STELAR Tech Brief č. 3: Rozšírenie dát zohľadňujúce skreslenie na účely identifikácie potravinových rizík

Predsudky v strojovom učení v oblasti bezpečnosti poľnohospodársko-potravinárskych výrobkov – ako napríklad nerovnováha tried, jazykové rozdiely a nejednotnosť dĺžky textu – negatívne ovplyvňujú presnosť modelu. Tento článok predstavuje štruktúrovaný postup na zmiernenie týchto problémov prostredníctvom hodnotenia údajov, ich čistenia (odstránenie duplikátov, spracovanie chýbajúcich hodnôt pomocou kombinovania vlastností) a cieleného rozšírenia. Rámec pozostávajúci z 10 metód (napr. nahradenie synoným, prenos štýlu, sumarizácia textu) generuje 16 syntetických dátových bodov v piatich triedach, čím výrazne zlepšuje vyváženú presnosť. Dôkladne vyladené modely BART a ChatGPT 4.0 produkujú konzistentné syntetické údaje s nízkou mierou strát. Techniky ako vypĺňanie, kódovanie a výber vlastností zvyšujú robustnosť. Tento prístup znižuje výpočtové náklady pri zachovaní kontextovej presnosti a ponúka škálovateľné a zodpovedné riešenie umelej inteligencie na identifikáciu potravinových rizík. Súčasť projektu STELAR financovaného EÚ (ID grantu: 101070122), ktorý vedie Vivek Kumar na Univerzite Bundeswehru v Mníchove.