[論文レビュー] The Principles of Data-Centric AI (DCAI)

Mohammad Hossein Jarrahi, Ali Memariani+1 more|arXiv (Cornell University)|Nov 26, 2022

Data Stream Mining Techniques参考文献 21被引用数 25

ひとこと要約

本論文はAIに対するデータ中心の視点を提唱し、DCAIの6つの指針を概説し、AIシステムにおけるデータ品質とダイナミズムを進めるための基盤と方向性について論じている。

ABSTRACT

Data is a crucial infrastructure to how artificial intelligence (AI) systems learn. However, these systems to date have been largely model-centric, putting a premium on the model at the expense of the data quality. Data quality issues beset the performance of AI systems, particularly in downstream deployments and in real-world applications. Data-centric AI (DCAI) as an emerging concept brings data, its quality and its dynamism to the forefront in considerations of AI systems through an iterative and systematic approach. As one of the first overviews, this article brings together data-centric perspectives and concepts to outline the foundations of DCAI. It specifically formulates six guiding principles for researchers and practitioners and gives direction for future advancement of DCAI.

研究の動機と目的

• AIシステムの中核インフラストラクチャとしてデータ品質を強調し、モデル中心型からデータ中心型AIへの移行を促す。
• データ中心AIの基礎概念を明確にし、データ品質とダイナミズムが実世界の展開でなぜ重要かを説明する。
• DCAIの今後の研究と実践を導く一連の指針を制定する。
• 下流アプリケーションにおけるデータ中心AIの理論と実践を進展させる方向性を提供する。

提案手法

• 文献と実践からデータ中心的な視点と概念を統合する。
• DCAIの研究者と実務家のための6つの指針を策定・提示する。
• データ中心AIの今後の発展に向けた方向性ロードマップを提供する。

実験結果

リサーチクエスチョン

• RQ1 DCAIの研究と実践を導くべき核心的な原則は何か？
• RQ2 データ品質とデータダイナミズムはAIシステムの性能とデプロイメントの結果にどのように影響するか？
• RQ3 データ中心的な方法論を改善するために、DCAIの今後の研究を導く実践的な方向性は何か？

主な発見

• 本論文はData-Centric AI (DCAI)の6つの指針を概説している。
• AIシステムにおけるデータ品質とそのダイナミズムを優先する基礎的な見解を提示している。
• この記事はデータ中心的な視点を統合してDCAIの整合的な枠組みを形成している。
• 研究と実践におけるDCAIの今後の発展に向けた指針を提供している。