¿Cuál es el propósito de las Data Cards con respecto a la documentación del conjunto de datos y el desarrollo responsable de la IA?
Las Data Cards son resúmenes estructurados de hechos críticos sobre conjuntos de datos de aprendizaje automático, diseñados para fomentar una documentación transparente, útil y centrada en el ser humano para el desarrollo responsable de la IA tanto en la investigación como en la industria. Estos resúmenes cubren varios aspectos del ciclo de vida de un conjunto de datos, ofreciendo explicaciones de los procesos y fundamentos que dan forma a los datos y, en consecuencia, a los modelos entrenados en él.
Propósitos clave:
- Transparencia y explicabilidad: Las Data Cards tienen como objetivo aumentar la visibilidad de los conjuntos de datos y los modelos, abordando las preocupaciones regulatorias sobre la transparencia en el aprendizaje automático.
- Toma de decisiones informada: Fomentan la toma de decisiones informadas sobre los datos al construir y evaluar modelos de ML para productos, políticas e investigación.
- Mitigación de riesgos: Al comunicar las incertidumbres y las limitaciones conocidas, las Data Cards ayudan a mitigar los riesgos y a promover modelos más justos y equitativos.
- Reducción de la asimetría de conocimientos: El enfoque sistemático de las Data Cards ayuda a reducir las asimetrías de conocimientos entre las partes interesadas al proporcionar un modelo mental y un vocabulario compartidos.
Implicaciones prácticas y marcos:
- Marco OFTEn: Este marco estructurado de adquisición de conocimientos proporciona un enfoque robusto y repetible para que los productores de conjuntos de datos creen documentación transparente, centrándose en Orígenes, Hechos, Transformaciones, Experiencia y ejemplos.
- Escalabilidad y adopción: Las Data Cards están diseñadas para ser adaptables a diversos conjuntos de datos y contextos organizacionales, estableciendo un terreno común entre las partes interesadas y permitiendo diversas aportaciones en las decisiones. Los factores que influyen en la sostenibilidad a largo plazo incluyen las asimetrías de conocimientos, los incentivos para la creación de documentación, la compatibilidad de la infraestructura y la cultura de la comunicación.
- Participación de las partes interesadas: Las Data Cards deben tener en cuenta a diferentes «Agentes» o partes interesadas, como investigadores, expertos en la materia o profesionales de las políticas, cada uno con necesidades de transparencia únicas.
- Dimensiones para la evaluación: Para garantizar la calidad y la utilidad de las Data Cards, se utilizan dimensiones como la responsabilidad, la utilidad, la calidad, el impacto y el riesgo para evaluar el rigor y la eficacia de la documentación.
. OFTEn se puede visualizar como la intersección de indicaciones clave en torno a (quién, qué, cuándo, dónde, por qué y cómo) y aspectos del ciclo de vida del conjunto de datos para guiar la documentación.
La adopción de Data Cards puede revelar futuras oportunidades para mejorar las decisiones de diseño del conjunto de datos. A medida que las organizaciones escalan su uso de Data Cards, mantener la comparabilidad y la coherencia entre los diferentes conjuntos de datos se vuelve crucial.
Consideraciones regulatorias y éticas:
- La transparencia como imperativo regulatorio: Las Data Cards abordan directamente la creciente presión regulatoria para la transparencia y la explicabilidad en el ML, ayudando a las organizaciones a cumplir con los requisitos de cumplimiento.
- Equidad y mitigación del sesgo: Al capturar detalles sobre los atributos humanos sensibles y los posibles sesgos, las Data Cards contribuyen al desarrollo de sistemas de IA más justos y equitativos.
¿Cómo se estableció la metodología de desarrollo para las Tarjetas de Datos?
La metodología de desarrollo para las Tarjetas de Datos surgió de un proceso iterativo de 24 meses, basándose en el diseño centrado en el ser humano, el diseño participativo y los métodos de interacción persona-ordenador.
Los pasos clave en el proceso de desarrollo incluyeron:
- Colaborar con equipos de conjuntos de datos y ML dentro de una gran empresa de tecnología para crear y refinar Tarjetas de Datos. Esto implicó trabajar con 12 equipos para producir 22 Tarjetas de Datos en varias modalidades de datos (imagen, lenguaje, tabular, video, audio y relacional).
- Observar los flujos de trabajo de documentación de los equipos, la recopilación colaborativa de información, las solicitudes de información de las partes interesadas y los procesos de revisión.
- Evaluar los borradores de las Tarjetas de Datos en grupos focales externos con diversos participantes (UX, investigación de HCI, política, diseño de productos, academia, derecho) para identificar una definición de trabajo y los valores de transparencia.
- Consolidar las preguntas recurrentes en una plantilla canónica que documente 31 aspectos diferentes de los conjuntos de datos, con preguntas específicas para cada modalidad como bloques anexables.
- Realizar una encuesta MaxDiff (n=191) para comprender la importancia relativa de los temas documentados y cómo varían según la modalidad de los datos y la función laboral.
- Reclutar a 30 expertos dentro de la empresa para que participaran en actividades que capturaran sus casos de uso, requisitos de información y estrategias de evaluación para los artefactos de transparencia.
- Desarrollar un enfoque estructurado basado en talleres participativos, posteriormente de código abierto, para involucrar a las partes interesadas interfuncionales en la creación de esquemas de metadatos transparentes.
Ideas centrales que dieron forma al desarrollo de las Tarjetas de Datos:
- Opacidad de la Documentación: Los participantes percibieron que los artefactos de transparencia existentes eran a menudo demasiado técnicos, densos y presuntuosos para las partes interesadas no técnicas.
- Subjetividad de la Transparencia: La transparencia se consideraba subjetiva, específica para cada audiencia y contextual.
- Necesidad de un Entendimiento Compartido: Las partes interesadas necesitan un modelo mental y un vocabulario compartidos para describir el sistema de manera efectiva.
Tipología de las partes interesadas
La iniciativa identificó tres grupos principales de partes interesadas en el ciclo de vida de un conjunto de datos:
- Productores: Creadores ascendentes del conjunto de datos y la documentación, responsables de la recopilación, la propiedad, el lanzamiento y el mantenimiento.
- Agentes: Partes interesadas que leen los informes de transparencia y tienen la capacidad de determinar cómo se utilizan los conjuntos de datos (incluidos los revisores y los expertos en la materia no técnica).
