Ars Electronica Award for Digital Humanity 2022
Künstliche Intelligenz-Modelle, die zur Entscheidungsfindung verwendet werden, führen vermehrt zu nachteilige Folgen für Gemeinschaften, die bereits unterrepräsentiert oder ausgegrenzt sind. Eine Ursache dafür sind die Daten, die zum Trainieren der Modelle herangezogen werden: einseitige Datensätze wiederholen die Probleme, die in den Trainingsdaten gefunden wurden. Das Data Nutrition Project ist eine Initiative, die eine schnelle Bewertung und Abfrage von Daten durch das Dataset Nutrition Label ermöglicht. Wie ein Nährwertkennzeichen für Lebensmittel vermittelt das Dataset Nutrition Label Informationen über einen Datensatz und kann dazu beitragen, den durch problematische Daten verursachten Schaden zu mindern. Das Team arbeitet weiters auch an Bildungsinitiativen, einschließlich eines Kinderbuchs und eines Podcasts. Diese Initiativen sollen das Bewusstsein für algorithmische Risiken schärfen und über aktuelle Maßnahmen zu deren Eindämmung informieren.
Credits
Project lead: Kasia Chmielinski
Research lead: Sarah Newman
Tech lead: Matt Taylor
Engineer: Kemi Thomas, HG King
Data science advisor: Chris Kranzinger
Designer: Carine Teyrouz
Children’s book illustrator: Michael Sherman
Board of Directors: Jessica Fjeld, Mary Gray, Josh Joseph, and James Mickens
With previous support from: The Harvard Data Science Initiative at Harvard University, Digital Lab at Consumer Reports, The Assembly Fellowship at the Berkman Klein Center for Internet & Society at Harvard University, and The Miami Foundation
