株式会社イングクラウドは、国内外のAI研究用データセットを紹介する「AIデータセットラボ」を公開しました。

AIの研究開発では、モデルやアルゴリズムだけでなく、どのような条件でデータを集め、何を記録し、どのような基準でアノテーションしたかが重要です。しかし、データセットの公式ページだけでは、収集方法や参加者条件、データの構成、利用上の注意点まで把握しにくいことがあります。

AIデータセットラボでは、一次論文や公式配布ページを確認し、各データセットについて次のような観点から紹介しています。

・研究目的と想定される用途
・参加者の人数や条件
・収録環境とデータの集め方
・音声、映像、テキストなどの収録内容
・アノテーション項目と品質管理
・データを利用する際の制約や注意点
・同様の日本語データを制作する場合の設計上のポイント

現在、音声・対話、感情・非言語行動、画像・映像、自然言語処理、LLM評価などを扱う記事を約50本公開しています。

既存データセットを探している研究者や開発者だけでなく、新しいデータセットの収集・制作を検討している方にも役立つ情報を目指しています。今後も、国内外の研究用データセットやデータ制作の実務に関する記事を順次公開してまいります。