人工智能(AI)从实验室到实际应用有何不同?

人工智能
数据治理是人工智能AI实际应用中的核心问题。 组织在整个开发和生产生命周期中不仔细管理对数据的访问,人工智能的努力可能无法真正走出实验室。

当人工智能进入实际应用时,碰到的大多数都是复杂的问题。 然而现阶段, 人工智能对于这些问题,并不能进行有效的自行分解和信息收集, 导致在实际的工作中,往往卡壳在数据问题上。

[[429998]]

其中如下问题比较突出:

  1. 数据可得性问题, 由于数据权属导致大量且结构化的业务数据极其难找, 或者需要花费大量精力
  2. 脏数据问题, 在实际生产过程中, 90%以上的精力被花费在数据清洗过程中。在实际的数据生产过程中各种技术问题、人为偏见问题、信息标注问题,都可能导致数据出错。
  3. 数据流转动速的问题, 在实验室中, 你很容易拿着两份数据来评估模型的准确性。但进入实际应用中,我们往往预测的是未来, 这个时候,现实数据能不能及时喂给模型就很重要了。 
人工智能(AI)从实验室到实际应用有何不同?

 

不充分的数据造成算法偏见, 比如以人脸来判断犯罪概率

目前的大数据和人工智能算法中仍然存在着大量的数据缺口,以及偏见, 就如搜索中的性别问题、外卖算法无法帮助骑手识别风险等等。

现实问题过于复杂, 所以AI的大规模应用, 必然要伴随整个社会数据使用生态的改良,数据安全在有序的状态下公平正义地运行。

 

责任编辑:华轩 来源: 今日头条
相关推荐

2017-12-11 13:05:27

2017-10-12 15:51:14

AI人工智能

2017-12-11 17:49:26

AI

2022-09-29 14:37:03

AI

2021-08-17 10:03:43

AI人工智能

2016-10-17 13:59:10

机器学习人工智能

2020-07-24 10:10:12

IBM人工智能NLP

2019-05-16 08:00:00

人工智能AI智能数字助手

2017-04-16 17:41:43

人工智能

2017-05-05 16:10:39

滴滴出行斯坦福人工智能

2023-08-30 11:23:21

人工智能机器人技术

2014-08-20 10:29:47

Facebook人工智能

2021-05-06 08:48:30

谷歌人工智能AI

2019-10-25 15:53:33

人工智能

2018-06-11 11:48:38

阿里巴巴智能音箱AI

2018-07-05 17:50:14

AI

2020-12-30 11:15:21

人工智能金融服务AI

2021-02-02 10:50:02

人工智能机器学习技术

2017-04-20 11:47:00

人工智能

2018-09-20 15:40:41

阿里巴巴人工智能机器人
点赞
收藏

51CTO技术栈公众号