2024人工智能就绪度分析报告：向标准化就绪框架迈进

AI 就绪 - 对标准化就绪性框架的分析

执行摘要

本报告分析了人工智能（AI）在不同领域的应用案例，旨在开发一套评估 AI 准备度的框架，以表明其在 AI 整合方面的获益能力。通过研究不同领域中的各类参与者和特征，采用自下而上的方法，发现这些领域的共同模式、指标和评估机制。

报告确定了主要的 AI 就绪因素：

1. 开放数据的可用性：数据的可用性对 AI 的训练、建模和应用至关重要，数据可来自私人或公共来源，但需进行清洗和匿名化处理。
2. 获得研究：需要领域专家与 AI 研究人员之间的合作，提供一个平台促进不同知识领域的专家之间的合作和信息交流。
3. 部署能力以及基础设施：包括物理基础设施（如传感器、摄像头）和通信基础设施（如网络、计算资源），对数据采集、聚合、训练和应用至关重要。
4. 利益相关者通过标准实现的购买 - 信任、互操作性、安全性：标准在确保合规性和互操作性方面发挥重要作用，建立信任并促进供应商生态系统的多样性。
5. 通过开源创建的开发者生态系统：充满活力的第三方开发人员生态系统可以快速采用 AI/ML 解决方案，并实现创收。
6. 通过沙盒试验实验设置进行数据收集和模型验证：许多应用场景需要一个实验性的沙盒来测试、创建实验性解决方案，并通过实验设置进行验证。

报告收录了五个案例研究，涉及物联网环境监测、AI 前端与多模态后端数据聚合、协作型多代理系统、赋能当地社区和区域定制化，并映射到上述准备因素。

报告涵盖了来自不同领域的共计 30 个应用场景，并按类别描述了应用场景，包括交通安全、智能农业、医疗保健、公共服务、防灾减灾、气候、清洁能源、未来网络与电信和可及性。

数据分析策略

报告针对不同的 AI 就绪因素对应的各个特征推导出一种分析策略，并提供了潜在的测量方法和简要说明。

未来工作与结论

报告提出了三个未来步骤：

1. 建立一个开放的数据仓库以解决与开放数据可用性相关的 AI 成熟度因素。
2. 创建一个预填充了符合标准工具集和模拟器的实验沙箱，研究成熟度因素的影响。
3. 制定开放的度量标准和开源参考工具集用于衡量和验证 AI 成熟度。

计划进行试点 AI 成熟度插件活动，以便向各利益相关方解释 AI 成熟度因素，并允许他们“插入”各种区域因素。

下一版本的报告以及试点 AI 就绪 Plugfest 的结果将于 2025 年 7 月在 AI for Good 峰会上发布。