人工智慧淘金熱可能即將面臨現實的檢驗。 RAND Corporation 的一項新研究發現,高達80%的人工智慧專案以失敗告終,浪費了數十億美元的投資和資源。
主要發現
- 超過80%的人工智慧專案失敗,是非人工智慧科技初創公司失敗率的兩倍
- 領導層期望與技術現實之間的不一致是失敗的首要原因
- 只有14%的組織認為自己完全準備好採用人工智慧技術
- 中國的人工智慧專利申請量是美國的6倍,但在現實世界的影響力方面仍然存在挑戰
人工智慧專案失敗的原因
RAND 研究採訪了65位人工智慧領域的資料科學家和工程師,確定了導致高失敗率的幾個關鍵因素:
-
目標不一致:商業領導者往往對人工智慧能力抱有不切實際的期望,這些期望更多源於科幻小說而非科學事實。這種脫節導致資源和時間安排不足。
-
新鮮事物綜合症:工程師有時會實施最前沿的人工智慧技術,而不考慮其實際價值,將新穎性置於解決問題之上。
-
資料不足:許多專案缺乏有效人工智慧訓練所需的高質量、經過適當準備的資料集。
-
基礎設施不足:對資料治理和模型部署基礎設施的投資不足阻礙了專案的成功。
-
對人工智慧能力的高估:儘管投資大幅增長,人工智慧仍然存在顯著的侷限性,這些侷限性常常被忽視。
行業影響
高失敗率對人工智慧行業產生了深遠的影響:
- 百度 CEO 李彥宏批評了中國大型語言模型的泛濫,指出資源浪費和缺乏實際應用。
- 雖然中國在人工智慧專利申請方面領先,但在2010年至2023年間,只有一箇中國組織(中國科學院)在研究引用排名中進入前20。
- 如果不能妥善管理期望,人工智慧炒作與現實世界結果之間的脫節可能導致一個萬億美元的泡沫。
未來展望
為提高人工智慧專案的成功率,組織應該:
- 確保商業領導者和技術團隊之間的明確溝通和目標一致
- 專注於解決現實世界的問題,而不是追逐最新的人工智慧趨勢
- 投資於強大的資料基礎設施和治理
- 對人工智慧的能力和侷限性設定現實的期望
隨著人工智慧的不斷發展,彌合雄心與現實之間的差距將對釋放其真正潛力和避免代價高昂的失敗至關重要。