分类： 信息资源管理 >> 情报学 提交时间： 2024-10-12
摘要：摘要：[目的/意义]AI训练数据真实性是当前国内外法规政策和标准中的关注焦点，研究其概念体系和合规要求有助于提升AI技术的质量、合法性、透明度和社会接受度等。[方法/过程]使用内容分析法对目标文献中的AI训练数据真实性相关内容进行分析和抽取，使用ISO 704：2022概念分析方法从抽取的条目中识别AI训练数据真实性相关概念关系和特征，以构建AI训练数据真实性概念体系，基于概念体系构建分析框架，进一步识别对应的合规要求。[结果/结论]与AI训练数据真实性相关的概念有AI训练数据客观性、AI训练数据可靠性、AI训练数据确实性、AI训练数据完整性。AI训练数据真实性合规要求包括具有合法来源、与基本事实相符、数据准确、没有受到不当操作和能反映人工智能系统的背景或预期用途5类。
分类： 信息资源管理 >> 图书馆学 提交时间： 2024-10-12
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。
主办：中国人民大学 承办：中国人民大学书报资料中心
邮箱: yuyin@ruc.edu.cn 电话:62516972 62515820
地址: 北京市海淀区中关村大街59号
版权所有©2024 中国人民大学
点击量
待评议
点击量
下载量
评论
京公网安备11040102700185