- Usuarios: Individuos que interactúan con productos que dependen de modelos entrenados en el conjunto de datos (que requieren explicaciones separadas y más integradas en el producto).
Objetivos para las Tarjetas de Datos
Con base en el análisis de las partes interesadas y los estudios de usabilidad, se definieron varios objetivos para las Tarjetas de Datos:
- Consistente: Garantizar la comparabilidad entre diferentes modalidades y dominios de datos, permitiendo una fácil interpretación y validación.
- Completa: Integrar la creación de Tarjetas de Datos en el ciclo de vida del conjunto de datos, distribuyendo la responsabilidad entre las personas apropiadas.
- Inteligible y Concisa: Comunicarse eficazmente con lectores con diferentes niveles de competencia, evitando la sobrecarga de información.
- Explicabilidad, Incertidumbre: Comunicar las facetas conocidas y desconocidas del conjunto de datos, generando confianza a través de la transparencia sobre las incertidumbres.
Marco OFTEn
El marco OFTEn se introdujo como una herramienta conceptual para considerar lógicamente cómo un tema (por ejemplo, el consentimiento) impregna todas las partes de una Tarjeta de Datos y sus etapas.
- Orígenes
- Hechos
- Transformaciones
- Experiencia
- n=1 ejemplo
Este marco podría utilizarse de forma inductiva (formulando preguntas) y deductiva (evaluando la representación). En última instancia, el objetivo era facilitar de forma preventiva el descubrimiento de ideas y garantizar la calidad de los datos y los procesos de baja barrera.
¿Cuáles son los objetivos principales que las Tarjetas de Datos pretenden cumplir?
Las Tarjetas de Datos están diseñadas con varios objetivos principales en mente, especialmente la reducción de las brechas de conocimiento y el fomento de la transparencia entre las diferentes partes interesadas.
Objetivos Clave de las Tarjetas de Datos:
-
Consistencia: Las tarjetas de datos están diseñadas para ser comparables entre varios conjuntos de datos, independientemente de su modalidad o dominio. Esto asegura que las afirmaciones dentro de ellas sean fácilmente interpretables y verificables dentro del contexto de su uso.
-
Integralidad: Estas tarjetas idealmente deberían crearse junto con el conjunto de datos en sí, no como una ocurrencia tardía. La responsabilidad de completar diferentes secciones debe distribuirse a las personas más apropiadas a lo largo del ciclo de vida del conjunto de datos. El objetivo es un método estandarizado que se extienda más allá de la Tarjeta de Datos, abarcando varios informes relacionados.
-
Inteligibilidad y Concisión: Las Tarjetas de Datos deben estar dirigidas a lectores con diferentes niveles de competencia. La información presentada debe ser fácilmente entendida por aquellos con la menor experiencia, al tiempo que permite a los usuarios más competentes acceder a detalles adicionales según sea necesario. Este equilibrio garantiza que el contenido avance la deliberación del lector sin abrumarlo, lo que lleva a la cooperación de las partes interesadas en la formación de una comprensión compartida del conjunto de datos.
-
Explicabilidad de la Incertidumbre: Destacar lo que *no* se conoce sobre un conjunto de datos es tan crucial como documentar las facetas conocidas. Las descripciones claras y las justificaciones de la incertidumbre permiten medidas adicionales para mitigar los riesgos, lo que lleva a modelos más justos y equitativos. La comunicación transparente de la incertidumbre genera una mayor confianza en los datos y sus editores.
En resumen, las Tarjetas de Datos logran un equilibrio para proporcionar información valiosa y procesable, al tiempo que reconocen honestamente las limitaciones e incertidumbres. Esto apoya una toma de decisiones más informada y promueve prácticas responsables de IA.
¿Cuáles son los principios fundamentales que guían el diseño de las Tarjetas de Datos?
Las Tarjetas de Datos son resúmenes estructurados cruciales para el desarrollo responsable de la IA, diseñadas para proporcionar a las partes interesadas información esencial sobre los conjuntos de datos de ML a lo largo de su ciclo de vida. Estos resúmenes ofrecen información sobre los procesos y fundamentos que influyen en los datos, incluidos sus orígenes, métodos de recopilación, enfoques de entrenamiento/evaluación, uso previsto y decisiones que afectan al rendimiento del modelo.
Varios principios rectores garantizan que las Tarjetas de Datos sean eficaces y adaptables:
- Flexibilidad: Deben adaptarse a una amplia gama de conjuntos de datos, ya sean dinámicos o estáticos, procedentes de una o varias fuentes, y gestionar varias modalidades.
- Modularidad: La documentación se organiza en unidades autónomas y repetibles, cada una de las cuales proporciona una descripción completa de un aspecto específico del conjunto de datos.
- Extensibilidad: Los componentes se reconfiguran o amplían fácilmente para nuevos conjuntos de datos, análisis y plataformas.
- Accesibilidad: El contenido se presenta en múltiples granularidades, lo que permite a los usuarios localizar y navegar eficientemente por descripciones detalladas del conjunto de datos.
- Agnosticismo de contenido: Admiten diversos tipos de medios, incluidas selecciones de opción múltiple, entradas de formato largo, texto, visualizaciones, imágenes, bloques de código, tablas y elementos interactivos.
Para promover la accesibilidad y facilitar la exploración progresiva del contenido, las Tarjetas de Datos aprovechan un marco de preguntas socráticas llamado SCOPES que implica:
- Telescopios: Proporcionar una visión general de los atributos universales del conjunto de datos aplicables a múltiples conjuntos de datos.
- Periscopios: Ofrecer mayor detalle técnico específico del conjunto de datos, añadiendo matices a los telescopios y proporcionando información operativa.
- Microscopios: Presentar detalles precisos sobre los procesos humanos no observables, las decisiones, los supuestos y las políticas que dan forma al conjunto de datos.
También se utiliza el marco OFTEn como herramienta para considerar lógicamente un tema en todas las partes de una Tarjeta de Datos:
- Orígenes: Actividades de planificación, definición de requisitos, decisiones de diseño, métodos de recogida/abastecimiento y políticas.
- Datos objetivos: Atributos estadísticos que describen el conjunto de datos, desviaciones del plan original y cualquier análisis previo a la manipulación.
- Transformaciones: Operaciones que transforman los datos brutos en una forma utilizable, incluidas las políticas de etiquetado y la ingeniería de características.
- Experiencia: Evaluación comparativa, despliegue, tareas específicas, análisis de entrenamiento y comparaciones con conjuntos de datos similares.
