Ipsos publiceerde afgelopen maand het whitepaper Humanizing AI: Real Human Data to Generate and Predict Real Innovation Success. Het gaat over het belang van het gebruik van echte menselijke data om AI-modellen te trainen voor innovatiesucces.
Hersenen zijn als sponzen, zeg het begeleidende bericht van Ipsos. Ze absorberen waaraan ze worden blootgesteld en AI is niet anders. Voor de ontwikkeling van AI zijn data nodig, en de kwaliteit van de data bepaalt de kwaliteit van het AI-model. Er zijn twee hoofdvormen van leren voor AI-modellen: begeleid leren, waarbij een mens AI leert wat het moet leren, en zelfgestuurd leren, waarbij AI wordt gevoed met een grote hoeveelheid tekst om voorspellingen te genereren.
Tijdloos
Ipsos stelt dat de kwaliteit van trainingsgegevens cruciaal is voor het bouwen van intelligente AI-modellen. De gegevens moeten relevant, representatief en tijdloos zijn. Kant-en-klare AI-modellen, zoals grote taalmodellen (LLM’s), kunnen beperkingen hebben bij het vastleggen van de essentie van echt menselijk gedrag en behoeften. Het humaniseren van AI door het te trainen met echte consumentengegevens kan leiden tot meer innovatiesucces.
Voorspellen
Generatieve AI kan worden gebruikt in de ideevormingsfase van innovatie om nieuwe productideeën te ontwikkelen, terwijl analytische AI inzetbaar is in de evaluatiefase om het marktpotentieel te voorspellen.
Echte menselijke gegevens, waaronder reacties van consumenten en woordelijke antwoorden, zijn handig om AI-modellen te trainen en hun nauwkeurigheid bij het voorspellen van innovatiesucces te verbeteren.
Het whitepaper is hier te downloaden.