הַגדָרָה
איסוף נתוני בינה מלאכותית הוא תהליך של איסוף נתונים גולמיים - טקסט, אודיו, תמונות, וידאו או רשומות מובנות - המשמשים לאימון, אימות ובדיקה של מודלים של למידת מכונה. זה מבטיח שלמודלים יש דוגמאות מייצגות של הבעיה מהעולם האמיתי.
מטרה
המטרה היא לבנות מערכי נתונים המאפשרים לאלגוריתמים ללמוד דפוסים ביעילות. איסוף נתונים אמין מפחית הטיה ומשפר את דיוק המודל בסביבות ובאוכלוסיות שונות.
חשיבות
- איכות הנתונים שנאספו משפיעה ישירות על תוצאות המודל.
- איסוף לקוי יכול להוביל למודלים מוטים או בלתי שמישים.
- מקורות מגוונים משפרים את ההכללה ומפחיתים חוסר הוגנות.
- חובה לעמוד בסטנדרטים אתיים ומשפטיים (למשל, GDPR, HIPAA).
איך זה עובד
- הגדירו את סוג הנתונים הנדרשים בהתבסס על יעדי הפרויקט.
- זהה מקורות (חיישנים, ממשקי API, סקרים, הקלטות וכו').
- איסוף נתונים תוך הסכמה מתאימה והגנות על הפרטיות.
- אחסן נתונים עם מטא-דאטה לצורך מעקב והקשר.
- הכן נתונים לצורך ביאור, ניקוי או אימון מאוחרים יותר.
דוגמאות (העולם האמיתי)
- ImageNet: מערך נתונים גדול של תמונות למחקר ראייה ממוחשבת.
- גוגל סטריט וויו: נתונים שנאספו עבור מפות ובינה מלאכותית חזותית.
- Mozilla Common Voice: מערך נתונים פתוח של הקלטות דיבור עבור ASR.
מקורות / קריאה נוספת
- גיליונות נתונים עבור מערכי נתונים — Gebru ואחרים, ACM FAccT.
- הכנת נתונים עבור מערכות בינה מלאכותית - NIST.
- ISO/IEC TR 20547-5: ארכיטקטורת ייחוס של ביג דאטה - ISO.