- N=1 (ejemplos): Ejemplos transformados en el conjunto de datos, incluidos ejemplos típicos, atípicos y que producen errores.
Objetivos clave de las Tarjetas de Datos
Los estudios de usabilidad han destilado varios objetivos para la adopción exitosa de las Tarjetas de Datos:
- Coherente: Las Tarjetas de Datos deben ser comparables entre modalidades y dominios, garantizando que las afirmaciones sean fáciles de interpretar y validar.
- Exhaustivo: La creación debe producirse simultáneamente con el ciclo de vida del conjunto de datos, con responsabilidades distribuidas entre las personas adecuadas.
- Inteligible y conciso: La comunicación debe ser eficaz para los lectores con distintos niveles de competencia, fomentando la cooperación y una comprensión compartida.
- Explicabilidad e incertidumbre: Comunicar la incertidumbre es crucial, ya que genera confianza y permite mitigar los riesgos para obtener modelos más justos y equitativos.
Características de la transparencia
La transparencia en las Tarjetas de Datos se caracteriza por:
- Equilibrar la divulgación sin una vulnerabilidad indebida para los creadores.
- Mayor escrutinio de la información incluida.
- Disponibilidad en múltiples niveles, aunque no siempre sea necesaria.
- Aceptación de la evaluación por terceros.
- Interpretaciones subjetivas entre las partes interesadas.
- Fomentar la confianza entre los consumidores y usuarios de datos.
- Reducir las asimetrías de conocimiento.
- Reflejar los valores humanos a través de revelaciones tanto técnicas como no técnicas.
Tipología de las partes interesadas
Normalmente, hay tres grupos clave de partes interesadas:
- Productores: Creadores ascendentes del conjunto de datos y su documentación.
- Agentes: Partes interesadas que leen los informes de transparencia.
- Usuarios: Individuos que interactúan con productos que se basan en modelos entrenados con el conjunto de datos.
Dimensiones de la evaluación
Las Tarjetas de Datos deben evaluarse en las siguientes dimensiones:
-
Responsabilidad: Demuestra propiedad, razonamiento, reflexión y toma de decisiones sistemática.
-
Utilidad o uso: Proporciona detalles que satisfacen las necesidades de la toma de decisiones responsable de los lectores para establecer la idoneidad de los conjuntos de datos para sus tareas y objetivos.
-
Calidad: Resume el rigor, la integridad y la integridad del conjunto de datos.
-
Impacto o consecuencias del uso: Establece expectativas para resultados positivos y negativos, así como para las consecuencias posteriores.
-
Riesgo y recomendaciones: Avisa a los lectores de los posibles riesgos y limitaciones conocidos.
¿Cómo se estructuran las Tarjetas de Datos para facilitar una presentación de información y una navegación efectivas?
Las Tarjetas de Datos emplean un enfoque estructurado para la documentación del conjunto de datos, enfatizando la accesibilidad y la facilidad de uso para las partes interesadas con diversos niveles de experiencia técnica. El objetivo es proporcionar una vía clara para comprender las características cruciales del conjunto de datos, promoviendo un desarrollo responsable de la IA.
Componentes Estructurales Clave
- Bloques: Las Tarjetas de Datos se construyen a partir de unidades modulares llamadas «bloques». Cada bloque se enfoca en un aspecto específico del conjunto de datos, conteniendo un título, una pregunta que incita y un espacio de entrada para las respuestas. Estas respuestas pueden ser texto en formato largo o corto, respuestas de opción múltiple, tablas, números, bloques de código, visualizaciones de datos o enlaces.
- Organización Temática: Los bloques están organizados temática y jerárquicamente dentro de una estructura de cuadrícula. Las preguntas relacionadas se agrupan en filas y las filas se apilan para crear secciones con títulos significativos y descriptivos.
- Granularidad y Direccionalidad: Las respuestas dentro de las secciones suelen aumentar en detalle y especificidad a través de las columnas. Esta estructura permite a los lectores encontrar información al nivel de fidelidad apropiado para sus tareas y decisiones.
La estructura apoya un enfoque de «primero una visión general, acercar y filtrar, detalles bajo demanda». Esto permite a los lectores captar rápidamente la información clave y luego profundizar según sea necesario.
Marco Socrático de Preguntas:
Para facilitar la exploración y la adaptación, las Tarjetas de Datos utilizan el «Marco Socrático de Preguntas» con tres niveles que promueven múltiples niveles de abstracción. Esto incluye ámbitos caracterizados como telescopios, periscopios y microscopios:
- Telescopios: Proporcionan una visión general amplia, abordando atributos universales aplicables a múltiples conjuntos de datos. Estas preguntas ayudan con la gestión del conocimiento, la indexación, el filtrado y la introducción de lógica condicional.
- Periscopios: Ofrecen mayor detalle técnico, centrándose en atributos específicos del conjunto de datos. Esta capa típicamente incluye resúmenes estadísticos, metadatos operacionales, que pueden ser automatizados, ya que los periscopios a menudo describen los resultados del análisis.
- Microscopios: Extraen detalles minuciosos sobre los procesos humanos, las decisiones, los supuestos y las políticas que dieron forma al conjunto de datos. Estas preguntas son difíciles de automatizar y requieren explicaciones detalladas.
El marco permite a las partes interesadas con diversa experiencia explorar progresivamente el contenido sin comprometer la integridad de la Tarjeta de Datos.
El Marco OFTEn: Estructurando el Contenido a través del Ciclo de Vida del Conjunto de Datos
El marco OFTEn es una herramienta conceptual para identificar y agregar temas del ciclo de vida de un conjunto de datos. Considera cómo un tema puede propagarse a través de todas las partes de una Tarjeta de Datos:
OFTEn es un acrónimo que representa las etapas en el ciclo de vida de un conjunto de datos:
- Orígenes (Origins)
- Datos Objetivos (Factuals)
- Transformaciones (Transformations)
- Experiencia (Experience)
- Ejemplo N=1 (N=1 Example)
Este marco ayuda a garantizar que todos los aspectos de un tema, como el consentimiento, se aborden a fondo en todo el ciclo de vida del conjunto de datos.
¿Cómo se aplica el marco de preguntas socráticas dentro de las Tarjetas de Datos y por qué es importante?
