situated Ground Truths: 通过 SituAnnotate 将数据标签置于情境中以提升偏见感知型AI

在当今AI和数据驱动应用中，监督式机器往往通过注释——通常以词语或标签形式传递——来获得其理解，这些理解被用于模仿和再现。然而，这些注释常常脱离或缺乏情境信息，可能在后续用于训练时不慎引入偏见。本文引入SituAnnotate，一种新型本体，旨在实现'situated grounding'，将训练AI系统所用的ground truth data锚定于这些ground truth来源的情境和文化绑定情境中。SituAnnotate提供一种基于本体的方法，用于结构化和情境感知的数据注释，解决孤立注释相关的潜在偏见问题。其表征能力涵盖情境上下文，包括注释者细节、时间、位置、报酬方案、注释角色等，确保语义丰富性。与基础Dolce Ultralight本体一致，为知识表示提供了稳健且一致的框架。作为创建、查询和比较基于标签数据集的方法，SituAnnotate使下游AI系统能够在考虑情境和文化偏见的显式情况下进行训练，为增强系统可解释性和适应性奠定基础，使AI模型能够与多种文化背景和观点相匹配。