研究指出主要问题是问题识别能力差和对最新技术趋势关注不足

一项新研究发现，人工智能项目的失败率高达 80%。研究人员深入研究了数据，将导致如此高失败率的原因归结为五大原因，包括过度关注新技术、缺乏人工智能训练数据以及错误识别或错误传达问题。

似乎每个人都在搭上人工智能的顺风车，以寻求虚高的利润率和营销炒作——AMD 最近的 Ryzen 品牌重塑就是这种人工智能炒作的典型例子。兰德公司最近进行的一项研究发现，这种以人工智能为中心的方法可能并不像人们想象的那样，人工智能项目的失败率似乎是常规软件开发项目的两倍。

在研究期间，兰德公司采访了 65 位行业专家，这些专家在为私营实体和学术界开发人工智能和机器学习工具方面拥有超过五年的经验，并将他们的回答提炼为人工智能/机器学习项目失败的五个主要原因。

根据这项研究，最大的失败是领导失败，而不是技术失败。高管们要么没有理解他们试图用人工智能解决的问题是什么，要么没有将问题传达给开发团队，要么试图将人工智能应用于它无法解决的问题。项目负责人过于专注于使用最新、最伟大的人工智能进步来解决他们的问题，以至于他们错过了不使用人工智能的更简单、更便宜的解决方案。

正如一位受访者所解释的那样，他的团队有时会被指示将人工智能技术应用于具有一些主要特征或模式的数据集，而这些特征或模式可以通过一些简单的“if-then”规则快速捕获。

资源可用性也是一个重大的失败点，领导层被认为不愿意或无法分配必要的资源来处理必要的数据并充分训练人工智能系统。这经常导致项目交付不足或交付的产品不完整——这是低估了创建和训练人工智能系统的复杂性的结果。

同样，由于最近的炒作和营销宣传，许多领导者对人工智能抱有不切实际的期望，而当开发团队无法在预期的时间内兑现承诺时，这就会成为问题。