面向负责任AI的数据集标准化机器可读文档格式
信息检索
2024-07-25 v1 人工智能
计算机与社会
数据库
机器学习
摘要
数据是推动AI技术发展的关键因素，但其质量和文档仍是重大挑战，导致AI应用中出现不利后果(如潜在偏见)。本文通过引入 Croissant-RAI，一种机器可读的元数据格式，以增强AI数据集的可发现性、互操作性和可信度。Croissant-RAI扩展了 Croissant 元数据格式，基于现有负责任AI(RAI)文档框架，提供标准化的属性集和实践，以促进社区广泛采用。凭借建立在Schema.org等成熟网络发布实践基础，Croissant-RAI使数据使用者无需数据集发布的具体平台，即可轻松发现并利用RAI元数据。此外，它无缝集成到主要数据搜索引擎、数据存储库和机器学习框架中，简化了从事者现有工作流程中读取和编写负责任AI元数据的过程。Croissant-RAI由社区主导开发，旨在适应不断演变的文档需求，并配备Python库和可视化编辑器支持。
引用
@article{arxiv.2407.16883,
title = {A Standardized Machine-readable Dataset Documentation Format for Responsible AI},
author = {Nitisha Jain and Mubashara Akhtar and Joan Giner-Miguelez and Rajat Shinde and Joaquin Vanschoren and Steffen Vogler and Sujata Goswami and Yuhan Rao and Tim Santos and Luis Oala and Michalis Karamousadakis and Manil Maskey and Pierre Marcenac and Costanza Conforti and Michael Kuchnik and Lora Aroyo and Omar Benjelloun and Elena Simperl},
journal= {arXiv preprint arXiv:2407.16883},
year = {2024}
}
备注
10 pages, appendix