STELAR Tech Brief nr 3: Augmentacja danych uwzględniająca tendencyjność w identyfikacji zagrożeń związanych z żywnością

Błędy systematyczne w uczeniu maszynowym w zakresie bezpieczeństwa produktów rolno-spożywczych — takie jak nierównowaga klas, zróżnicowanie językowe i niejednolita długość tekstów — negatywnie wpływają na dokładność modeli. W niniejszym artykule przedstawiono ustrukturyzowany proces mający na celu złagodzenie tych problemów poprzez ocenę danych, ich oczyszczanie (usuwanie duplikatów, obsługa brakujących wartości poprzez mieszanie cech) oraz ukierunkowane wzbogacanie danych. Struktura obejmująca 10 metod (np. zamiana synonimów, transfer stylu, streszczanie tekstu) generuje 16 syntetycznych punktów danych w pięciu klasach, co znacznie poprawia zrównoważoną dokładność. Dostrojone modele BART i ChatGPT 4.0 generują spójne dane syntetyczne o niskim poziomie strat. Techniki takie jak wypełnianie, kodowanie i selekcja cech zwiększają odporność systemu. Podejście to zmniejsza koszty obliczeniowe przy zachowaniu dokładności kontekstowej, oferując skalowalne i odpowiedzialne rozwiązanie oparte na sztucznej inteligencji do identyfikacji zagrożeń żywnościowych. Projekt jest częścią finansowanego przez UE projektu STELAR (nr grantu: 101070122), kierowanego przez Viveka Kumara z Uniwersytetu Bundeswehry w Monachium.