数据丰富的最佳实践
内容提要
DeepMind与人工智能合作伙伴关系（PAI）共同制定了负责任的数据收集标准，并成立了人类行为研究伦理委员会（HuBREC），以保护参与者的权利和福利。为改善数据丰富任务中的工作条件，DeepMind建立了五个步骤，并通过反馈不断优化流程。这些实践旨在提升研究效率和参与者体验，同时促进AI社区对负责任数据收集的讨论。
延伸解读
数据丰富与行为研究的区别
文章指出，行为研究通常依赖自愿参与者作为研究对象，而数据丰富则是付费让人完成数据标注、模型评估等任务，以训练和验证机器学习模型。两者性质不同，后者多通过众包平台进行，常涉及工人薪酬、福利和公平等伦理问题，且可能缺乏必要的指导或治理体系。
五步实践与内部试点
DeepMind与PAI合作，基于PAI关于负责任采购数据丰富服务的白皮书，制定了五个步骤来改善数据丰富任务的工作条件。他们汇集内部法律、数据、安全、伦理和研究团队的多轮反馈，先在小范围数据收集项目中试点，再推广到整个组织。这些文档明确了如何设置数据丰富任务，提升了研究人员的信心和审批效率。
持续审查与行业讨论
文章强调，最佳实践不能单独确保参与者和工人的福利与安全。DeepMind设有专门的人类数据审查流程，针对每个项目的不同情况，持续与团队合作识别和缓解风险。同时，他们希望这些实践能作为资源，促进跨部门对话，推动AI社区共同制定负责任的数据收集标准和行业规范。
Q&A
DeepMind与PAI合作的主要目标是什么？
主要目标是制定负责任的数据收集标准，确保数据收集符合安全和伦理的最高标准。
人类行为研究伦理委员会（HuBREC）的作用是什么？
HuBREC旨在保护参与者的尊严、权利和福利，监督涉及人类的行为研究。
DeepMind如何改善数据丰富任务中的工作条件？
DeepMind建立了五个步骤，并通过反馈不断优化流程，以改善数据丰富任务中的工作条件。
数据丰富任务通常涉及哪些伦理考虑？
数据丰富任务涉及工人薪酬、福利和公平性等伦理考虑，通常缺乏必要的指导或治理系统。
DeepMind在数据收集项目中如何确保参与者的安全？
DeepMind有专门的人类数据审查流程，允许与研究团队持续互动，以识别和减轻风险。
DeepMind的最佳实践对AI社区有什么影响？
这些最佳实践旨在促进AI社区对负责任数据收集的讨论，并推动行业标准的建立。