Las Tarjetas de Datos aprovechan un marco estructurado de preguntas socráticas para garantizar la accesibilidad y permitir a los usuarios con diferentes niveles de experiencia explorar el contenido del conjunto de datos de forma progresiva. El marco aborda los desafíos comunes al adaptar las plantillas de Tarjetas de Datos para nuevos conjuntos de datos organizando las preguntas en tres granularidades:
- Telescopios: Estas preguntas proporcionan una visión general de alto nivel aplicable a múltiples conjuntos de datos. Por ejemplo, «¿Este conjunto de datos contiene atributos humanos sensibles?» Los telescopios apoyan la gestión del conocimiento mediante la generación de enumeraciones y etiquetas, el establecimiento de un contexto para obtener más información y la agilización del proceso de finalización de la Tarjeta de Datos a través de la lógica condicional.
- Periscopios: Estos profundizan en los atributos específicos del conjunto de datos, añadiendo matices a los telescopios. Un ejemplo incluye: «Para cada atributo humano seleccionado, especifique si esta información fue recopilada intencionadamente como parte del proceso de creación del conjunto de datos, o no intencionadamente.» Los periscopios a menudo solicitan detalles operativos como la forma, el tamaño, las fuentes y las intenciones del conjunto de datos, aprovechando frecuentemente la automatización para obtener resúmenes estadísticos y metadatos precisos.
- Microscopios: Estos examinan los elementos humanos «no observables» -decisiones, supuestos y políticas- que dan forma al conjunto de datos. Un ejemplo es: «Describa brevemente la motivación, la razón, las consideraciones o los enfoques que hicieron que este conjunto de datos incluyera los atributos humanos indicados. Resuma por qué o cómo esto podría afectar al uso del conjunto de datos.» Estas preguntas incitan a explicaciones y resúmenes detallados de los procesos, que a menudo requieren texto extenso, listas, tablas de datos y visualizaciones.
La presencia y el equilibrio de estos niveles de abstracción influyen significativamente en la interpretación de la Tarjeta de Datos. Si bien las preguntas telescópicas son las más fáciles de responder, su utilidad es limitada. Las preguntas periscópicas facilitan las evaluaciones rápidas de idoneidad, mientras que responder a las preguntas microscópicas es crucial pero más difícil para articular el conocimiento implícito. En conjunto, estas capas permiten a los lectores navegar por los detalles granulares sin perder el contexto general.
La importancia de este marco socrático radica en su capacidad para fomentar una comprensión compartida de los conjuntos de datos. Este enfoque garantiza la mejora continua en la creación de conjuntos de datos, promoviendo modelos más justos y equitativos al tiempo que se genera una mayor confianza. A medida que las partes interesadas se involucran progresivamente con las Tarjetas de Datos, el objetivo es una explicación clara y fácilmente comprensible de lo que un conjunto de datos *es*, lo que *hace* y *por qué* funciona de la manera en que lo hace, crucial para el desarrollo responsable de la IA y la toma de decisiones informadas en diversos equipos.
¿Cuáles son los temas clave de contenido incluidos en la plantilla de Tarjeta de Datos?
Las Tarjetas de Datos son resúmenes estructurados diseñados para proporcionar información esencial sobre los conjuntos de datos de aprendizaje automático. Estos datos son cruciales para las partes interesadas en todo el ciclo de vida de un conjunto de datos, lo que respalda el desarrollo responsable de la IA.
Categorías de información central:
- Procedencia del conjunto de datos: Detalles sobre los orígenes del conjunto de datos, incluidas las fuentes ascendentes, los métodos de recopilación de datos (inclusión, exclusión, filtrado) y las actualizaciones.
- Características del conjunto de datos: Desgloses completos de las características del conjunto de datos, posibles atributos faltantes, naturaleza de los datos (modalidad, dominio, formato).
- Procesamiento de datos: Cómo se limpiaron, analizaron, procesaron, calificaron, etiquetaron y validaron los datos.
- Uso y rendimiento: Uso anterior y rendimiento asociado del conjunto de datos (por ejemplo, modelos entrenados), políticas de adjudicación.
- Cumplimiento normativo: Políticas regulatorias o de cumplimiento asociadas con el conjunto de datos (RGPD, licencias).
- Infraestructura: Información sobre la infraestructura del conjunto de datos y la implementación de la canalización.
- Estadísticas y patrones: Estadísticas descriptivas, patrones conocidos (correlaciones, sesgos, asimetrías).
- Representación sociocultural: Representación sociocultural, geopolítica o económica dentro del conjunto de datos.
- Imparcialidad: Evaluaciones y consideraciones relacionadas con la imparcialidad.
- Términos técnicos: Definiciones y explicaciones de los términos técnicos utilizados en la documentación del conjunto de datos.
Temas clave de contenido:
Según la investigación, una plantilla canónica de Tarjeta de Datos documenta 31 aspectos diferentes de los conjuntos de datos, que cubren una amplia gama de temas generalizables. Estos temas incluyen:
- Información sobre los editores del conjunto de datos y cómo contactarlos.
- Las fuentes de financiación que respaldaron la creación del conjunto de datos.
- Restricciones de acceso y políticas que rigen el conjunto de datos.
- Políticas de borrado y retención de datos.
- Actualizaciones, versiones, actualizaciones y adiciones al conjunto de datos.
- Desgloses detallados de las características del conjunto de datos.
- Identificación de cualquier atributo o documentación faltante.
- Información sobre las fuentes de datos ascendentes originales.
- La naturaleza del conjunto de datos, incluida la modalidad, el dominio y el formato de los datos.
- Ejemplos de puntos de datos típicos y atípicos.
- Explicaciones y motivaciones para crear el conjunto de datos.
- Aplicaciones previstas del conjunto de datos.
- Discusión de las consideraciones de seguridad al usar el conjunto de datos.
- Estado de mantenimiento e información de la versión.
- Diferencias con versiones anteriores.
- Cómo se recopilaron, limpiaron y procesaron los datos.
- Procesos de calificación, etiquetado y validación de datos.
- Rendimiento anterior del conjunto de datos.
- Cualquier patrón conocido dentro del conjunto de datos.
Marco OFTEn:
El marco OFTEn se utiliza para considerar cómo un tema impregna las Tarjetas de Datos. OFTEn es un acrónimo que representa las siguientes etapas en el ciclo de vida del conjunto de datos:
- Orígenes
- Hechos
- Transformaciones
- Experiencia
- Ejemplo N=1
Marcos para la construcción:
El documento propone tres marcos para la construcción de Tarjetas de Datos:
- Organización de la información
- Formulación de preguntas
- Evaluación de respuestas
¿Cómo se puede utilizar el marco OFTEn para desarrollar y evaluar tarjetas de datos?
