摘要: [目的/意义]AI数据多样性对于增强AI模型性能、减少偏见与歧视至关重要。然而,当前对AI数据多样性概念对象和特征的研究较少且缺乏系统性。本研究丰富了AI数据多样性的认知,对提升AI数据多样性质量,促进AI模型性能优化,促进系统性能与公平性提升具有理论意义和实践价值。[方法/过程]本研究采用ISO 704:2022概念构建的通用方法,通过系统梳理期刊论文、政策和标准中多样性的概念对象和特征,构建了一个较为全面的AI数据多样性概念体系。[结果/结论]AI数据多样性概念体系,其构成内容包括目标(性能优化与可持续性)、主体(公共利益相关者与AI系统相关者)、对象(人员、数据集/数据、AI系统/技术)、合规要求及关切点(法律行动多样性、技术伦理与社会影响考量)四类概念及概念关系。
[V1] | 2024-10-12 16:01:18 | PSSXiv:202410.00834V1 | 下载全文 |
1. 档案数智化信息安全策略研究 | 2024-10-13 |
2. YUYIN科技创新生态系统知识涌现机制的系统动力学研究 | 2024-10-13 |
3. 生成式人工智能背景下科研人员学术阅读工具使用转移行为研究 | 2024-10-12 |
4. 面向人工智能治理的文件管理合规要求与标准化启示: 基于中美欧政策和国际标准的调查研究 | 2024-10-12 |
5. 人工智能训练数据真实性:概念体系构建及合规要求分析 | 2024-10-12 |