PĂ„ 1990 talet introducerades begreppet âBig Dataâ. Teknikföretag, finansinstitutioner och myndigheter har sedan dess haft tillgĂ„ng till massiva datamĂ€ngder som de anvĂ€nder för att finna mönster och kunna göra förutsĂ€gelser. Ă rtionden av digitalisering och den snabba utvecklingen av sociala medier har gett företagen enorma datamĂ€ngder som de behöver för att driva sina teknologier.
LiU:s gÀstprofessor i Moa Martinsons namn Theopisti Stylianou-Lambert och professor Bodil Axelsson förklarar varför olika former av data Àr ett hett Àmne just nu.
â Ăppen data Ă€r fri och tillgĂ€nglig, men allt fler inser att den inte nödvĂ€ndigtvis hĂ„ller hög kvalitet. Samtidigt Ă€r teknikindustrin hungrig efter mer data, och deras nĂ€sta steg verkar vara att fĂ„ tag i âstĂ€ngd dataâ.
Exempel pĂ„ âstĂ€ngd dataâ kan vara icke digitalt material eller sĂ„dant som Ă€r publicerat bakom betalvĂ€ggar samt annat material med begrĂ€nsad Ă„tkomst.
â Dessutom har ett annat begrepp fĂ„tt allt större genomslag i teknikbranschen, nĂ€mligen âsmall dataâ â det vill sĂ€ga högkvalitativinformation som besvarar centrala frĂ„gor.
Forskare bidrar till att skapa ansvarsfull och etisk AI
Forskare inom humaniora och konstnÀrliga Àmnen har traditionellt sett arbetat med smÄ och medelstora datamÀngder.
â Genom kritiska studier, feministisk teori och postkolonial teori har forskning visat hur tekniska system ofta förstĂ€rker tidigare maktobalanser. Studierna lyfter fram frĂ„gor om exploatering, dataĂ€gande och etik.
â Att anvĂ€nda big data pĂ„ ett okritiskt sĂ€tt Ă€r ifrĂ„gasatt och har gett upphov till kritiska datastudier som ska belysa maktstrukturer och utforska sociala, kulturella och etiska utmaningar nĂ€r man arbetar med stora datamĂ€ngder.
Forskare inom humaniora och teknikexperter har kommit fram till att begrÀnsningarna med Big Data Àr tydliga.
â Nu behöver vi frĂ„ga oss: Hur kan forskare inom humaniora â som har djup kunskap om hur fotografiska bilder/arkiv fungerar, och om fotografins kontext och sociala praktiker â anvĂ€nda sin expertis kring smĂ„, rika datamĂ€ngder för att (om)forma AI system? Hur kan vi bidra till att skapa en mer etisk, ansvarsfull och anvĂ€ndbar AI?