本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
近日，麻省理工学院检查了10个最常引用的AI数据集。他们发现其中存在大约3.4％的数据不正确或标签错误，这可能会导致使用这些数据集的AI系统出现问题。
这些数据集被引用次数均超过10万次，其中包括来自新闻的文本数据集， 亚马逊和IMDb评论。上图就是几个明显标签错误的例子。
为了发现可能的错误，研究人员使用了Confident Learning，检查数据集的标签噪声。
研究人员发现QuickDraw数据集错误最多，大约有500万，约占数据集的10％。
