[論文レビュー] Data-Centric Artificial Intelligence

Johannes Jakubik, Michael Vössing+3 more|arXiv (Cornell University)|Dec 22, 2022

Big Data and Business Intelligence被引用数 14

ひとこと要約

本稿は、モデル中心のAIとは補完的であると位置づけるデータ中心の人工知能（AI）を紹介し、AIモデルのパフォーマンスを向上させるために、データの質と量を体系的に改善するデータ工学の重要性を強調している。本稿は、データ中心のAIのためのフレームワークを提案し、ビジネスおよび情報システム工学（BISE）分野におけるその影響を提示するとともに、データ作業、ガバナンス、および組織間連携に関する主な研究ギャップを同定している。

ABSTRACT

Data-centric artificial intelligence (data-centric AI) represents an emerging paradigm emphasizing that the systematic design and engineering of data is essential for building effective and efficient AI-based systems. The objective of this article is to introduce practitioners and researchers from the field of Information Systems (IS) to data-centric AI. We define relevant terms, provide key characteristics to contrast the data-centric paradigm to the model-centric one, and introduce a framework for data-centric AI. We distinguish data-centric AI from related concepts and discuss its longer-term implications for the IS community.

研究の動機と目的

• 実世界のAIシステム開発において、モデル中心のAIとは補完的かつ不可欠なパラダイムとしてデータ中心のAIを位置づけること。
• データ中心のAIとモデル中心のAIを定義・対比し、データの質、データ作業、ドメイン知識への焦点を強調すること。
• データの質、データ作業、継続的改善などの次元を含む、包括的なデータ中心のAIフレームワークを提示すること。
• BISEコミュニティが取り組める、データガバナンス、データ共有、および組織間データ連携に関する重要な研究ギャップを同定すること。
• BISE研究者が、AI開発のための体系的データ管理、標準化、およびツールチェーンの発展を促進する手がかりを提供すること。

提案手法

• データの質、データ作業、データガバナンス、継続的改善といった主要次元に沿って構造化された、データ中心のAIの概念的フレームワークを提案する。
• モデルを固定し、データを最適化することに焦点を当てたパラダイムとして、データ中心のAIを定義する。具体的には、データの量、関連性、ラベルの質に注目することでパフォーマンスを向上させる。
• モデル中心の最適化から、データのキュレート、ラベリング、データバージョニングを含む体系的データ工学へのシフトを提唱する。
• ドメイン知識とセミ自動化ツールが、データ作業の加速とデータ品質の向上に果たす役割を強調する。
• 特に動的で変化し続ける現実世界の状況において、継続的なデータ管理と反復的なデータ精錬が不可欠であることを強調する。
• データライセンス、バージョニング、引用、レピュテーションシステムを含む標準化されたプラットフォームを通じて、信頼と連携を可能にする組織間データ共有プラットフォームを提唱する。

実験結果

リサーチクエスチョン

• RQ1 データ中心のAIは、モデル中心のAIと比較して、焦点、データ品質の認識、ドメイン知識の活用においてどのように異なるか？
• RQ2 実世界のAI開発における体系的フレームワークとしてのデータ中心のAIの主要な次元と構成要素は何か？
• RQ3 BISE分野が解決できる、データガバナンス、データ共有、データ品質管理に関する重要な研究ギャップは何か？
• RQ4 プライバシーまたは所有権の制約によりデータを共有できない場合を含め、データ中心のAIを組織間でどのように実装できるか？
• RQ5 BISE研究は、データ作業プロセスの標準化とスケーラブルで信頼性のあるデータ共有インfraの構築に、どのように貢献できるか？

主な発見

• データ中心のAIは、モデルアーキテクチャからデータの質と量への焦点のシフトをもたらし、より複雑なモデルではなく、より良いデータによってパフォーマンスが向上する。
• このパラダイムは、モデル中心のAIと本質的に補完的であり、高性能で現実世界のAIシステムを実現するには両者が不可欠である。
• ラベリング、データキュレート、品質評価などのデータ作業は、AI開発における重要な体系的要素であるが、しばしば軽視され、標準化が不十分である。
• データは動的で時間とともに変化するため、継続的なデータ改善が不可欠であり、継続的なデータ管理とバージョニングが求められる。
• 組織間データ共有は極めて重要であるが、ガバナンス、信頼性、技術的障壁によって妨げられており、データライセンス、バージョニング、レピュテーションシステムを備えた標準化されたプラットフォームの導入が不可欠である。
• BISE研究は、データガバナンスフレームワーク、データ共有基準、共同インフラの開発を促進する立場に位置づけられており、特に優位である。