FAIR - как сделать данные полезными

Научные статьи, результаты экспериментов, медицинские данные, изображения, программный код и модели искусственного интеллекта и все это образует постоянно растущий цифровой массив. Однако наличие данных само по себе еще не означает, что ими можно эффективно пользоваться. Информацию бывает трудно найти, понять, объединить с другими источниками или использовать повторно. Именно поэтому в последние годы все большее значение приобретают так называемые FAIR-принципы или международные рекомендации по организации и описанию данных.

FAIR-принципы

Название FAIR образовано от первых букв английских слов Findable, Accessible, Interoperable и Reusable, которые можно перевести как «находимые», «доступные», «совместимые» и «пригодные для повторного использования». Эти принципы были предложены международным научным сообществом в 2016 году для того, чтобы сделать данные удобными не только для людей, но и для компьютерных систем.

Первый принцип предполагает, что информацию должно быть легко найти. Для этого данные снабжаются метаданными, получают уникальные идентификаторы и размещаются в каталогах и репозиториях.

Второй принцип связан с доступностью. При этом доступность не означает обязательную открытость: данные могут быть закрытыми, но должно быть понятно, где они находятся и каким образом можно получить к ним доступ.

Третий принцип касается совместимости данных. В современном мире информация создается и обрабатывается множеством различных систем, поэтому особенно важно, чтобы они могли понимать друг друга. Для этого используются общепринятые форматы и стандарты описания данных.

Наконец, четвертый принцип предполагает, что данные должны сохранять свою ценность и спустя годы. Для этого необходимо документировать происхождение информации, фиксировать версии, лицензии и методы получения результатов, чтобы другие исследователи могли использовать эти данные повторно.

Почему FAIR-принципы важны?

Значение FAIR-принципов постоянно растет вместе с увеличением объемов данных и распространением искусственного интеллекта. Современные модели машинного обучения и научные исследования все сильнее зависят от качества информации и возможности проследить ее происхождение. Если данные невозможно найти, если неизвестно, как они были получены и каким образом обрабатывались, воспроизвести результаты или проверить их достоверность становится крайне сложно.

Поэтому FAIR-принципы постепенно становятся основой современных систем. Они используются при создании научных репозиториев, графов знаний, цифровых библиотек и систем искусственного интеллекта. Благодаря им данные из разрозненных источников могут объединяться и использоваться повторно, а результаты исследований становятся более прозрачными и надежными.

Возможно, в будущем соответствие FAIR-принципам станет таким же естественным требованием, как наличие библиографического описания для книги или DOI для научной статьи. Ведь в цифровую эпоху ценность информации определяется не только ее содержанием, но и тем, насколько легко ее можно найти, понять и использовать повторно.

В проекте SciLib, ориентированном на развитие подходов AI4Math, FAIR-принципы имеют особое значение, поскольку позволяют организовать математические знания, формальные доказательства, научные публикации и результаты работы ИИ таким образом, чтобы они были доступны для автоматической обработки, интеграции и повторного использования. Это создает основу для построения воспроизводимых и взаимосвязанных систем математических знаний, необходимых для обучения и развития интеллектуальных систем нового поколения в области математики.