Många fel i databanker som används för AI-träning

Ett forskarteam vid MIT-universitetet i USA har genomfört en studie som visar att det förekommer mängder av fel i flera av de databanker som används mest för att träna AI-system. 3,4 procent av all data är enligt forskarna felaktigt märkt, något som riskerar att ställa till det ordentligt för de AI-system som har tränats på den.

Det handlar bland annat om textbaserade databanker med information från Amazon och IMDB, där till exempel produktrecensioner från Amazon har markerats som positiva när de i själva verket är negativa, och tvärtom.

Men man har även hittat fel i bildbaserade databanker. Olika typer av djur har blandats ihop, och i vissa fall har detaljer i bilder använts för att beskriva hela bilden.