實體和學術界開發人工智慧和機器學習工具經驗的行業專家，並將他們的回答提煉為人工智慧/機器學習專案失敗的五個主要原因。

根據這項研究，排名第一的失敗是領導力失敗，而不是技術失敗。高層要么無法理解他們試圖用人工智慧解決的問題是什麼，要么未能將問題傳達給開發團隊，要么試圖將人工智慧應用於其無力解決的問題。專案負責人過於專注於使用最新、最先進的人工智慧進步來解決他們的問題，以至於他們錯過了不使用人工智慧的更簡單、更便宜的解決方案。

正如一位受訪者所解釋的，他的團隊有時會指示將人工智慧技術應用於具有少數主要特徵或模式的資料集，這些特徵或模式可以透過一些簡單的if-then 規則快速捕獲。

資源可用性也是一個重要的失敗點，領導力被認為不願意或無法分配必要的資源來處理必要的數據並充分訓練人工智慧系統。這通常會導致專案交付不足或交付不完整的產品——這是低估創建和訓練人工智慧系統的複雜性的結果。

同樣，由於最近的炒作和行銷聲明，許多領導者對人工智慧抱有不切實際的期望，當開發團隊無法在預期的時間範圍內交付承諾的內容時，這就會成為問題。

要更詳細地了解數據、失敗原因以及研究人員的建議，請查看蘭德公司的研究報告。

以上是AI 專案失敗率高達 80%——研究指出問題識別不佳以及主要問題中對最新技術趨勢的關注的詳細內容。更多資訊請關注PHP中文網其他相關文章！