El marco OFTEn es clave para crear tarjetas de datos robustas y transparentes para conjuntos de datos de IA. Proporciona una forma estructurada de considerar cómo varios temas impregnan todas las etapas del ciclo de vida de una tarjeta de datos. OFTEn, que significa Orígenes (Origins), Hechos (Factuals), Transformaciones (Transformations), Experiencia (Experience) y ejemplo n=1, puede aplicarse inductiva y deductivamente para garantizar la transparencia en la documentación del conjunto de datos.
Comprensión de las etapas de OFTEn
- Orígenes: Se centra en las actividades de planificación, las decisiones de diseño, los métodos de recopilación y las políticas que dictan los resultados del conjunto de datos. Los temas clave incluyen la autoría, las motivaciones, las aplicaciones previstas y las licencias.
- Hechos: Se centra en los atributos estadísticos que describen el conjunto de datos y cualquier desviación del plan original, incluido el análisis previo a la manipulación. Los temas aquí abarcan el número de instancias, las características, las etiquetas y las descripciones de las características.
- Transformaciones: Abarca operaciones como el filtrado, la validación, el análisis sintáctico, el formato y la limpieza de datos brutos, incluidas las políticas de etiquetado o anotación y la ingeniería de características.
- Experiencia: Analiza cómo se evalúa o implementa el conjunto de datos en entornos experimentales, de producción o de investigación. Los temas aquí incluyen el rendimiento previsto, el rendimiento inesperado, las advertencias y los casos de uso ampliados.
- N=1 (ejemplos): Proporciona ejemplos concretos y conjuntos de datos transformados, incluidos casos típicos o atípicos, y enlaces a artefactos relevantes. Esta etapa se centra en proporcionar ilustraciones prácticas para complementar las descripciones más abstractas de las otras etapas.
Aplicación inductiva: OFTEn facilita las actividades con agentes para formular preguntas sobre conjuntos de datos y modelos pertinentes para la toma de decisiones. Se puede visualizar como una matriz con filas que representan el ciclo de vida del conjunto de datos y columnas que solicitan el encuadre de preguntas («quién, qué, cuándo, dónde, por qué y cómo») sobre un tema a lo largo del ciclo de vida.
Aplicación deductiva: OFTEn ayuda a evaluar si una tarjeta de datos representa con precisión el conjunto de datos. El uso del marco tiene efectos formativos tanto en la documentación como en el propio conjunto de datos.
Las tarjetas de datos que reflejan claramente una estructura OFTEn subyacente también son más fáciles de ampliar y actualizar, capturando información a lo largo del tiempo, como los comentarios de los agentes descendentes, las diferencias entre las versiones y las auditorías. Por ejemplo, al considerar el consentimiento de los datos, OFTEn ayuda a generar preguntas críticas a lo largo del ciclo de vida del conjunto de datos:
- ¿Quién fue responsable de establecer los términos de consentimiento?
- ¿Qué manipulaciones de los datos son permisibles bajo el consentimiento dado?
- ¿Cuándo se puede revocar el consentimiento?
- ¿Dónde son aplicables los términos de consentimiento?
- ¿Por qué se eligieron términos de consentimiento específicos?
Al responder a estas preguntas a través de las etapas de Orígenes, Hechos, Transformaciones, Experiencia y ejemplo n=1, los administradores de datos pueden descubrir de forma preventiva información para una mejor creación del conjunto de datos.
¿Cómo se evalúan las Fichas de Datos y qué dimensiones se utilizan para valorar su utilidad?
Las Fichas de Datos se evalúan utilizando varias dimensiones para valorar su utilidad para las partes interesadas. Estas dimensiones proporcionan información cualitativa sobre la coherencia, la exhaustividad, la utilidad y la legibilidad tanto de las plantillas de las Fichas de Datos como de las Fichas de Datos completadas.
Dimensiones Clave de Evaluación:
- Responsabilidad: ¿Demuestra la Ficha de Datos una propiedad, una reflexión, un razonamiento y una toma de decisiones sistemática adecuados por parte de los productores del conjunto de datos? Esto evalúa el nivel de responsabilidad y reflexión detrás de la creación y documentación del conjunto de datos.
- Utilidad o Uso: ¿Proporciona la Ficha de Datos detalles que satisfagan las necesidades del proceso de toma de decisiones responsables de los lectores para establecer la idoneidad de los conjuntos de datos para sus tareas y objetivos? Esto se centra en si la Ficha de Datos ayuda a los usuarios a determinar si el conjunto de datos es apropiado para las aplicaciones previstas.
- Calidad: ¿Resume la Ficha de Datos el rigor, la integridad y la completitud del conjunto de datos, comunicados de una manera que sea accesible y comprensible para muchos lectores? Esta dimensión evalúa la minuciosidad y la precisión de la información proporcionada.
- Impacto o Consecuencias del Uso: ¿Establece la Ficha de Datos expectativas para resultados positivos y negativos, así como consecuencias posteriores al usar o administrar el conjunto de datos en contextos adecuados? Aquí, el objetivo es describir preventivamente los posibles impactos, tanto beneficiosos como perjudiciales.
- Riesgo y Recomendaciones: ¿Hace la Ficha de Datos que los lectores sean conscientes de los posibles riesgos y limitaciones conocidos, derivados de la procedencia, la representación, el uso o el contexto de uso? ¿Proporciona suficiente información y alternativas para ayudar a los lectores a realizar concesiones responsables? Este es, sin duda, el punto central del cumplimiento, ya que la comunicación adecuada de los riesgos es primordial.
Para probar estas dimensiones, revisores expertos de diversos dominios y niveles de conocimientos sobre datos evalúan las Fichas de Datos. Evalúan independientemente cada dimensión utilizando una escala (por ejemplo, Deficiente, Limítrofe, Promedio, Bueno, Sobresaliente) y proporcionan pruebas que respalden sus calificaciones, junto con medidas prácticas para que los productores mejoren la Ficha de Datos.
Los revisores expertos suelen señalar oportunidades para mejorar el conjunto de datos directamente, no solo la Ficha de Datos. Por ejemplo, la ambigüedad en las prácticas de etiquetado descubierta durante la revisión puede conducir a revisiones del conjunto de datos y a una documentación más clara.
