AI技术应用仍面临许多挑战

slime2021-10-15 10:31

AI的大量数据处理能力,目前在零售、消费品因果驱动因素预测及金融风险评估应用上已经展现其重要性。在零售业领域,AI能透过搜集消费者数据制定个人化的促销活动,刺激零售商的销售额提升。

AI技术应用仍面临许多挑战

而在消费品供应链中,AI也能基于前在因果驱动因素的预测,将预测精准度提升10~20%,从而带领2~3%营收成长。至于在金融风险评估方面,银行业可基于AI系统进行客户风险评估与风险管理,目前此种风险评估技术也已被广泛应用于许多金融科技创新平台。

目前AI技术应用面临的挑战,包含标注训练数据、大量全面的数据获取、输出结果的解释,以及学习的普遍性等。

在标注训练数据方面,由于目前AI系统主要都是采用监督学习模式,必须事先耗费大量时间、人力或资金进行数据标注,因此成为AI系统推广导入的劣势所在。目前针对此劣势,已有许多研究学者陆陆续续推出新的演算模型,希望能逐步达成让数据能自动被标注的目标,以大幅缩减人力与时间的投入。

AI技术应用仍面临许多挑战

在大量全面的数据获取方面,由于对许多产业而言,要获取数量与质量都足够的数据并不容易,因此对于这类数据较不易取得的产业而言,导入AI系统的难度也会较高。

而输出结果的解释部份,目前AI系统还难以达到。原因在于,目前AI系统虽然能算出结果,但却无法一步一步地解释这个结果是如何获得的,因此面临这类需要针对运算结果进行解释的需求,目前为止都还无法达到。

至于学习的普遍性部分,是因为目前AI模型在将学习经验自A类移转至B类时,经常会遇到困难。这意谓着企业需要投入大量资金训练新的模型,即便是A类与B类两者间有部分相似性也难以避免。

以上就是小编为大家整理的“AI技术应用仍面临许多挑战”一文,更多相关信息尽在人工智能资讯频道。

相关推荐

2021大厂高频面试题精选,0元免费领

福利来袭,C++经典项目实战免费领取!

职场进阶必备,数据分析职业能力特训营

免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
有用
分享