面向 AI 的 FAIR 原则：跨学科与国际社区构建视角
计算机与社会
2023-08-02 v2 人机交互
机器学习
高能物理 - 实验
摘要
2016 年提出了一套基础性的可发现、可访问、可互操作、可重用（FAIR）原则，作为适当数据管理与 stewardship 的先决条件，旨在实现学术数据的可重用性。这些原则在高层面上亦适用于其他数字资产，且随着时间推移，FAIR 指导原则被重新阐释或扩展，以涵盖产生数据的软件、工具、算法和工作流。FAIR 原则现正被适配于 AI 模型与数据集的语境中。在此，我们呈现来自不同国家、学科和背景的研究人员的视角、愿景与经验，他们正主导其实践社区中 FAIR 原则的定义与采纳，并讨论追求和激励 FAIR AI 研究可能带来的成果。本报告素材基于 2022 年 6 月 7 日在阿贡国家实验室举行的 FAIR for AI 研讨会。
引用
@article{arxiv.2210.08973,
title = {FAIR for AI: An interdisciplinary and international community building perspective},
author = {E. A. Huerta and Ben Blaiszik and L. Catherine Brinson and Kristofer E. Bouchard and Daniel Diaz and Caterina Doglioni and Javier M. Duarte and Murali Emani and Ian Foster and Geoffrey Fox and Philip Harris and Lukas Heinrich and Shantenu Jha and Daniel S. Katz and Volodymyr Kindratenko and Christine R. Kirkpatrick and Kati Lassila-Perini and Ravi K. Madduri and Mark S. Neubauer and Fotis E. Psomopoulos and Avik Roy and Oliver Rübel and Zhizhen Zhao and Ruike Zhu},
journal= {arXiv preprint arXiv:2210.08973},
year = {2023}
}
备注
10 pages, comments welcome!; v2: 12 pages, accepted to Scientific Data