2024 年 6 月 7 日
扩展人工智能
劳伦·安德森
本月初，Kurt Muehmel与 Forrester 的特邀演讲嘉宾Michele Goetz一起讨论了生成式人工智能时代的数据质量问题。如果您想观看重播，可以在此处找到 （或跳至下面的完整视频），但我们也会对主要内容进行 TL;DR 回顾：
生成式人工智能时代，数据质量面临新挑战
众所周知，数据质量差会影响 AI 信 克罗地亚 WhatsApp 数据 任。在 Forrester 于 2023 年 9 月进行的 AI Pulse 调查中，85% 的 AI 决策者认为内部数据质量高，可用于 AI 应用程序，但 56% 的人实际上并不信任生成式 AI 提供的信息。那么，为什么信念与现实之间存在脱节？生成式 AI 的数据质量主要存在三个问题：
生成式人工智能错误纠正：与自动更正无意中改变单词含义类似，生成式人工智能可能会错误地推断含义并给出不准确的结果。
生成式人工智能具有冒名顶替综合症：同时，生成式人工智能模型输出他们“认为”的正确答案，但拒绝纠正或在结果中看到错误。
生成性人工智能会产生幻觉，产生乍一看似乎准确但经过深入审查后发现并不准确或缺少预期的背景或含义的输出。