详细内容或原文请订阅后点击阅览
为 AI 提供正确业务数据的 5 种方法 - 并获得金粉，而不是垃圾
事后猜测未来人工智能计划所需的数据似乎是一个棘手的挑战，但您可以做一些重要的准备工作。
来源:ZDNet | 机器人新闻关注 ZDNET：将我们添加为 Google 上的首选来源。
将我们添加为首选来源ZDNET 的关键要点
- 请注意：给 AI 垃圾数据，它也会给你垃圾数据。采取专注于金粉的数据收集战略方法。保持灵活性，因为语言模型和业务需求可能会发生变化。
证据表明，从人工智能项目中创造价值是很困难的，但我们可以确定的一件事是，成功的举措需要数据，而且需要大量数据。
人工智能项目很难产生价值 成功的举措需要数据无论是运行生成式 AI 还是探索代理式 AI，为新兴技术解决方案提供支持的语言模型都需要访问大量信息资源。随着企业在 2026 年及以后扩大人工智能工作，访问正确的数据资产从未如此重要。
运行生成式 AI 部署 探索代理人工智能 在 2026 年及以后扩大人工智能工作另外：谷歌人工智能顶级高管表示，你仍然应该学习编码 - 这就是原因
Google AI 高管表示，你仍然应该学习编码 - 这就是原因但是，如何确保您的组织为其 AI 计划收集正确的信息？五位商界领袖向我们提供了他们的建议。
1. 采取深思熟虑的方法
养老金监管机构 (TPR) 数字、数据和技术主管 Paul Neville 表示，他的公共机构对于收集新兴技术项目的数据“非常周到”。
“人工智能的结果取决于它所查看的数据，”他说。 “所以，如果你给它垃圾数据，它就会给你垃圾数据。这一点非常清楚。”
Neville 告诉 ZDNET，基本要素——良好的数据实践、治理和所有权——有助于确保他的组织将正确的信息转化为洞察力。