人工智能数据集标准化与共享机制的探索
2017年《新一代人工智能发展规划》的发布 , 将人工智能发展提升为国家战略目标 。 一方面为金融创新带来了更多可能 , 另一方面人工智能应用面临的安全风险问题日益突出 。 第三方测评机构安全评价是有效分析和控制人工智能金融应用安全风险的重要手段 。 本文从第三方测评机构的视角 , 盘点金融行业人工智能应用存在的问题 , 提出金融行业人工智能标准数据集的建设方案 , 为人工智能金融应用的数据标准建设提供参考 , 探索数据开放共享的长效机制 , 促进人工智能在金融行业的良性发展 。
人工智能标准数据集的设计思路金融行业人工智能标准数据集的设计思路可采用自顶向下的设计方法 , 顶层通过标准化数据集元数据框架和元数据数据字典 , 统一数据集描述规范;向下通过细分金融应用场景和数据类型 , 分主题搭建标准数据集;最终形成满足金融行业人工智能应用需求的高质量测试数据集 。
【人工智能数据集标准化与共享机制的探索】1.数据集主题
金融行业人工智能数据集主题的划分不应简单依照数据类型 , 还要结合场景分类 , 主题的划分应映射数据与场景的关系 。 如图1所示 。 目前 , 人工智能的金融应用主要集中在智能风控、智能客服、智能营销、智能投顾等领域 , 主要使用人脸识别、自然语言处理、语音识别等技术 , 数据类型主要有音视频、图片、文本等 。 
图1金融行业人工智能数据使用参考
因此可将数据集主题按照层次划分 , 第一层按照数据集的数据类型分类 , 划分为图像、视频、音频、文本;第二层按照应用场景分类 , 划分为人脸识别、活体检测、文字识别、机器翻译、语音合成、声纹识别等 。 统一数据类型的数据集可对应多种场景分类 , 如一个音频数据集即可用于机器翻译又可用于语音合成 , 通过数据集主题的层次分类 , 最大程度地体现数据集特征、匹配数据集用途 , 如图2所示 。 
图2数据集主题划分参考
2.元数据数据字典
元数据的数据字典规范了元数据数据结构 , 金融行业人工智能标准数据集的所有元数据均应按照统一的数据格式来描述 。 元数据数据字典包括数据中文名、数据英文名、数据类型、数据值域、数据定义、数据约束、备注等 。
3.元数据框架
金融行业人工智能标准数据集元数据 , 主要用来描述数据集的数据属性 。 考虑金融行业人工智能技术应用场景丰富、任务类型多样、数据类型众多、规模庞大、数据质量要求高 , 为满足行业内交互与共享的需求 , 金融行业人工智能标准数据集元数据的内容框架可分为摘要元数据、主题元数据、实体元数据 。
摘要元数据:概述数据集的基本描述信息 , 适用于所有数据集与应用场景 , 与数据类型无关 。 如数据集说明、数据集权属、数据集主题、数据集访问地址、数据集版本号及数据集发布时间等 。
主题元数据:描述数据集所属主题的通用特征信息 , 突出数据类型及主题场景的通用特征 。 如图片主题数据集的采集对象、拍照设备、分辨率、图片数量等;语音数据集的语种、时长、录音设备等;文本数据集的语种、语料、是否格式化文本等 。
内容元数据:描述数据集内容特征的描述信息及结构化数据集的数据字典元数据等 。
摘要元数据统一提取金融行业人工智能标准数据集的概述信息;主题元数据突出不同数据集应用场景的共同特征 , 引导细分领域下数据集的适配;内容元数据详细地描述了数据集的结构化数据及非结构化数据特征 , 是对于数据集最详实的注解 。
- 创业|八成互联网电视非法采集用户数据, 彩电企业怎么办?
- 新书推荐 │ 大数据算法设计与分析
- 肺炎患者|为何新冠患者已退烧,还需进行集中治疗
- 无人驾驶|189元Ticwatch GTK智能手表上手评测:颜值、运动、电量集一身,香
- 189元Ticwatch GTK智能手表上手评测:颜值、运动、电量集一身,香
- 微信|微信官宣:新增2大重要新功能,1个好评如潮,1个遭网友集体吐槽
- 剧透:戚薇马天宇《你好,安怡》聚焦2035年人工智能,你期待吗?
- |一招教你入门数据可视化!
- 固态硬盘|PCI-E 4.0新选择,西部数据WD_BLCK SN770固态硬盘体验
- 原神|原神:说好数据互通的,为什么自己不能用电脑玩?多数人都没注意
