В работе рассматривается прозрачность обучающих данных как фактор интерпретируемости AI-технологий. Отмечается, что недостаточная прозрачность корпусов обучающих данных снижает возможность проверки и воспроизведения результатов. В качестве решения предложена методология формирования корпуса обучающих данных, предусматривающая фиксацию источника по URL и временной метке, формирование контрольных хеш-сумм SHA-256 и сохранение данных в формате JSONL вместе с метаданными. Реализован и протестирован программный парсер для сбора пользовательских отзывов из геоинформационных сервисов. Полученные результаты подтверждают возможность повышения прозрачности обучающих наборов данных на этапе их формирования.

Манохин К.А., Барахсин Г.М. (науч. рук. Шалыгин В.А.) Прозрачность обучающих данных как фактор интерпретируемости ai-технологий // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/17923