ITSP Infosys の調査結果: 人工知能とデータ サイエンスは企業に経済的価値をもたらさない
このレポートは、多くの企業がデータ サイエンスの取り組みと人工知能の導入を実際の経済価値に変換できていないことを指摘しています。 2,500 人のテクノロジー リーダーを対象とした調査では、AI テクノロジーに対する高い期待にもかかわらず、そのパフォーマンスに非常に満足していると回答したのは回答者の 4 分の 1 のみでした。
ITSP Infosys はこのレポートで、調査対象となったすべての企業の欠損値が 4,600 億米ドルの利益に相当すると指摘しました。そして、AI から最大限の利益を得る立場にある企業は、データ サイエンスを単なるサイド プロジェクトではなく、確実にビジネスに統合することに重点を置いています。
同社社長のモヒト・ジョシ氏は、「企業がデータと人工知能をビジネスから切り離して見るのではなく、異なる視点で見ることが重要だ」と述べた。データ共有、高度な人工知能への信頼、ビジネスの優先事項の 3 つの領域に焦点を当てる必要があります。
このレポートは、最初に AI プロジェクトを立ち上げるときの高い期待にもかかわらず、ほとんどの企業がこれらの重要な分野の 1 つ以上で行動を起こせていないことを示しています。全体として、AI モデルの 63% は基本的な機能のみを実行し、人間によって駆動されており、多くの場合、データ検証、データ実践、データ戦略に欠陥があります。
データと人工知能ツールに非常に満足していると答えた回答者はわずか 26% でした。 Joshi 氏は、「AI のアプリケーションは魅力的ですが、何かが明らかに欠けています。」と述べました。クラウド コンピューティング ソリューションに移行するのではなく、将来的に問題を引き起こす可能性があるスマート アプリケーション。
同氏は、「ビジネス上の問題や人工知能システムに関して、企業は最も効果的で有用なデータを制御し、習得する必要があります。したがって、人工知能を信頼することも重要です。
私たちの調査では、次のことが判明しました」と述べています。高度な AI が最適なパフォーマンスを達成するには、AI に対する信頼が必要です。AI を使用する人々が AI を信頼しない場合、モデルは使用されなくなるリスクがあります。データ倫理とバイアス管理のベスト プラクティスは進歩しています。
この調査には、企業の 4 分の 3 が事業分野全体で人工知能を運用したいと考えているものの、ほとんどの企業は人工知能を初めて使用しており、アプリケーションのスケールアップに苦労していることも含まれています。主にスキル不足と採用の難しさにより、困難な課題に直面しています。
「データ AI レーダー」調査は、ITSP Infosys Corporate Knowledge Institute によって実施されました。同研究所は、いわゆる「業績の高い」企業はAIとデータに対する見方が異なり、データを通貨として扱い、共有して循環させる企業が最も高い利益を上げていることを発見した。
研究チームは、データが通貨として扱われ、ハブアンドスポーク データ管理モデルを通じて流通すると、低遅延でデータを更新する企業に 1,050 億ドルの増分価値をもたらす可能性があることを発見しました。さらに多くの利益が得られます。収益やその他の価値尺度を生み出すことができます。
調査レポートでは、人工知能の使用に非常に満足している企業は、収益の増加に加えて、データの検証と偏見の課題を克服できる、信頼され、倫理的で責任あるデータ実践を一貫して行っていると指摘しています。実践者がディープラーニングやその他の高度なアルゴリズムを使用できるようにします。
データ サイエンスを実際のニーズに適用する企業は、付加価値を生み出し、効率を向上させ、さらに 450 億ドルの利益成長をもたらします。
企業が人工知能の急速な発展に従うのは難しいのかとの質問に対し、ジョシ氏は「問題は、企業が人工知能を適用して良い結果を達成できるかどうかだ。人工知能と機械学習には新しいアプローチが必要だ」と述べた。 「マインドセット、ここが企業が転換すべきところです。機械学習と AI が急速に進歩する一方で、機械学習と AI から最大限の利益を得るためにデータへのアプローチを再定義しているのは企業であると私たちは見ています。」
これには、AI ツール用のデータを取得し、ビジネスに適した方法でデータを準備することが含まれます。これには、そのデータとハブを介して共有されるプラクティスの組み合わせを奨励する必要性を認識することも含まれます。 -and-spoke データ管理システム。
Joshi 氏は、「私たちはデータが新しい通貨であると信じています。データは通貨のようなもので、流通することで価値が高まります。多くの企業が、新興のデータエコノミーには大きな可能性があることを認識しており、データの構築に協力しています。パートナーや同僚のエコシステムを共有すると、単独で運用するよりも大きなメリットが得られます。」
これは、データ セットが必要であるという従来の考え方とは異なります。 Joshi 氏は、データを一元化して整理し、そのデータをチームに配布して自由に運用し、柔軟に使用できるシステムが最良のアプローチであることがわかったと述べました。たとえば、サードパーティからのデータのインポートや高レベルのデータ共有は、他のデータや AI アクションよりも大きな利益をもたらします。
「モデル操作」は AI システムの拡張に役立ちます
企業が今すぐ行動を起こさず、AI と機械学習について異なる考え方をしないと、ジョシ氏は次のように述べています。限界に直面し、AI システムに不満を抱き、新しいデータエコノミーにはまり込んでしまいます。 「企業は、実験を可能にするだけでなく、予測可能な方法で AI を拡張できる AI 導入フレームワークを採用する必要があります。
「モデル運用」のような概念は、企業にスケーラブルなシステムを構築するための視点を提供できます。プラットフォーム ドライバーは、展開中の柔軟性を高め、プロセスの標準化を確実にし、ベースライン モデルのパフォーマンスの尺度としてサポートをサポートできます。」
Joshi 氏は、もう 1 つの重要な点について、企業が倫理的および法的な慣行を確実に順守すること、特に政府がデータの悪用や非倫理的な行為を防止するための法律を制定する移行期間中。
同氏は次のように述べています:「AI が私たちの社会構造と共存し、より大きな利益をもたらすためには、持続可能かつ思慮深い方法で導入されなければなりません。したがって、どの AI においても、テクノロジー業界は議論を促進することが重要です」テクノロジーがパブリックドメインにリリースされる前に、テクノロジーの利点、コスト、影響について業界、コミュニティ、規制当局内および業界全体で検討する必要があります。」
以上がITSP Infosys の調査結果: 人工知能とデータ サイエンスは企業に経済的価値をもたらさないの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
