核心观点
- AI 投资增长迅速,但项目失败率高: 全球 AI 支出在 2023 年达到 1540 亿美元,预计到 2026 年将超过 3000 亿美元。然而,高达 80% 的 AI 项目无法获得预期回报,因为过度关注准确性而忽视了其他关键成功因素。
- AI 成功的衡量标准需要更新: 传统上,AI 的成功仅通过狭窄的测试和验证分数进行评估。然而,这种做法过于天真,因为一个准确率极高的 AI 系统如果其 0.01% 的错误是灾难性的,也可能被视为完全失败。
- AI 可靠性至关重要: AI 系统必须始终如一地执行,能够处理异常数据,并在现实世界中保持稳定。这需要持续的监控和维护,以及有效的 AIOps 和 MLOps 框架。
- AI 需要与人类价值观保持一致: AI 系统必须具备感知能力、谦逊和适度外推的能力,并能够解释其决策过程。这需要将 AI 与人类价值观和伦理相契合,并确保其行为符合人类的最佳利益。
- AI 需要考虑可持续性和隐私: AI 模型的训练和运行对能源消耗很大,因此需要在设计阶段优先考虑可持续性。此外,AI 系统还需要保护用户隐私,并确保数据得到负责任地使用。
关键数据
- 全球 AI 支出在 2023 年达到 1540 亿美元。
- 预计到 2026 年,全球 AI 支出将超过 3000 亿美元。
研究结论
- 为了创建具有商业价值的 AI 项目,需要超越对准确性的关注,并考虑可靠性、与人类价值观的一致性、可持续性和隐私。
- 通过关注这些因素,企业可以提高用户对 AI 系统的信任和采用率,并确保 AI 技术真正造福社会。