AI需要经过验证的“智能数据”而非原始数据量来保证运营准确性

NetScout Systems的首席技术官Bruce Kelley认为，AI模型需要“智能数据”——即经过验证的操作数据，转化为可信的事实——而不是仅仅大量的原始数据来有效解决确定性的运营问题。他强调，当前的AI方法在处理海量原始数据集时，尤其是在大型、多供应商网络中，会面临成本、复杂性和错误率的挑战。Kelley引用了斯坦福大学以人为本人工智能中心和麦肯锡公司的报告，这些报告指出由于准确性问题，AI的幻觉率很高且部署结果不佳，因此需要提供紧凑、可信证据的数据管道，以提高AI的准确性、速度和成本效益。 AI

影响 强调需要结构化、经过验证的数据来提高AI在运营环境中的准确性和效率。

排序理由 首席技术官关于AI数据需求的观点文章。

在 Forbes — Innovation 阅读 →

• Bruce Kelley
• Human-Centered Artificial Intelligence Center
• McKinsey & Company
• MCP
• NetScout Systems
• Stanford University

• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →