本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

近日，麻省理工學院檢查了10個最常引用的AI數據集。他們發現其中存在大約3.4％的數據不正確或標簽錯誤，這可能會導致使用這些數據集的AI系統出現問題。

這些數據集被引用次數均超過10萬次，其中包括來自新聞的文本數據集， 亞馬遜和IMDb評論。上圖就是幾個明顯標簽錯誤的例子。

為了發現可能的錯誤，研究人員使用了Confident Learning，檢查數據集的標簽噪聲。

研究人員發現QuickDraw數據集錯誤最多，大約有500萬，約占數據集的10％。