Недавно отраслевая исследовательская компания Gartner сделала дерзкий прогноз: 85% проектов в области ИИ не будут реализованы для ИТ-директоров. Заявление подразумевает, что из каждых 20 проектов искусственного интеллекта только 3 будут успешными — 17 из них не оправдают ожиданий.

При всей шумихе и разговорах о технологиях искусственного интеллекта это особенно неожиданное предсказание.

За исключением, может быть, это не так. Давайте посмотрим на причины, подпитывающие это утверждение, и на то, есть ли светлое будущее для проектов ИИ.

Почему проекты искусственного интеллекта терпят неудачу?

В отчете Dimension Research говорится, что 8 из 10 проектов искусственного интеллекта потерпели неудачу, а 96% столкнулись с проблемами достоверности данных, маркировки данных и построения достоверной модели.

Вот 7 распространенных причин, по которым проекты искусственного интеллекта терпят неудачу:

1: Акулы

Когда упоминается реализация проекта ИИ, вокруг будут акулы, которые пожертвуют качеством и попытаются срезать углы. Эти акулы могут сказать что-то вроде: «Давайте рассмотрим другой вариант. Это также стоит гораздо меньше. ”

В этом смысле это не тип проекта, а возврат инвестиций (ROI) от проекта, который привлекает их больше всего. Так что вы делаете?

Убедитесь, что ваш первый проект на основе ИИ ориентирован на бизнес, соответствует ключевым показателям эффективности, а также соответствует видению и миссии организации. Поверьте, что успех такого проекта много значит для вас и вашего бизнеса. Руководство оценит и ценит вас за это.

2: Нарушение связи:

Если вы специалист по данным и постоянно общаетесь со своим руководством на техническом жаргоне, бывают моменты, когда вас неправильно понимают.

Руководство практически не имеет отношения к тому, как вы собираетесь реализовать проект. У них уже есть достаточно на их тарелке, чтобы заботиться о. Не рассказывайте им об ИИ. Вместо этого расскажите им, как ваш проект будет способствовать развитию компании. Рассчитывайте на доллары, а не на гигабайты. Кроме того, приоритеты компании должны совпадать с вашим проектом. Они будут достаточно рады услышать вас и дать вам шанс.

3: Потерпите неудачу, прежде чем начать

да. Что-то, что вы, возможно, не склонны делать, но это спасает жизнь. Представьте, что вы потратили кучу долларов на свой проект, а затем слышите, как клиент говорит вам, что требования неприемлемы, вам придется начинать с нуля и начинать заново.

Прежде чем вы действительно начнете свой проект, важно подготовить некоторые результаты и отчеты, которые вы можете показать своему клиенту и заставить их согласиться с конкретными условиями. Даже если клиент может быть не согласен, вы ничего не потеряли. Теперь вы знаете, что клиент готов принять, и вы можете начать свой проект, основываясь на пожеланиях клиента.

4: Отсутствие Data Warrior

Организации, как правило, предпочитают давать шанс новичкам, детям, которые только что закончили школу или не имеют никакого опыта работы. Причина проста: экономия денег. Вот где большая ошибка.

Во имя экономии денег они на самом деле тратят деньги на неудачные проекты искусственного интеллекта. Неопытные люди будут придумывать бесконечные новые отговорки, чтобы не добиться никакого прогресса в проекте. Организации нуждаются в человеке, который имеет значительный опыт в области науки о данных, разработал проект ИИ (в идеале несколько), а также внедрил решения, которые дали положительные, ощутимые результаты.

5. Собственные специалисты/программное обеспечение

Это хороший способ выращивать таланты внутри компании, но если организация каждый раз использует один и тот же талант, как они могут гарантировать, что у сотрудников есть доступ к последним тенденциям и знаниям?

Делится ли ваша команда данных идеями и ресурсами с профессиональным сообществом? В курсе ли они всех современных тенденций и инструментов машинного обучения? Если нет, компании следует нанять нового менеджера, проконсультироваться с беспристрастной третьей стороной или лицензировать внешнее программное обеспечение.

6: Начните с простого

Один из самых важных моментов, который следует помнить, — начать с простого. Вы получите 0% стоимости вашего проекта ИИ при отсутствии выполнения простых правил. Ходят слухи, что сложные проекты достигают успеха, но слишком сложные проекты требуют очень много времени. Итак, проект должен начинаться простым способом, с четко определенными целями.

Проекты также могут потерпеть неудачу из-за несоответствия представлений реальности проекта в заданные сроки. Несмотря на все положительные отзывы и хорошие отзывы в прессе о концепции мира, управляемого ИИ, некоторые вещи могут пойти не так и уже пошли не так. Например, беспилотный автомобиль, использовавшийся в качестве испытательного полигона Uber, столкнулся с проблемами, когда убил пешехода. Можно упомянуть, что алгоритм или программа не были должным образом закодированы. В других случаях это может быть результатом неправильных данных, которые предоставляются в качестве ответа на некоторые запросы ИИ-машины.

Помимо вышеупомянутых причин, еще одной причиной отказа систем ИИ вполне могут быть неполные наборы данных.

Всякий раз, когда система ИИ должна взять на себя управление ею, она должна пройти обучение со всеми вопросами и их ответами, присутствующими в наборе данных. В случае неполных наборов данных на этапах обучения машина ИИ не сможет реагировать на ситуацию в режиме реального времени.

Кроме того, сами алгоритмы могут дать сбой. Это потому, что алгоритмы разрабатываются людьми. Вполне возможно, что человек, разработавший алгоритм, непреднамеренно внедрил в него свои предубеждения.

В конце концов, существует бесчисленное множество причин, по которым проекты искусственного интеллекта терпят неудачу. Системы искусственного интеллекта должны быть всесторонне обучены, чтобы понимать любой сценарий, с которым они могут столкнуться. Помните, всякий раз, когда вы срезаете углы по замыслу или не получаете верной информации, неудачи обязательно случаются.

Все мы совершаем ошибки и становимся сильнее, учась на них. Каковы наиболее распространенные ошибки, которые вы видели в проектах искусственного интеллекта? Дайте нам знать, оставив комментарий ниже!

Оригинальная статья размещена с разрешения.