JwumaCe que signifie réellement la provenance des données et comment la vérifier
· 3 min de lecture · provenance, procurement
Cette traduction a été produite par une machine et n'a pas été vérifiée par un locuteur natif. En cas de doute, la version anglaise fait foi. Signalez-nous toute erreur et nous la corrigerons. English
La provenance signifie être capable de montrer d'où vient chaque élément d'un ensemble de données, qui l'a produit et sous quel consentement. La véritable provenance est constituée d'artefacts, pas d'assurances : métadonnées de capture préservées, consentement enregistré, attribution par contributeur pour chaque élément et version du rubric qui a produit chaque étiquette.
En bref
- La provenance est par élément, pas par ensemble de données.
- Les EXIF préservés sont le principal signal de provenance pour les images capturées.
- Les enregistrements de consentement doivent être attachés aux éléments, pas détenus comme une déclaration générale.
- Chaque étiquette doit porter la version du rubric qui l'a produite.
- Un fournisseur qui ne peut pas produire de provenance par élément affirme, mais ne prouve pas.
Un projet de ce type à cadrer ?
Nous préférons parler du problème plutôt que chiffrer un volume.
Voir nos prestationsPourquoi la provenance au niveau de l'ensemble de données n'est-elle pas suffisante ?
Parce que la question qui vous sera finalement posée concerne un élément spécifique, pas l'ensemble de données. Lorsqu'un titulaire de droits ou un régulateur interroge une image, une déclaration selon laquelle la collection a été éthiquement sourcée ne répond à rien.
La provenance par élément signifie que chaque ligne peut être retracée à qui l'a produite, quand, sous quel consentement et selon quelle version de rubric. C'est la seule forme qui résiste à une contestation.
Quels artefacts constituent réellement la provenance ?
Pour les images capturées : EXIF intact montrant l'heure et l'appareil de capture, ce qui distingue la capture originale d'un fichier récupéré. Pour la parole : les conditions d'enregistrement et le consentement de l'orateur. Pour les étiquettes : l'annotateur, le timestamp et la version de rubric appliquée.
Demandez à voir ces éléments pour un échantillon de lignes spécifiques lors de l'évaluation. Un fournisseur qui peut les produire pour les lignes que vous choisissez a une véritable provenance ; un fournisseur qui produit un document de politique n'en a pas.
- Métadonnées de capture intactes sur les images
- Enregistrements de consentement par élément où des personnes apparaissent
- Attribution par contributeur pour chaque élément
- Version de rubric estampillée sur chaque étiquette
- Timestamps qui survivent à la livraison
Pourquoi les métadonnées de capture sont-elles si souvent détruites ?
Parce que la plupart des pipelines de collecte acheminent les images via des galeries, des applications de messagerie ou des étapes de redimensionnement qui suppriment ou réécrivent les EXIF. Au moment où le fichier atteint l'acheteur, la provenance est perdue et ne peut pas être reconstruite.
C'est pourquoi la capture in-app est importante opérationnellement plutôt qu'en tant que fonctionnalité. Si le contributeur télécharge depuis sa galerie, les métadonnées sont déjà perdues, peu importe ce que dit le contrat.
Que doit exiger le contrat ?
Que les artefacts de provenance soient livrés avec les données plutôt que conservés par le fournisseur, et qu'ils survivent à toute conversion de format dans le pipeline de livraison. La provenance détenue dans le système interne d'un fournisseur est une provenance que vous perdez lorsque la relation se termine.
Exigez également le droit d'auditer un échantillon de lignes par rapport aux enregistrements sources, et utilisez-le au moins une fois tôt plutôt que de le réserver pour un litige.
Autres questions
Qu'est-ce que la provenance des données dans les données d'entraînement de l'IA ?
La capacité de montrer, pour chaque élément, d'où il vient, qui l'a produit, sous quel consentement et selon quelle norme d'étiquetage. C'est une propriété par élément plutôt qu'une affirmation au niveau de l'ensemble de données.
Comment puis-je vérifier les affirmations de provenance d'un fournisseur ?
Choisissez des lignes spécifiques lors de l'évaluation et demandez leurs artefacts de provenance : métadonnées de capture, enregistrement de consentement, attribution du contributeur et version de rubric. Un document de politique n'est pas une réponse.
Pourquoi les métadonnées EXIF sont-elles importantes pour les ensembles de données d'images ?
Elles enregistrent quand et sur quel appareil une image a été capturée, ce qui est la preuve principale distinguant la capture sur le terrain originale du matériel récupéré. La plupart des pipelines les suppriment sauf si la capture se fait in-app.