舊金(jin)山2021年8月24日(ri) /美通社(she)/ -- 近日(ri)，世界(jie)領先的(de)高質量訓(xun)練數據提供商澳鵬 Appen Limited（ASX：APX）發布了(le)第七份(fen)《人(ren)工(gong)智能(neng)與機器學習(xi)現狀年度報(bao)告》。報(bao)告顯示(shi)，各企業AI預(yu)算(suan)金(jin)額較去年大幅增長55%；同時，企業更(geng)加關注AI項(xiang)目的(de)實際實施(shi)，AI項(xiang)目的(de)負責人(ren)正在從(cong)企業決策者(zhe)轉變為技術骨干。“人(ren)工(gong)智能(neng)”不僅僅只是(shi)一個概(gai)念，如今已經(jing)成為許多企業尋求新機遇的(de)突破口，亦或(huo)日(ri)常(chang)運營中不可或(huo)缺(que)的(de)角色。

2021全球AI市場5大發展趨勢

“七年前，當我們第(di)一次開始調研(yan)AI與機器學習現狀時，全(quan)球企(qi)業(ye)都迫不及待想(xiang)要(yao)啟動AI項(xiang)目，但并未取得實質性進(jin)展。如今，AI已被視(shi)為企(qi)業(ye)生存的核心，而(er)相關調研(yan)結(jie)果(guo)也證實了這一點：企(qi)業(ye)增加了AI預算和負(fu)責(ze)該領域的技術人(ren)員，同時對(dui)外部訓練數(shu)據(ju)提供商也更(geng)加依賴。”

-- 澳鵬Appen首席執行官 Mark Brayan

1. AI發展的瓶頸：高質量數(shu)據

研究機(ji)構O'REILLY最近發布的(de)一份調查報(bao)告顯(xian)示，人工智能應用的(de)兩大瓶(ping)頸：一是缺乏技術熟練的(de)員工；二是缺乏數(shu)據(ju)(ju)資(zi)源（或數(shu)據(ju)(ju)存(cun)在(zai)質(zhi)量(liang)問題）。事實(shi)上(shang)，大多數(shu)AI項目遲遲未能投入到(dao)“實(shi)戰(zhan)”階段，也反映出(chu)在(zai)AI研究過(guo)程中，數(shu)據(ju)(ju)科學家(jia)在(zai)獲取高質(zhi)量(liang)數(shu)據(ju)(ju)時所面(mian)臨的(de)挑戰(zhan)和成本。此時，尋(xun)求外(wai)部(bu)專業(ye)機(ji)構的(de)支持就顯(xian)得尤為(wei)重要。

2. 更精準的AI應用場景

越來越多的(de)(de)(de)AI企業已經開始(shi)縮小其AI模型(xing)所針對的(de)(de)(de)業務范圍，并將(jiang)目(mu)標具(ju)體化(hua)。例如，Appen最近參與的(de)(de)(de)幾(ji)個該類(lei)型(xing)的(de)(de)(de)AI項目(mu)：

• 商務術語：一家公司構建了一個能對商務術語提出改進建議的AI模型，而這些商務術語之間僅有著非常細微的差異；
• 身體動作：一家公司在研究個人訓練自動化模型時發現，動作輪廓會隨著年紀增長而改變，需要補充老年人翻跟斗的視頻并作相關標注；
• 小語種：新冠疫情的實時信息需要在全球內發布，但翻譯技術并不支持所有語言，Appen開展了針對罕見語種的數據采集和標注工作，比如達里語、丁卡語及豪薩語等。

3. 從(cong)以模型為(wei)中心(xin)向以數據為(wei)中心(xin)轉(zhuan)變

是優化代碼，還是提升訓練數據質量？這是過去幾年間AI行業最為關注的前沿問題之一。以模型為中心的AI是指利用現有數據來構建模型，以彌補任何無關因素和不準確性，而以數據為中心的AI則重點關注數據體量和質量。目前可以看到AI行業從(cong)以模型為(wei)中心向以數據為(wei)中心轉(zhuan)變的趨(qu)勢。

