人工智能和大數據都是相當強勁的工具，不過要充分發揮它們的效能，就需要有效的結合兩者。最近就有調查發現，有不少機器學習主管認為他們未有足夠的數據去改善機器學習系統的表現。
來自 Scale AI 的一份報告研究了在應用人工智能技術時所面對的問題，包括在從數據收集和標註到模型開發、部署和監測之間的每個階段，會出現樽頸和問題的部分，以及解決的方法。不少受訪者認為，數據質素是成功應用人工智能技術的最重要人數，也是最困難的挑戰。超過三分一 (37%) 受訪者認為他們未有改善模型性能所需的各種數據。而且只有 9% 的受訪者表示他們的訓練數據沒有雜訊、偏差和差距，顯示數據質素也是一個大問題。
Scale AI 表示，與標註夥伴密切合作可以幫助機器學習團隊克服數據整理和標註質素方面的挑戰，加速模型部署。如果完全沒有與標註夥伴合作，機器學習團隊有可能需要花超過三個月的時間來得到標註數據，費時失事。
來源：Scale AI
—
新增 : unwire.pro Mewe 專頁 : https://mewe.com/p/unwirepro
