机构名称：
¥ 7.0
本研究发现，与人工智能相关的最重要的数据挑战是如何确保数据质量。如果不这样做，使用该算法的人工智能结果可能会出现偏差或扭曲。此外，必须确保数据采集的正确性和透明度，以防止数据滥用，尤其是当数据可识别个人身份、敏感、私密或机密时。这些问题不仅与输入数据有关，也与输出数据有关。为了防止有偏差或扭曲的输出数据造成损害，应该妥善管理和治理。此外，围绕人工智能系统的数据供应链应伴随着明确和连续的问责和责任链。但是，如果偏差或扭曲的结果是由算法本身的缺陷（例如编程或设计错误）造成的，则可能需要通过其他方式来解决这个问题，而不是确保数据质量。
可持续人工智能的数据治理
主要关键词
相关文件推荐
