人工知能プロジェクト: 注目すべき 7 つのポイント

最近、業界調査会社ガートナーは、AI プロジェクトの 85% は CIO に引き渡されないという大胆な予測を発表しました。 この声明は、20 件の AI プロジェクトのうち 3 件が成功し、そのうち 17 件が期待に応えられないことを示唆しています。

話題性も高く、AI のヒントも豊富なので、非常に優れたソリューションです。

ただし、そうではないかもしれません。 この状況を引き起こしている原因と、AI プロジェクトの将来が明るいかどうかを見てみましょう。

AIプロジェクトが失敗する理由は何ですか?

Dimension R のレポートによると、10 個の AI のうち 8 個が失敗し、96% がラベル付け、注釈付け、およびモデルの信頼性の確立に問題を抱えていたことが示されました。

AI プロジェクトが失敗する一般的な 7 つの理由は次のとおりです。

1. サメ

AI プロジェクトで実行する必要があるすべてのタスクに関しては、品質を犠牲にして手抜きしようとする傾向があります。 これらのサメは「一緒に別の選択肢を選びましょう」と言うかもしれません。 非常にシンプルです。 「

そういう意味では、それは実際にはジャンルではありませんが、投資収益率 (ROI) は間違いなく彼らにとって魅力的ではないでしょう。 それであなたは何をしますか？

最初の AI ベースのビジネスが現実的であり、KPI がなく、このリリースの最新のミッション ステートメントにも準拠していることを確認してください。 プロジェクトが成功裏に完了すると信じることは、あなたとビジネスに損失をもたらす可能性があります。 これに対して、あなたはとても感謝し、大切に思うかもしれません。

2. コミュニケーションの崩壊

[[328267]]

専門家とやり取りするときに自分の専門用語を定期的に使用しないと、誤解されることがあります。

プロジェクトを実施するときには、メンテナンス スタッフはほとんどいないか、まったくいないでしょう。 皿に十分な量を入れる必要があります。 彼らはAIを理解していません。 代わりに、プロジェクトは前進し続けます。 ギガバイトではなくドルで購入してください。 また、まずはシェフと連絡を取る必要があります。 あなたにはその機会を与えるのに十分なお金があるでしょう。

3. 始める前に

はい。 おそらくあなたはそんなことはしないでしょうが、それは命を救うことになります。 多額の資金をファンドに費やした後、顧客からそれが受け入れられず、最初からやり直さなければならないと言われる状況を想像してみてください。

保存を開始する前に、出力を確認し、特定の利用規約に同意していないことを確認する前に出力をリセットすることが重要です。 たとえクライアントが同意しなかったとしても、あなたも同意しないかもしれません。 これで、それを受け入れるかどうかがわかり、希望に応じてプロジェクトを構築できます。

4. データ戦士の不在

通常、経験がほとんどないか全くない初心者と一緒に仕事をすることになります。 答えは、お金を節約することです。 これが最も可能性の高いシナリオです。

コスト削減の名目で、彼らは実際には失敗した AI プロジェクトに資金を浪費しているのです。 待てない人は、プロジェクトをどこにも進めない、終わりのない新たな課題に直面することになります。 組織が重視するのは、データ サイエンスの豊富な経験を持ち、AI ビジョン (理想的には複数のビジョン) を策​​定し、肯定的で具体的な結果を生み出すソリューションを実装した人材です。

5. 社内人材/ソフトウェア

これは実際にはまったく取り上げられていない質問ですが、S が使用したすべてのメッセージで、誰もがそれを見つけてアクセスできるというのは本当ですか?

あなたのデータ チームは、専門家コミュニティとアイデアやリソースを共有していますか? 機械学習の最新のトレンドやツールをすべて把握していますか? そうでない場合、会社は新しいマネージャーを雇用するか、公平な第三者に相談するか、外部ソフトウェアのライセンスを取得することを検討する必要があります。

6. シンプルに始める

覚えておくべき最も重要なポイントの 1 つは、シンプルに始めることです。 シンプルなルールを実装しないと、AI プロジェクトの価値は 0% になります。 噂によると成功するかもしれないが、過度に複雑なプロジェクトなので、かなりの時間がかかるかもしれない。 したがって、プロジェクトは明確な目標を持つシンプルなプロセスから始める必要があります。

それは、与えられた枠組みの中での現実性によるものかもしれません。 AI によって制御される世界という概念は肯定的な評価と好意的なコメントを受けていますが、まだ何かが起こる可能性はあります。 たとえば、自動運転車は、最初の最も深刻な問題であり、後者は致命的な傷害を引き起こしていないためです。 すべてのアルゴリズムやプログラムが正しくコーディングされているわけではないと言う人もいるかもしれません。 また、AI マシン内の特定の質問に対する回答として結果を提供するのに利用できるデータが存在しない場合もあります。

7. 上記の理由に加えて、AI が破壊される理由は他にもたくさんあります。

AI の統計を行う必要がある場合は、すべての質問に答える前にすべての問題を解決する必要があります。 あらゆる段階、あらゆる時点において、AI マシンは再起動できません。

さらに、アルゴリズム自体にエラーが発生しやすくなる可能性があります。 これは、バズのために採用されたアルゴリズムです。 アルゴリズムを開発した人々が、うっかりしてそこに自分たちの偏見を注入してしまったというのは、非常に納得がいきます。

最後に、AI プロジェクトが失敗する理由はたくさんあります。 AI は評価できるように十分に検証されている必要があります。 したがって、デザインに苦労している場合、または情報が足りない場合は、さまざまなことが考えられます。

私たちは皆、間違いを犯し、そこから学んで強くなります。 AI プロジェクトで遭遇する最も一般的な間違いは何ですか? 以下のコメント欄でお知らせください。