工业 AI 系统中的数据问题：元综述与研究策略
人工智能
2024-06-25 v1
摘要
在工业 4.0 时代，人工智能（AI）正在在工业系统中发挥越来越关键的作用。尽管各行业近期倾向于采纳 AI，但实际采纳程度并未达到预期水平。这一滞后现象的一个重要因素是 AI 实施中的数据问题。如何解决这些数据问题是面临业界和学界的重大挑战。为此，本研究首先通过元综述探索数据问题及其解决方法。识别出 72 个数据问题，并将其归类到数据生命周期的 various 阶段，包括数据源与收集、数据访问与存储、数据集成与互操作、数据预处理、数据处理、数据安全与隐私以及 AI 技术采纳。随后，本研究分析了 various AI 算法的数据需求。基于上述分析，本文提出了数据管理框架，系统性地解决数据生命周期各阶段的数据问题。最后，本研究概述了未来的研究方向。通过这一工作，本研究丰富了现有知识，为在工业 AI 复杂环境中实现数据可 usability 与 usefulness 提供了指导。
引用
@article{arxiv.2406.15784,
title = {Data Issues in Industrial AI System: A Meta-Review and Research Strategy},
author = {Xuejiao Li and Cheng Yang and Charles Møller and Jay Lee},
journal= {arXiv preprint arXiv:2406.15784},
year = {2024}
}