[論文レビュー] A Fourth Wave of Open Data? Exploring the Spectrum of Scenarios for Open Data and Generative AI

Hannah Chafetz, Sampriti Saxena+1 more|arXiv (Cornell University)|May 7, 2024

Big Data and Business Intelligence被引用数 6

ひとこと要約

本論文は、オープンデータと生成AIがどのように交差するかを整理する Spectrum of Scenarios フレームワークを提案し、オープンデータの準備に関するデータからオープンエンドの探索までのシナリオを概説し、データ品質とガバナンスを前進させる五つの重要領域を特定する。

ABSTRACT

Since late 2022, generative AI has taken the world by storm, with widespread use of tools including ChatGPT, Gemini, and Claude. Generative AI and large language model (LLM) applications are transforming how individuals find and access data and knowledge. However, the intricate relationship between open data and generative AI, and the vast potential it holds for driving innovation in this field remain underexplored areas. This white paper seeks to unpack the relationship between open data and generative AI and explore possible components of a new Fourth Wave of Open Data: Is open data becoming AI ready? Is open data moving towards a data commons approach? Is generative AI making open data more conversational? Will generative AI improve open data quality and provenance? Towards this end, we provide a new Spectrum of Scenarios framework. This framework outlines a range of scenarios in which open data and generative AI could intersect and what is required from a data quality and provenance perspective to make open data ready for those specific scenarios. These scenarios include: pertaining, adaptation, inference and insight generation, data augmentation, and open-ended exploration. Through this process, we found that in order for data holders to embrace generative AI to improve open data access and develop greater insights from open data, they first must make progress around five key areas: enhance transparency and documentation, uphold quality and integrity, promote interoperability and standards, improve accessibility and useability, and address ethical considerations.

研究の動機と目的

• 急速に進化するAI情勢の中で、オープンデータが生成AIとどのように相互作用するかを探求する動機づけ。
• オープンデータと生成AIの潜在的な交差を分類するための Spectrum of Scenarios フレームワークを提案。
• 各シナリオのデータ品質、所在性（出所）、ガバナンス前提条件を特定。
• データ保有者がAI対応のオープンデータアクセスと洞察を受け入れるのを支援するため、組織的・倫理的配慮を強調。

提案手法

• オープンデータと生成AIの交差をマッピングする定性的フレームワーク（Spectrum of Scenarios）を開発。
• シナリオを定義・分類： relating（関連付け）, adaptation（適応）, inference and insight generation（推論と洞察生成）, data augmentation（データ拡張）, open-ended exploration（オープンエンド探索）。
• フレームワーク内の各シナリオに対するデータ品質と所在性要件を分析。
• 開放性（透明性、文書化）、品質、相互運用性、アクセシビリティ、倫理の改善が必要な領域を統合。

実験結果

リサーチクエスチョン

• RQ1 オープンデータと生成AIが実際に交差し得る可能性のある方法は何か？
• RQ2 各交差シナリオを支えるために必要なデータ品質と所在性要件は何か？
• RQ3 AI対応のオープンデータアクセスと洞察を実現するために必要な組織的実践と倫理的配慮は何か？

主な発見

• Spectrum of Scenarios フレームワークは、関連付け、適応、推論と洞察生成、データ拡張、オープンエンド探索の5つの交差カテゴリを概説する。
• データ保有者が生成AIを活用するうえでの進展は、透明性と文書化の改善にかかっている。
• データ品質と完全性、相互運用性と標準、アクセス性と使いやすさ、倫理的配慮の改善が必要。
• 本論文は、場当たり的なAI導入よりも、構造化されたフレームワークを通じてオープンデータの準備を進めるべきだと主張する。