4. 訓練數據管(guan)理(li)的新需求(qiu)

隨著市(shi)場對于訓練數(shu)(shu)據需(xu)求的(de)(de)(de)日益增加，為(wei)規范化管理數(shu)(shu)據訓練的(de)(de)(de)工作(zuo)流(liu)程制定(ding)管理框(kuang)架，就變得尤為(wei)重要。有效的(de)(de)(de)數(shu)(shu)據管理框(kuang)架應包含以(yi)下關鍵點：

• 用于追溯的版本控制
• 數據安全協議
• 訪問控制
• 數據傳輸監控
• 合作協議

5. AI輔(fu)助(zhu)數據標注愈發火熱

自(zi)動化(hua)機器學習技(ji)術的應用(yong)日益(yi)增加，AI企業也已(yi)開始利用(yong)人工智能來輔助進行數據(ju)(ju)標注(zhu)，以節省時間和降低成本。以下是數據(ju)(ju)標注(zhu)自(zi)動化(hua)的3種(zhong)主(zhu)要類型：

• 預標注：先由AI模型對標注進行合理猜測，然后再由人工標注員進行檢查和更正；
• 快速標注：利用AI功能來節省標注員的標注時間，如澳鵬Appen人工智能輔助數據標注平臺的自動補全、一鍵貼合等功能；
• 智能驗證器：AI對標注員的數據輸出進行驗證，如標注不在閾值范圍內，則會作出提醒。

2021澳鵬Appen《人工智能與機器學習現狀年度報告》要點

“高質量的(de)(de)(de)數據是每一個AI項目成功實(shi)施(shi)的(de)(de)(de)基礎，再多(duo)的(de)(de)(de)算法調整(zheng)也無法抵消不良數據帶來(lai)的(de)(de)(de)后果。企業已經意識(shi)到，為了更快地取得更好的(de)(de)(de)成果，尋求第三方高質量數據是必要的(de)(de)(de)。”

-- 澳鵬Appen首席技術官 Wilson Pang

1. 新冠疫情的影響

2020年，由于新冠疫情的(de)影響(xiang)，不同規模(mo)的(de)企(qi)業(ye)(ye)(ye)都在(zai)加速(su)推進AI戰略，并(bing)且表示將在(zai)2021年繼續保(bao)持這種勢頭。其(qi)中，和外部數(shu)據提供商合作(zuo)的(de)企(qi)業(ye)(ye)(ye)更容易快速(su)發(fa)展(zhan)其(qi)AI項目，成功(gong)率約為其(qi)他企(qi)業(ye)(ye)(ye)的(de)兩倍。

2. 決策負責人的(de)轉(zhuan)變

2021年(nian)，AI項目決策和實(shi)施的負責人(ren)中，技術(shu)人(ren)員的比例顯著提升。只有39%的企業依然由高層(ceng)管理人(ren)員負責AI項目，低于去年(nian)71%的比例。

3. 預算增加

AI預算(suan)金(jin)額(e)范(fan)圍從50萬(wan)美(mei)元至500萬(wan)美(mei)元不等，整體同比去(qu)年增(zeng)長55%。其中，只(zhi)有26%的(de)企業在AI項目上的(de)預算(suan)低于(yu)50萬(wan)美(mei)元。

4. 對數據的關注

絕大多(duo)數企(qi)業(ye)已和外(wai)部訓(xun)練數據(ju)提供(gong)商達(da)成合作(zuo)，對AI項目進行大規模部署和更新，而他們相比(bi)其他企(qi)業(ye)在(zai)AI部署方面取得(de)領先的概率亦高出50%。

欲了解(jie)完整版2021澳鵬(peng)(peng)Appen《人工(gong)智(zhi)能與機器學習現狀年度報告》，請至(zhi)澳鵬(peng)(peng)Appen官網(wang)或官微下載。