¿Cuál era el objetivo de crear una Tarjeta de Datos para un conjunto de datos de visión artificial enfocado en la investigación sobre la equidad?
El objetivo principal de crear una Tarjeta de Datos para un conjunto de datos de visión artificial enfocado en la investigación sobre la equidad era proporcionar una visión general clara y concisa de las características, limitaciones y usos aceptables del conjunto de datos. Esto se consideró una forma eficiente de comunicar esta información tanto a los revisores de ética internos como al público externo.
Objetivos Clave para la Tarjeta de Datos del Conjunto de Datos de Visión Artificial:
- Transparencia y Comunicación: Articular claramente los atributos del conjunto de datos, especialmente los sensibles como el género percibido y el rango de edad, y establecer expectativas con respecto a la aplicación apropiada y responsable de los datos.
- Mitigación de Riesgos: Abordar los riesgos potenciales derivados del uso de etiquetas sensibles, al tiempo que se enfatizan los beneficios sociales del uso del conjunto de datos para el análisis de la equidad y la mitigación del sesgo.
- Alineación de los Interesados: Facilitar una comprensión común entre diversos interesados (autores del conjunto de datos, revisores internos, usuarios externos) con respecto a los matices y las consideraciones éticas del conjunto de datos.
- Organización del Conocimiento: Consolidar la información distribuida sobre el ciclo de vida del conjunto de datos en un formato legible y repetible, utilizable en múltiples conjuntos de datos.
Implicaciones Prácticas y Perspectivas:
- Revelación de las Brechas de Percepción: El proceso de creación de la Tarjeta de Datos puso de manifiesto las diferencias de percepción entre los expertos, lo que provocó investigaciones más profundas sobre los criterios de etiquetado y las características de los datos (por ejemplo, la importancia de los valores «desconocido» para el rango de edad percibido).
- Mejora Iterativa: Los comentarios de los revisores condujeron a mejoras en la Tarjeta de Datos, como una sección personalizada sobre cuadros delimitadores y la adición de visualizaciones de apoyo. También impulsó la iteración en los campos de la Tarjeta de Datos para futuros conjuntos de datos de visión artificial.
- Usabilidad: Los comentarios se orientaron a descubrir las necesidades de información de los agentes para obtener conclusiones aceptables sobre la responsabilidad, el riesgo y las recomendaciones, los usos, las consecuencias y la calidad del conjunto de datos.
- Impacto Descendente: La Tarjeta de Datos ayudó a los agentes en downstream a encontrar la Tarjeta de Datos útil y buscaron plantillas para su propio uso.
¿Cuál era el objetivo de crear una Ficha de Datos para un conjunto de datos de traducción lingüística geográficamente diverso?
El objetivo principal era abordar los sesgos y las suposiciones en los modelos de traducción lingüística relacionados con la diversidad geográfica. Un equipo descubrió que ciertos modelos estaban asociando nombres con géneros específicos, y los conjuntos de datos de entrenamiento anteriores carecían de una representación suficiente de nombres de diversas geografías. La Ficha de Datos se creó para:
- Comunicar el alcance limitado de la diversidad geográfica alcanzada en el conjunto de datos.
- Abordar cómo se infería el género a partir de las descripciones de entidades, reconociendo posibles problemas con este enfoque.
- Prevenir el uso inapropiado del conjunto de datos destacando sus limitaciones.
En esencia, la Ficha de Datos sirvió como un mecanismo de transparencia para informar a los usuarios sobre las decisiones de diseño del conjunto de datos, los sesgos potenciales y las pautas de uso seguro, incluso para los usuarios sin una profunda experiencia técnica.
Implicaciones Regulatorias y de Cumplimiento
Aunque no se exigía explícitamente, la Ficha de Datos abordó implícitamente las posibles preocupaciones regulatorias sobre la equidad y el sesgo, que son cada vez más objeto de escrutinio en los marcos emergentes de gobernanza de la IA. Al documentar las limitaciones y los sesgos potenciales del conjunto de datos, el equipo pretendía cumplir con el *espíritu* de las regulaciones de equidad, asegurando que los usuarios fueran conscientes de los posibles resultados discriminatorios y pudieran tomar medidas de mitigación.
Beneficios Prácticos y Lecciones Aprendidas
El proceso de creación en sí ofreció valiosas perspectivas mucho más allá del cumplimiento:
- Comunicación Mejorada: La Ficha de Datos facilitó debates más claros con las partes interesadas, lo que permitió una comprensión compartida de las limitaciones y suposiciones del conjunto de datos.
- Diseño Mejorado del Conjunto de Datos: El proceso impulsó al equipo a reevaluar sus decisiones de diseño, lo que condujo a un conjunto de datos más fundamentado e intencional.
- Ciclo de Retroalimentación Temprana: La retroalimentación de las partes interesadas durante el proceso de creación de la Ficha de Datos reveló problemas que, idealmente, deberían haberse abordado durante el diseño inicial del conjunto de datos. La experiencia enfatizó la importancia de integrar la creación de la Ficha de Datos *temprano* en el ciclo de vida del conjunto de datos.
La Ficha de Datos sirvió no sólo como documentación, sino como una herramienta para la auto-reflexión crítica y la colaboración mejorada, lo que en última instancia condujo a un proceso de desarrollo de la IA más responsable.
¿Cuáles son algunas de las experiencias y resultados observados en los estudios de caso que involucran Data Cards?
Los Data Cards están emergiendo como una herramienta crítica para fomentar la transparencia y la rendición de cuentas en el desarrollo de la IA. Los estudios de caso revelan una variedad de experiencias y resultados, destacando tanto su potencial como los desafíos en su implementación.
Ideas Clave de los Estudios de Caso
- Transparencia Mejorada: Los Data Cards proporcionan un resumen estructurado de los hechos esenciales del conjunto de datos, lo cual es vital para la toma de decisiones informada a lo largo del ciclo de vida de un conjunto de datos. Explican los procesos y los fundamentos que dan forma a los datos y, en consecuencia, a los modelos entrenados con ellos.
- Diseño Mejorado del Conjunto de Datos: La creación de Data Cards llevó a los equipos a reconsiderar las decisiones de diseño, lo que condujo a conjuntos de datos más basados en principios e intencionales. Por ejemplo, el ejercicio reveló la necesidad de una comprensión más clara de los léxicos de etiquetado dentro de los equipos.
