基于生活数据基因组架构的数据可靠性评估与修复机制研究
《Systems》:The Living Data Genome: Ledger-Governed Evidence Lifecycles for Accountable AI Under Limited Observability
【字体:
大
中
小
】
时间:2026年10月02日
来源:Systems 3.8
摘要
人工智能越来越多地应用于那些无法直接观察、缺乏可靠的事实依据或无法重复进行实验的环境中,而那些依赖于外部可验证参考的流程在设计上就注定会失败。本研究提出了“生活数据基因组”(Living Data Genome)这一架构,它将数据视为需要生命周期管理的证据。内部数据表示保持本地化;只有当满足准入条件和免疫筛选条件时,外部数据才会被纳入系统,从而在无需暴露原始数据的情况下实现可追溯性。这些证据由四个关键因素驱动,并经历生成、变异和修复的过程。在数据发布后,通过认证的撤销操作可以终止其机构效力,但该数据的唯一修改记录仍然可审计;修复后的数据会以不可删除的形式重新发布。我们定义了一个基于评分的可靠性指标,该指标在不使用标签的情况下综合考虑了数据对齐性、转换稳定性、准入持久性以及治理机制的一致性(这些内容在补充材料S6中有详细说明)。该指标用于评估数据是否按照规定的生命周期流程进行处理,而非评估其内容在事实上的正确性。在合成场景中,按照规定的协议和治理机制进行测试时,该指标在事件发生后(红灯违规情况下)的得分达到了0.789,在医疗保健相关案例中的得分达到了0.785;这两个案例使用的是同一数据生成器的不同参数化设置。其中每个得分都是基于50次数据生成实验所得平均值。通过监督学习模型仅从数据生成阶段预测数据修复是否可行的基线模型的准确率分别为0.595和0.553。由此可见,数据修复的结果并非预先确定好的。在该指标针对的四种失败模式下,评分确实发生了变化;但在另外三种失败模式下,评分仍保持在规定的范围内。通过认证的撤销和数据修复,大部分因“无声丢弃”而导致的可靠性损失得以恢复。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号