數據質量評估助力高效人工智能

數據是人工智能的基石，數據質量的高低直接影響到人工智能系統的準確性和可靠性。由于數據來源的多樣性和復雜性，數據中可能存在錯誤、缺失、冗余、偏差等問題，這會導致人工智能系統的輸出結果不準確甚至產生誤導性，為解決這一挑戰，中國科研人員正在研究數據質量評估方法以提高人工智能系統的性能和效率。

石河子大學機械電氣工程學院李陽副教授針對人工智能的圖像識別任務提出了一種通用的數據質量評估方法—擾動熵，該評估方法從數據的信息價值出發，將各類別已參與訓練的樣本均值記為原型，與待評估樣本進行融合，再根據網絡預測概率計算擾動圖像的信息熵以衡量數據質量。實驗結果表明，在數據數量相同的情況下，基于高質量數據訓練的模型性能要顯著優于基于低質量數據訓練的模型性能。該研究方法首次發表在知名期刊ICT Express (SCI檢索，影響因子5.4)，并于2023年7月5日被授予Best Paper Award。

（李陽供圖）

李陽表示，數據質量評估在人工智能系統中的應用范圍十分廣泛，比如，醫療領域，人工智能可用于疾病診斷和治療，而準確的醫療數據是確保系統可靠性的關鍵；金融領域，人工智能可用于風險評估和交易決策，數據的準確性和一致性對避免錯誤決策至關重要；交通領域，精準的交通數據能夠幫助優化交通流量和減少擁堵。開展數據質量評估不僅能提高人工智能系統的準確性和可靠性，還能篩選高質量數據以避免訓練時間和訓練資源的浪費，而且還有助于促進跨組織和跨行業的數據交流與共享。盡管數據質量評估在推動人工智能的高效運行方面發揮著重要作用，但仍然面臨著一些挑戰和難題，比如，數據隱私和安全問題，以及數據質量評估的標準化和規范化問題。

未來，隨著數據質量評估技術的不斷發展和應用，人工智能有望在各行業中展現出更高效、可靠和創新的應用前景。（李陽）