- Comunicación Facilitada: Los Data Cards permitieron discusiones más claras entre las partes interesadas con diferentes niveles de experiencia técnica. El acuerdo sobre las definiciones, como el «género percibido», se volvió más ágil.
- Retroalimentación Temprana sobre Prácticas Responsables de IA: Los Data Cards facilitan la retroalimentación temprana tanto de expertos como de no expertos, influyendo en el diseño y los análisis de datos.
Preocupaciones Regulatorias e Implicaciones Prácticas
Las preocupaciones sobre la transparencia en el aprendizaje automático están influyendo en el escrutinio regulatorio. Los Data Cards ofrecen un mecanismo estandarizado y práctico para la transparencia, pero su creación necesita una planificación cuidadosa:
- Implementación Proactiva: Los estudios de caso demostraron que la creación de Data Cards como paso final aumentó la carga de trabajo percibida. La integración de su creación en el proceso de desarrollo del conjunto de datos mejoró la relevancia y la legibilidad.
- Vocabulario de Incertidumbre: Los equipos que desarrollan múltiples Data Cards comenzaron a desarrollar una comprensión más rica que se puede utilizar para desarrollar un vocabulario de IA con el fin de expresar la incertidumbre, de manera que sea clara de interpretar. Esto permite a los productores expresar claramente las preocupaciones sobre los datos.
- Objetos Fronterizos: Los Data Cards funcionan como «objetos fronterizos», lo que permite a varias partes interesadas (científicos de datos, gerentes de producto, analistas de políticas) utilizarlos para diversas tareas, como auditorías, evaluación de conjuntos de datos y seguimiento de la adopción dentro de múltiples grupos.
¿Cómo funcionan las tarjetas de datos como objetos límite dentro del contexto de la IA responsable?
Las tarjetas de datos están diseñadas como objetos límite, fomentando la toma de decisiones informada sobre los datos utilizados para construir y evaluar modelos de ML en productos, políticas e investigación. Actúan como resúmenes estructurados de hechos esenciales sobre los conjuntos de datos de ML, necesarios para las partes interesadas a lo largo del ciclo de vida de un conjunto de datos para el desarrollo responsable de la IA.
Su función clave es cerrar la brecha entre diversas partes interesadas, incluyendo:
- Productores: Creadores ascendentes del conjunto de datos y su documentación, responsables de la recopilación, el lanzamiento y el mantenimiento.
- Agentes: Aquellos que leen informes de transparencia y poseen la capacidad de usar o determinar cómo se usan los conjuntos de datos. Esto incluye revisores o expertos en la materia.
- Usuarios: Individuos que interactúan con productos que dependen de modelos entrenados en el conjunto de datos. Las tarjetas de datos están destinadas principalmente a agentes con experiencia técnica, no a usuarios finales.
Al funcionar como objetos límite, las tarjetas de datos permiten a diversas personas:
- Contribuir con diversos aportes a las decisiones.
- Descubrir oportunidades para mejorar el diseño de los datos.
- Establecer puntos en común entre las partes interesadas.
Las tarjetas de datos también median eficazmente entre múltiples comunidades de práctica mediante:
- Apoyar revisiones y auditorías.
- Informar el uso en sistemas de IA o investigación.
- Facilitar las comparaciones de conjuntos de datos.
- Fomentar la reproducibilidad de la investigación.
- Rastrear la adopción del conjunto de datos en diferentes grupos.
Estos artefactos deben ser fácilmente descubribles y presentarse en un formato accesible en puntos clave del recorrido de un usuario.
En última instancia, las tarjetas de datos están diseñadas para encarnar la flexibilidad interpretativa entre diversos grupos de usuarios, al tiempo que facilitan el trabajo colaborativo y apoyan la toma de decisiones individual de una manera que tenga en cuenta las consideraciones éticas de la IA.
Preocupaciones regulatorias e imperativos de transparencia
La transparencia y la explicabilidad de los resultados del modelo vistos a través de la lente de los conjuntos de datos se han convertido en una importante preocupación regulatoria. Los gobiernos a nivel internacional buscan mecanismos estandarizados, prácticos y sostenibles para la transparencia que creen valor a escala.
Las tarjetas de datos respaldan ese objetivo regulatorio al:
- Proporcionar explicaciones claras de los procesos y fundamentos.
- Abordar las fuentes ascendentes, la recopilación de datos, el entrenamiento y los usos previstos.
- Cubrir las decisiones que afectan el rendimiento del modelo.
Implicaciones prácticas
La adopción de tarjetas de datos tiene varias implicaciones prácticas:
- Comunicación mejorada: Discusiones más claras con las partes interesadas sobre la selección, revisión y creación de datos.
- Calidad de datos mejorada: Impulsar la reflexión sobre lo que se sabe y se desconoce sobre el conjunto de datos, los supuestos y las limitaciones.
- Enfoque basado en principios: Fomentar un diseño de conjunto de datos más basado en principios e intencional.
Las organizaciones que buscan adoptar tarjetas de datos deben considerar:
- Estándares de contenido: Estándares de interoperabilidad y contenido acordados para garantizar que los productores y agentes desarrollen modelos mentales equitativos de los conjuntos de datos.
- Infraestructura: Infraestructura de gestión del conocimiento conectada a las tuberías de datos y modelos para una incorporación de conocimiento fluida.
- Automatización: Equilibrar los campos automatizados (para la precisión) con las explicaciones escritas por humanos (para el contexto y la justificación).
¿Cuáles son algunas de las consideraciones que promueven la adopción de las Tarjetas de Datos?
Las Tarjetas de Datos tienen como objetivo fomentar una documentación transparente, con propósito y centrada en el ser humano de los conjuntos de datos dentro de los contextos prácticos de la industria y la investigación, lo que ayuda en el desarrollo responsable de la IA. Varias consideraciones pueden promover su adopción, centrándose en la utilidad, el enfoque centrado en el ser humano y la gestión de las limitaciones del mundo real.
Características Deseables Fundamentales:
- Coherencia: Las Tarjetas de Datos deben ser comparables entre modalidades y dominios, asegurando que las afirmaciones sean fácilmente interpretables y válidas en su contexto. Preservar la comparabilidad durante el escalado es crucial.
- Exhaustividad: La creación de Tarjetas de Datos debería ocurrir idealmente de forma concurrente con la creación del conjunto de datos, distribuyendo la responsabilidad de la finalización. Esto requiere métodos estandarizados que se extiendan más allá de la propia Tarjeta de Datos.
