最近，行业研究公司Gartner做出了一个大胆的预测：85%的AI项目无法交付给CIO。 该声明暗示，每20个人工智能项目将成功3个，其中17个将达不到预期。
借助所有嗡嗡声和大量的AI提示，这是一个非常出色的解决方案。
除了可能不是。 让我们看一下正在加剧这种情况以及AI项目的未来是否光明。
人工智能项目为何失败?
维度R的一份报告显示，十分之八的AI失败了，而96%的AI则在标注，标明和建立模型置信度方面遇到了问题。
以下是人工智能项目失败的7个常见原因：
1. 鲨鱼
当需要进行AI项目中的所有任务时，将有可能会牺牲质量并试图偷工减料。 这些鲨鱼可能会说"让我们一起选择其他选项"。 它也很简单。 "
从这个意义上说，这不是真正的类型，但是它的回报率(ROI)绝对不会吸引他们的。 那你怎么办?
确保您第一个基于AI的业务是真实的，没有KPI，并且也要与该版本中的最新任务说明保持一致。 相信成功完成一个项目可能会给您和企业带来损失。 为此，你可能会非常感激和珍惜。
2. 沟通故障
当您不定期地使用自己的专业术语与专家打交道时，有时您会被误解。
在您实施项目时，维护人员很少或根本没有。 您需要在盘子上摆放足够的东西。 对他们不了解AI。 取而代之的是，您的项目将继续进行下去。 以美元而不是千兆字节的价格购买。 另外，您必须先与您的росер保持联系。 您将有足够的钱给您机会。
3. 开始之前先
是。 您可能不会这么做，但这是救命的。 想象一下，在您的资金上花费了巨额资金，然后听到客户的说法是无法接受的，您将不得不从头开始并重新开始。
在您开始存储之前，重要的是要确保输出并重新设置输出，然后再确保您不同意特定的条款和条件。 即使客户可能不同意，您也没有。 您现在知道自己是否愿意接受，并且您可以根据自己的意愿来建立您的项目。
4. 数据战士的缺席
通常情况下，您应该会与一些新手合作，因为他们几乎没有经验。 答案是：省钱。 这就是最可能的了。
以节省金钱的名义，他们实际上是在失败的人工智能项目上浪费金钱。 迫不及待的人们会遇到无休止的新挑战，这些新挑战不会使项目取得任何进展。 组织所关心的是一个在数据科学领域拥有深厚经验的人，已经开发了AI理想(理想情况下是多个)，并且还实施了解决方案以产生积极的，切实的结果。
5. 内部人才/软件
这是一个根本没有真正要解决的问题，但是在每一个被S所使用的消息中，每个人都可以找到，并且他们可以访问吗?
您的数据团队是否与专业社区共享想法和资源? 他们是否掌握了机器学习的所有当前趋势和工具? 如果没有，公司应寻求雇用新的经理，咨询公正的第三方或许可外部软件。
6. 从简单开始
要记住的最重要的要点之一就是从简单开始。 如果没有简单规则的实施，您的AI项目将获得0%的价值。 有传言说可能会成功，但过于复杂的项目可能要花很多时间。 因此，该项目应以明确的目标从一个简单的过程开始。
原因还可能是因为它们在给定框架内的现实状况。 尽管受到AI控制的世界的概念得到了积极的评论和好评，但事情还是有可能发生的。 例如，一种自动驾驶汽车，因为它是第一个最严重的问题，而后者并没有导致致命伤。 一个人可能会提到所有算法或рrоgram的编码不正确。 在其他情况下，可能无法提供任何数据的结果，以作为对AI机器中某些问题的解答。
7. 除了上述原因之外，还有很多AI可能会被毁坏。
每当需要对AI进行统计时，都必须先解决所有问题，然后再回答所有问题。 在所有阶段的所有阶段中，AI机器都将无法重新启动。
另外，算法本身可能会出错。 这是由于嗡嗡作响而采用的算法。 开发该算法的人不经意间将自己的偏见注入了算法，这在很大程度上是有道理的。
最后，人工智能项目失败的原因有很多。 人工智能有必要经过充分的验证，以至于它们可能会被评估。 因此，如果您通过设计感到困难，或者由于缺乏足够的信息，那么可能会发生很多事情。
我们都会犯错，并从中汲取教训，从而变得更强。 您在人工智能项目中遇到的最常见错误是什么? 让我们在下面发表评论吧!
