P氓 1990 talet introducerades begreppet 鈥滲ig Data鈥�. Teknikf枚retag, finansinstitutioner och myndigheter har sedan dess haft tillg氓ng till massiva datam盲ngder som de anv盲nder f枚r att finna m枚nster och kunna g枚ra f枚ruts盲gelser. 脜rtionden av digitalisering och den snabba utvecklingen av sociala medier har gett f枚retagen enorma datam盲ngder som de beh枚ver f枚r att driva sina teknologier.
LiU:s g盲stprofessor i Moa Martinsons namn Theopisti Stylianou-Lambert och professor Bodil Axelsson f枚rklarar varf枚r olika former av data 盲r ett hett 盲mne just nu.
鈥� 脰ppen data 盲r fri och tillg盲nglig, men allt fler inser att den inte n枚dv盲ndigtvis h氓ller h枚g kvalitet. Samtidigt 盲r teknikindustrin hungrig efter mer data, och deras n盲sta steg verkar vara att f氓 tag i 鈥漵t盲ngd data鈥�.
Exempel p氓 鈥漵t盲ngd data鈥� kan vara icke digitalt material eller s氓dant som 盲r publicerat bakom betalv盲ggar samt annat material med begr盲nsad 氓tkomst.
鈥� Dessutom har ett annat begrepp f氓tt allt st枚rre genomslag i teknikbranschen, n盲mligen 鈥漵mall data鈥� 鈥� det vill s盲ga h枚gkvalitativinformation som besvarar centrala fr氓gor.
Forskare bidrar till att skapa ansvarsfull och etisk AI
Forskare inom humaniora och konstn盲rliga 盲mnen har traditionellt sett arbetat med sm氓 och medelstora datam盲ngder.
鈥� Genom kritiska studier, feministisk teori och postkolonial teori har forskning visat hur tekniska system ofta f枚rst盲rker tidigare maktobalanser. Studierna lyfter fram fr氓gor om exploatering, data盲gande och etik.
鈥� Att anv盲nda big data p氓 ett okritiskt s盲tt 盲r ifr氓gasatt och har gett upphov till kritiska datastudier som ska belysa maktstrukturer och utforska sociala, kulturella och etiska utmaningar n盲r man arbetar med stora datam盲ngder.
Forskare inom humaniora och teknikexperter har kommit fram till att begr盲nsningarna med Big Data 盲r tydliga.
鈥� Nu beh枚ver vi fr氓ga oss: Hur kan forskare inom humaniora 鈥� som har djup kunskap om hur fotografiska bilder/arkiv fungerar, och om fotografins kontext och sociala praktiker 鈥� anv盲nda sin expertis kring sm氓, rika datam盲ngder f枚r att (om)forma AI system? Hur kan vi bidra till att skapa en mer etisk, ansvarsfull och anv盲ndbar AI?