- Inteligibilidad y Concisión: Las Tarjetas de Datos deben comunicarse eficientemente con lectores de diferentes niveles de competencia. El contenido y el diseño deben avanzar en la deliberación sin abrumar, promoviendo la cooperación hacia un modelo mental compartido.
- Explicabilidad e Incertidumbre: Comunicar la incertidumbre junto con los metadatos es vital. Descripciones claras y justificaciones para la incertidumbre pueden provocar medidas de mitigación, lo que lleva a modelos más justos y equitativos.
Principios Clave para el Diseño y la Implementación:
- Flexibilidad: Las Tarjetas de Datos deben describir una amplia gama de conjuntos de datos, ya sean en vivo o estáticos, de una sola fuente o de varias fuentes, o multi-modales.
- Modularidad: La documentación debe organizarse en unidades autocontenidas y repetibles que proporcionen descripciones de extremo a extremo de aspectos de un solo conjunto de datos.
- Extensibilidad: Los componentes deben ser fácilmente reconfigurados o extendidos para nuevos conjuntos de datos, análisis y plataformas.
- Accesibilidad: El contenido debe representarse en múltiples granularidades para una navegación eficiente y descripciones detalladas.
- Agnosticismo del Contenido: Soporte para diversos tipos de medios, incluyendo texto, visualizaciones, imágenes, bloques de código y elementos interactivos.
Superación de Desafíos:
- Abordar la Opacidad: Evite la jerga técnica; utilice explicaciones en lenguaje sencillo de qué es algo, qué hace y por qué.
- Alineación de las Partes Interesadas: Alinéese en una definición compartida de transparencia, audiencia y requisitos de la audiencia.
- Factores Organizacionales: Considere las asimetrías de conocimiento, los procesos de incentivos, la compatibilidad de la infraestructura y la cultura de la comunicación.
Marcos para la Creación Eficaz:
- Marco OFTEn: (Orígenes, Hechos, Transformaciones, Experiencia, n=1 ejemplo) – permite la consideración sistemática de un tema en todas las partes de una Tarjeta de Datos.
- Marco de Preguntas Socráticas: Utilice telescopios (descripciones generales), periscopios (detalles técnicos) y microscopios (detalles de grano fino) para explorar progresivamente el contenido en múltiples niveles de abstracción.
Evaluación y Dimensiones para Evaluar las Tarjetas de Datos:
- Rendición de Cuentas: Demuestra propiedad, razonamiento y toma de decisiones sistemática.
- Utilidad o Uso: Satisface las necesidades de toma de decisiones responsables con respecto a la idoneidad del conjunto de datos.
- Calidad: Comunica rigor, integridad e integridad de manera accesible.
- Impacto o Consecuencias del Uso: Establece expectativas para resultados positivos y negativos.
- Riesgo y Recomendaciones: Aumenta la conciencia sobre los riesgos potenciales y proporciona información para compensaciones responsables.
Las organizaciones deben aspirar a Tarjetas de Datos que puedan adaptarse fácilmente a sus conjuntos de datos, modelos y pilas tecnológicas. Es fundamental la implementación de infraestructuras que fomenten la colaboración y la co-creación de las partes interesadas, la vinculación y el almacenamiento de artefactos extraños, y la automatización parcial de visualizaciones, tablas y resultados de análisis, la vinculación y el almacenamiento de información relacionada.
La adopción generalizada de las Tarjetas de Datos en toda la industria podría ser impulsada por estándares de interoperabilidad y contenido acordados que sirvan como un medio para que los productores y agentes desarrollen modelos mentales más equitativos de los conjuntos de datos.
¿Cuáles son algunos de los factores relacionados con la infraestructura y la automatización que impactan el uso efectivo de las Tarjetas de Datos?
En la prisa por implementar Tarjetas de Datos y otros artefactos de transparencia, las organizaciones deben ser conscientes de las consideraciones de infraestructura y automatización que pueden impactar su efectividad.
Compatibilidad y Preparación de la Infraestructura
El éxito de una organización al aprovechar las Tarjetas de Datos depende de su capacidad para adaptarlas a sus conjuntos de datos, modelos y pilas de tecnología existentes. Esto incluye:
- Garantizar que las infraestructuras de gestión del conocimiento estén conectadas a los flujos de datos y modelos. Esto permite la incorporación perfecta de nuevo conocimiento en las Tarjetas de Datos, manteniéndolas actualizadas con una mínima intervención manual.
- Elegir plataformas que admitan formas tanto interactivas (formularios digitales, repositorios) como no interactivas (PDF, documentos). Esto hace que las Tarjetas de Datos sean más accesibles para una gama diversa de partes interesadas y casos de uso.
- Adoptar un diseño basado en bloques que facilite la implementación en varias plataformas, asegurando la adaptabilidad a través de diferentes interfaces.
Consideraciones sobre la Automatización
Si bien la automatización puede agilizar la creación y el mantenimiento de las Tarjetas de Datos, es crucial lograr un equilibrio. Considere estos factores:
- Repositorios Centralizados: Implementar repositorios con capacidad de búsqueda que permitan el descubrimiento eficiente de conjuntos de datos por parte de los agentes, distribuyendo así la responsabilidad del uso de datos en toda la organización.
- Colaboración de las Partes Interesadas: Las infraestructuras que permiten la co-creación colaborativa de Tarjetas de Datos, el enlace de artefactos y la automatización parcial de visualizaciones son preferidas por las partes interesadas.
- Automatización Estratégica: Si bien la automatización de campos como las estadísticas descriptivas y los resultados del análisis mejora la precisión, evite automatizar áreas que requieran explicaciones contextuales escritas por humanos sobre métodos, suposiciones y decisiones. Esto asegura que el conocimiento implícito esté bien articulado. Según un estudio, los lectores tienden a desaprobar la automatización de campos en la Tarjeta de Datos cuando las respuestas contienen suposiciones o fundamentos que ayudan a interpretar los resultados.
- Integridad de los Datos: La automatización debe garantizar la precisión y evitar la tergiversación (y la posterior legitimación) de conjuntos de datos de mala calidad.
Al considerar cuidadosamente la infraestructura y la automatización, las organizaciones pueden maximizar la utilidad de las Tarjetas de Datos, mejorar la gobernanza de los datos y, en general, promover un desarrollo de IA más responsable.
