banner large

Laporan: 37% pemimpin ML mengatakan bahwa mereka tidak memiliki data yang diperlukan untuk meningkatkan kinerja model

Comment
X
Share

Kami sangat antusias untuk menghadirkan Transform 2022 kembali secara langsung pada 19 Juli dan 20 – 28 Juli secara virtual. Bergabunglah dengan AI dan pemimpin data untuk pembicaraan yang berwawasan luas dan peluang jaringan yang menarik. Daftar hari ini!


Laporan baru dari Scale AI mengungkap apa yang berhasil dan apa yang tidak berfungsi dengan implementasi AI, dan praktik terbaik bagi tim ML untuk beralih dari sekadar pengujian ke penerapan di dunia nyata. Laporan ini mengeksplorasi setiap tahap siklus hidup ML – mulai dari pengumpulan dan anotasi data hingga pengembangan model, penerapan, dan pemantauan – untuk memahami di mana inovasi AI terhambat, di mana kerusakan terjadi, dan pendekatan apa yang membantu perusahaan meraih kesuksesan.

Tujuan laporan ini adalah untuk terus menjelaskan realitas tentang apa yang diperlukan untuk membuka potensi penuh AI untuk setiap bisnis dan membantu memberdayakan organisasi dan praktisi ML untuk menyelesaikan rintangan mereka saat ini, mempelajari dan menerapkan praktik terbaik, dan pada akhirnya menggunakan AI sebagai sebuah keunggulan strategis.

Bagi praktisi ML, kualitas data adalah salah satu faktor terpenting dalam kesuksesan mereka, dan menurut responden, ini juga merupakan tantangan yang paling sulit untuk diatasi. Dalam studi ini, lebih dari sepertiga (37%) dari semua responden mengatakan bahwa mereka tidak memiliki berbagai data yang mereka butuhkan untuk meningkatkan kinerja model. Tidak hanya mereka tidak memiliki variasi data, tetapi kualitas juga menjadi masalah — hanya 9% responden yang menyatakan bahwa data pelatihan mereka bebas dari noise, bias, dan gap.

Mayoritas responden memiliki masalah dengan data pelatihan mereka. Tiga masalah teratas adalah gangguan data (67%), bias data (47%) dan kesenjangan domain (47%).

Sebagian besar tim, terlepas dari industri atau tingkat kemajuan AI, menghadapi tantangan serupa dengan kualitas dan variasi data. Data Scale menunjukkan bahwa bekerja sama dengan partner anotasi dapat membantu tim ML mengatasi tantangan dalam kurasi data dan kualitas anotasi, sehingga mempercepat penerapan model. Tim ML yang sama sekali tidak terlibat dengan partner anotasi kemungkinan besar membutuhkan waktu lebih dari tiga bulan untuk mendapatkan data beranotasi.

Survei ini dilakukan secara online di Amerika Serikat oleh Scale AI dari 31 Maret 2022 hingga 12 April 2022. Lebih dari 1.300 praktisi ML termasuk dari Meta, Amazon, Spotify, dan lainnya disurvei untuk laporan tersebut.

Baca laporan lengkapnya oleh Scale AI.

Misi VentureBeat adalah menjadi alun-alun kota digital bagi para pengambil keputusan teknis untuk memperoleh pengetahuan tentang teknologi dan transaksi perusahaan yang transformatif. Pelajari lebih lanjut tentang keanggotaan.

Leave a Reply

Your email address will not be published.