Vurdering af datasættenes kvalitet

Med udviklingen af AI-modeller i de fleste samfundssektorer har betydningen af de data, der anvendes til at træne og teste disse modeller, været en vigtig bekymring for AI-leverandøren. Forståelse af kvaliteten af de anvendte datasæt, navnlig i sektorer som landbrug og landbrugsfødevarer, hvor data kan være sjældne, er derfor en forudsætning for at sikre en korrekt udvikling af AI-modeller og opbygge tillid til disse tilgange for samfundet. Denne tjeneste har til formål at imødegå denne udfordring ved at vurdere kvaliteten af de datasæt, som kunden leverer. Funktionerne i de datasæt, der vil blive analyseret, er baseret på en aftalt definition fra AI-fællesskabet: fuldstændighed, balance, mangfoldighed, nøjagtighed... Kvalitetsvurderingen af datasættet begynder med at opstille en liste over de faktorer, der påvirker systemet, og som er nødvendige for oprettelsen af en database. Disse faktorer vil blive identificeret både ved hjælp af LNE-ekspertise og eksterne kilder såsom landbrugsfødevarerelevante eksperter. Ved hjælp af disse faktorer analyserer LNE fordelingen (eller vægten) af de forskellige indflydelsesfaktorer i databaserne og sammenligner den med fordelingen under normale anvendelsesbetingelser for at vurdere datasættets repræsentativitet og balance.