简体中文
简体中文
English
注册
登录开发者平台
解决方案
行业解决方案
提供从智慧客房、智慧前台到智慧运营等酒店全场景品牌赋能,推进酒店行业数智化变革
一站式智慧照明系统解决方案,赋能企业快速实现人因照明、节能减排的智能化照明升级
综合应用智能化信息,令楼宇具有智慧和生命力,提供投资合理、安全高效、舒适便利的使用空间
快速实现数字化智慧办公空间,有效实现企业增效、降本和节能。
为连锁型品牌商业门店提供完善的管理系统, 提升门店效率
提供从租控授权、租务运营到园区管理等全方位租住解决方案,驱动租住行业智慧转型
融合全屋智能、地产社区等行业场景能力,提供居住空间丰富的产品矩阵和智能体验
IoT 助力校园场景智能化转型, 提升管理效率
全方位赋能开发者实现多场景智慧节能管理解决方案
以 IoT 平台助力中小制造企业, 实现降本、提质、增效
借助丰富硬件生态,一站式构建安全可靠私有化智能平台
为你的业务场景提供全面的 AI 服务及 AI Copilot 开发方案
海量成熟方案,超低研发门槛,极速落地产品智能化
开发者
与志同道合的开发者和专家共同交流
从初创企业到全球领先企业,涂鸦开发者平台协助实现客户成功。
快速获取并体验优秀的开发者案例产品
服务与支持
生态合作
成为涂鸦服务商,接入涂鸦的另一个选择,帮助更多开发者更快实现智能化
智能互联标识
携手开发者生态合作伙伴联合创新,持续创造互联互通商业价值
聚焦产业变革, 推动人工智能产业发展
智联万物,商者无界
信任中心
信任源于透明
我们严格遵守全球信息安全标准
我们严格遵守全球法规要求
您的数据始终由您掌控
诚邀安全业界同仁共同打造和维护物联网健康生态
支持
提供产品智能化开发全链路的常见问答
7×24一对一客服咨询
技术指导、故障修复以及问题解决
关于我们
全球化云开发者平台
探索涂鸦的故事
了解涂鸦的全球视野
涂鸦智能-产品解决方案|行业解决方案|全球智能化平台
涂鸦诚聘全球精英
行业新闻|哪些原因导致了人工智能项目的失败
形状
216

历史总是在反复的过程中前进的,新事物的出现也是如此。人工智能项目作为新事物、高科技,发展中也在经历这个过程,失败是在所难免的,但是,从失败中总结经验,吸取教训,进行改正,并且坚定目标走下去,成功将是必然的。

18个月前,Cooper公司为其客户服务代理商推出了智能推荐系统,以便为客户问题提供解决方案。该公司前身为Nationstar公司,是美国最大的非银行抵押贷款提供商,拥有380万客户,因此该项目被视为该公司一个令人关注的节省成本的项目。该公司首席信息官Sridhar Sharma说,该公司花费九个月的时间才发现代理商没有使用它,又花了六个月的时间来弄清楚原因。

缺乏数据

数据问题是人工智能项目达不到预期目标的主要原因。根据麦肯锡公司去年秋天发布的一份调查报告,限制人工智能技术应用的两大挑战与数据有关。

首先,与Cooper公司一样,许多公司很难获得适当标记的数据来训练他们的机器学习算法。如果数据没有正确分类,工作人员必须花费大量时间标记,这可能会延迟项目或导致项目失败。其次是没有准确的项目数据。

普华永道公司合伙人兼全球人工智能领导人Anand Rao表示,“企业通常没有合适的数据,如果无法使用未标注的数据建立模型,就会感到沮丧。这就是企业实施人工智能项目一直失败的地方。”

美国奥杜邦协会正在使用人工智能来帮助保护野生鸟类。例如,该组织在7月份发布了一项关于气候变化如何影响38种草原鸟类的人工智能分析结果。

奥杜邦协会保护科学副总裁Chad Wilsey说,“如果我们不采取任何措施来减缓气候变化的速度,那么42%的草原鸟类可能面临灭绝,但如果我们能够采取行动,那么可以将其比例降低到8%。”

训练数据偏差

另一个人工智能项目因缺乏数据而受阻的例子是弗里茨实验室试图创建一个模型来识别照片中人们的头发。弗里茨实验室帮助移动开发者构建可以直接在手机上运行的人工智能模型,而无需将数据发送回中央服务器进行处理。

该公司首席技术官Jameson Toole说,“我们希望建立一个能够在实时视频中检测头发并实时改变颜色的功能。”

数据集成问题

有时,问题不在于缺少数据,而在于数据太多。普华永道公司零售业务方面的人工智能和数据的常务董事表示,一家全球性大型银行就面临这种情况。

他表示,如果能够回到过去,这家银行就会更早地开始将不同的数据渠道汇集在一起?。他说,“这是我们没有做的事情,这是一个很大的错误。我们收集了数据,其结果是我们没有获得完全的全方位的客户视图。”

数据漂移

人工智能项目面临的另一个问题是企业依赖历史数据而不是活动交易数据来进行训练。埃森哲公司董事总经理安德里Andreas Braun表示,在许多情况下,在转换为实时数据时,对单个静态历史快照进行过培训的系统表现不佳。

未经处理的非结构化数据

根据咨询机构德勤公司最近的一项调查,62%的公司处理非结构化数据仍然依赖电子表格,只有18%的公司在分析工作中利用了产品图片、客户音频文件或社交媒体评论等非结构化数据。

文化挑战

除了数据外,组织问题对人工智能的成功提出了重大挑战。

Sharma说,如果回到过去,他最初会专注于客户在详细解决问题时使用的语言,并让主题专家与人工智能开发人员配合工作。

Sharma说,“必须让客户与我们的技术团队一起合作,这样的场景始终是最重要的,你必须让他们一起共事,并使其成为一份全职工作。”

缺乏数据、训练数据偏差、数据集成问题、数据漂移、未经处理的非结构化数据以及文化方面的原因是导致人工智能项目失败的原因,但是我们要正视这些问题,既然找到了问题所在,那么相对应的解决方案就比较简单了。找准问题,解决问题,人工智能就能继续朝着更加先进的方向发展。

文章来源:《详谈人工智能项目失败的几大原因》,智家网

免责声明:凡注明来源的文章均转自其它平台,目的在于传递有价值的AIoT内容资讯,并不代表本站观点及立场。若有侵权或异议,请联系我们处理。
即刻开启您的物联网之旅
即刻开启 您的物联网之旅
遇到问题了么?联系专属客户经理在线解答