مشکل هوش مصنوعی: این شما نیستید، بلکه داده است

این نظرسنجی نشان می‌دهد شرکت‌هایی که داده‌های درون و بیرون سازمان خود را به اشتراک می‌گذارند، به احتمال زیاد درآمد بیشتری دارند و بهتر از هوش مصنوعی استفاده می‌کنند. “به روز رسانی اطلاعات نزدیک به زمان واقعی نیز با افزایش سود و درآمد مرتبط است.”

پاسخ دهندگان می خواهند داده ها را به صورت متمرکز مدیریت کنند، اما این کاری نیست که اکثرا در حال حاضر انجام می دهند. تجزیه و تحلیل نتایج نظرسنجی «نشان می‌دهد که مدیریت متمرکز داده‌ها با رشد بهتر سود و درآمد مرتبط است. ۲۶ درصد از پاسخ‌دهندگان در حال حاضر رویکرد متمرکز دارند؛ ۴۹ درصد مایلند تا سال آینده این رویکرد را اتخاذ کنند.

شرکت ها میلیاردها دلار را روی میز می گذارند زیرا نمی توانند داده های خود را با هم جمع کنند. اگر می‌خواهند از طریق ابتکارات مبتنی بر داده‌ها مانند هوش مصنوعی در دستیابی به ارزش موفق شوند، باید داده‌های پشتیبان را که این سیستم‌ها را تغذیه می‌کنند، تراز کرده و پشتیبانی کنند.

موفقیت ارز به اعتماد بستگی دارد و این در مورد داده ها نیز صدق می کند. نویسندگان می گویند: «هوش مصنوعی پیشرفته نیاز به اعتماد دارد. به مدیریت داده‌های خود و دیگران اعتماد کنید و به مدل‌های هوش مصنوعی اعتماد کنید. داده‌های بکر و مدل‌های هوش مصنوعی کاملاً برنامه‌ریزی شده هیچ معنایی ندارند، اگر انسان‌ها به داده‌ها و هوش مصنوعی تولید شده اعتماد نداشته باشند و از آن استفاده نکنند.»

همچنین: هدف واقعی هوش مصنوعی ممکن است دیگر هوش نباشد

نویسندگان این نظرسنجی شرکت هایی با عملکرد بالا را شناسایی کردند که تمایل دارند در سه زمینه تمرکز زیادی داشته باشند:

• آنها مدیریت داده را به اشتراک داده تبدیل می کنند. وات و کاوانا می‌گویند: «شرکت‌هایی که از اقتصاد اشتراک‌گذاری داده استقبال می‌کنند، ارزش بیشتری از داده‌های خود تولید می‌کنند. ارزش داده‌ها زمانی افزایش می‌یابد که مانند ارز رفتار شود و از طریق مدل‌های مدیریت داده‌های هاب و اسپیک در گردش باشد. شرکت‌هایی که داده‌ها را با تأخیر کم تازه‌سازی می‌کنند، سود، درآمد و معیارهای ذهنی ارزش بیشتری تولید می‌کنند.»
• آنها از انطباق داده ها به اعتماد داده ها حرکت کرده اند. شرکت‌هایی که از هوش مصنوعی خود بسیار راضی هستند (در حال حاضر تنها 21 درصد) روش‌های داده‌ای قابل اعتماد، اخلاقی و مسئولانه دارند. این پیش‌نیازها با چالش‌های راستی‌آزمایی داده‌ها و سوگیری مقابله می‌کنند، اعتماد ایجاد می‌کنند و متخصصان را قادر می‌سازند از یادگیری عمیق و سایر الگوریتم‌های پیشرفته استفاده کنند.»
• آنها همه را درگیر فرآیند هوش مصنوعی می کنند. “تیم هوش مصنوعی را فراتر از دانشمندان داده گسترش دهید. مشاغلی که علم داده را برای الزامات عملی به کار می برند، ارزش ایجاد می کنند. رهبران کسب و کار به اندازه دانشمندان داده اهمیت دارند. تیم های خوب هوش مصنوعی معمولاً شامل چندین رشته هستند. “تأیید داده ها بزرگترین چالش برای حرکت به جلو است. زیرساخت هوش مصنوعی و منابع محاسباتی