FAIR for AI: An interdisciplinary and international community building perspective

要約

学術データの再利用を可能にすることを目的として、適切なデータ管理と管理の前提条件として、検索可能、アクセス可能、相互運用可能、再利用可能 (FAIR) 原則の基本セットが 2016 年に提案されました。
この原則は、他のデジタル資産にも高いレベルで適用されることを目的としており、時間の経過とともに、FAIR の基本原則は再解釈または拡張され、データを生成するソフトウェア、ツール、アルゴリズム、ワークフローが含まれるようになりました。
FAIR 原則は現在、AI モデルとデータセットのコンテキストに適用されています。
ここでは、実践コミュニティにおける FAIR 原則の定義と採用を主導している、さまざまな国、専門分野、背景を持つ研究者の視点、ビジョン、経験を紹介し、FAIR AI 研究の推進と奨励から生じる可能性のある成果について議論します。
。
このレポートの資料は、2022 年 6 月 7 日にアルゴンヌ国立研究所で開催された FAIR for AI ワークショップに基づいています。

要約(オリジナル)

A foundational set of findable, accessible, interoperable, and reusable (FAIR) principles were proposed in 2016 as prerequisites for proper data management and stewardship, with the goal of enabling the reusability of scholarly data. The principles were also meant to apply to other digital assets, at a high level, and over time, the FAIR guiding principles have been re-interpreted or extended to include the software, tools, algorithms, and workflows that produce data. FAIR principles are now being adapted in the context of AI models and datasets. Here, we present the perspectives, vision, and experiences of researchers from different countries, disciplines, and backgrounds who are leading the definition and adoption of FAIR principles in their communities of practice, and discuss outcomes that may result from pursuing and incentivizing FAIR AI research. The material for this report builds on the FAIR for AI Workshop held at Argonne National Laboratory on June 7, 2022.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google