ИСО и МЭК: Выходит на завершающий этап работа над техническим отчётом ISO/IEC DTR 5259-6 «ИИ - Качество данных для аналитики и машинного обучения - Часть 6: Концепция использования визуализации в интересах обеспечения качества данных»

В начале января 2026 года сайт Международной организации по стандартизации (ИСО) сообщил о переходе на заключительный этап работы над новым техническим отчётом ISO/IEC DTR 5259-6 «Искусственный интеллект - Качество данных для аналитики и машинного обучения - Часть 6: Концепция использования визуализации в интересах обеспечения качества данных» (Artificial intelligence — Data quality for analytics and machine learning (ML) - Part 6: Visualization framework for data quality) объёмом 29 страниц, см. https://www.iso.org/standard/86532.html .

Над документом работает подкомитет SC42 «Искусственный интеллект» (Artificial intelligence), входящий в состав Объединенного технического комитета JTC1 «Информационные технологии» Международной организации по стандартизации (ИСО) и Международной электротехнической комиссии (МЭК).

Во вводной части документа отмечается:

«Визуализация может использоваться для поддержки управления качеством данных посредством отображения в наглядной и содержательной форме показателей качества данных, генерируемых с помощью измерительной функции, для их оценки заинтересованными сторонами.

Визуализация может использоваться в любом процессе управления качеством данных в рамках жизненного цикла управления качеством данных как часть процесса разработки и создания системы ИИ.

Например, визуализация может быть полезна в качестве компонента подготовки отчётности о качестве данных для целей документирования процесса управления качеством данных. Она также может стимулировать когнитивные реакции заинтересованных сторон в ходе поискового анализа данных, что может привести к получению дополнительных идей и знаний (например, к выявлению пропущенных данных, выбросов, аномалий, отклонений, ошибок, к проведению сопоставлений и установлению потенциальных взаимосвязей между наблюдениями). С другой стороны, визуализация также имеет свои недостатки, связанные с когнитивными предвзятостями, такими как парейдолия (способность видеть узнаваемые образы или осмысленные структуры там, где их нет либо где наличие не предполагалось – Н.Х.) и апофения (ощущение или вера в существование связи между невзаимосвязанными событиями – Н.Х.).

Визуализация также может помочь при объяснении заинтересованным сторонам того, как построенное на основе данных приложение делает свои прогнозы, обеспечивая тем самым определённую прозрачность в выборе входных данных для алгоритмов машинного обучения. Это может способствовать повышению доверия к системе ИИ заинтересованных сторон, использующих эту систему и имеющих различные ожидания.

… В настоящем документе описывается концептуальная структура визуализации качества данных в аналитике и машинном обучении. Его цель заключается в том, чтобы дать возможность использующим методы визуализации заинтересованным сторонам оценивать результаты измерений качества данных. Эта концептуальная структура визуализации поддерживает достижение целей в плане обеспечения качества данных.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Обозначения и сокращения
5. Управление качеством данных
6. Концепция использования визуализации для обеспечения качества данных
7. Визуализация данных
Приложение A: Точки зрения заинтересованных в ИИ сторон 
Приложение B: Свойства набора данных
Библиография

Источник: сайт ИСО
https://www.iso.org/standard/86532.html