STELAR Tech Brief č. 3: Rozšíření dat s ohledem na zaujatost pro identifikaci potravinových rizik

Zkreslení ve strojovém učení v oblasti bezpečnosti zemědělsko-potravinářských produktů – jako je například nerovnováha tříd, jazykové rozdíly a nejednotná délka textů – snižují přesnost modelů. Tento článek představuje strukturovaný postup, který tyto problémy zmírňuje prostřednictvím vyhodnocení dat, jejich čištění (odstranění duplicit, řešení chybějících hodnot pomocí míchání znaků) a cíleného rozšíření dat. Rámec zahrnující 10 metod (např. nahrazování synonym, přenos stylu, shrnutí textu) generuje 16 syntetických datových bodů napříč pěti třídami, čímž výrazně zlepšuje vyváženou přesnost. Dolaďované modely BART a ChatGPT 4.0 produkují konzistentní syntetická data s nízkou ztrátou. Techniky jako doplňování, kódování a výběr vlastností zvyšují robustnost. Tento přístup snižuje výpočetní náklady při zachování kontextové přesnosti a nabízí škálovatelné a odpovědné řešení umělé inteligence pro identifikaci potravinových rizik. Součástí projektu STELAR financovaného EU (číslo grantu: 101070122), který vede Vivek Kumar z Univerzity Bundeswehru v Mnichově.