我能否使用该公开数据集构建商业AI软件？——基于公开图像数据集的案例研究
机器学习
2022-04-12 v5 人工智能
软件工程
摘要
公开可用数据集是商业AI软件的关键驱动因素之一。公开可用数据集的使用受数据集许可证管辖。这些数据集许可证概述了针对给定数据集所享有的权利以及为在不违反许可证合规前提下享有此类权利而必须履行的义务。与标准化的开源软件（OSS）许可证不同，现有数据集许可证以临时方式定义，并未清晰概述与其使用相关的权利与义务。此外，公共数据集可能托管于多个位置，并由多个数据源创建，其中每个数据源可能具有不同许可证。因此，现有的检查OSS许可证合规的方法无法使用。本文提出一种新方法，用于评估若给定公开可用数据集被用于构建商业AI软件时潜在的许可证合规违规。我们运用该方法对 6 个常用公开图像数据集进行案例研究。结果表明，若用于商业目的，所有被研究数据集均存在许可证违规的潜在风险。
引用
@article{arxiv.2111.02374,
title = {Can I use this publicly available dataset to build commercial AI software? -- A Case Study on Publicly Available Image Datasets},
author = {Gopi Krishnan Rajbahadur and Erika Tuck and Li Zi and Dayi Lin and Boyuan Chen and Zhen Ming and Jiang and Daniel M. German},
journal= {arXiv preprint arXiv:2111.02374},
year = {2022}
}
备注
This is revised version of the paper with updated co-authors