本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

近日，麻省理工學院檢查了10個最常引用的AI數(shù)據(jù)集。他們發(fā)現(xiàn)其中存在大約3.4％的數(shù)據(jù)不正確或標簽錯誤，這可能會導致使用這些數(shù)據(jù)集的AI系統(tǒng)出現(xiàn)問題。

這些數(shù)據(jù)集被引用次數(shù)均超過10萬次，其中包括來自新聞的文本數(shù)據(jù)集， 亞馬遜和IMDb評論。上圖就是幾個明顯標簽錯誤的例子。

為了發(fā)現(xiàn)可能的錯誤，研究人員使用了Confident Learning，檢查數(shù)據(jù)集的標簽噪聲。

研究人員發(fā)現(xiàn)QuickDraw數(shù)據(jù)集錯誤最多，大約有500萬，約占數(shù)據(jù)集的10％。