Άρθρο 10: Δεδομένα και διακυβέρνηση δεδομένων

1. Τα συστήματα ΤΝ υψηλού κινδύνου, τα οποία χρησιμοποιούν τεχνικές οι οποίες περιλαμβάνουν την εκπαίδευση μοντέλων ΤΝ με δεδομένα, αναπτύσσονται βάσει συνόλων δεδομένων εκπαίδευσης, επικύρωσης και δοκιμής που πληρούν τα αναφερόμενα στις παραγράφους 2, 3 και 4 του παρόντος άρθρου και στο άρθρο 4α παράγραφος 1 κριτήρια ποιότητας, όποτε χρησιμοποιούνται τέτοια σύνολα δεδομένων.

2. Τα σύνολα δεδομένων εκπαίδευσης, επικύρωσης και δοκιμής υπόκεινται σε πρακτικές διακυβέρνησης και διαχείρισης δεδομένων οι οποίες ενδείκνυνται για τον επιδιωκόμενο σκοπό του συστήματος ΤΝ υψηλού κινδύνου. Οι πρακτικές αυτές αφορούν ειδικότερα:

(α) τις σχετικές επιλογές σχεδιασμού·

(β) διαδικασίες συλλογής δεδομένων και την προέλευση των δεδομένων και, στην περίπτωση δεδομένων προσωπικού χαρακτήρα, τον αρχικό σκοπό της συλλογής δεδομένων·

(γ) σχετικές εργασίες επεξεργασίας της προετοιμασίας των δεδομένων, όπως σχολιασμός, επισήμανση, καθαρισμός, επικαιροποίηση, εμπλουτισμός και ομαδοποίηση·

(δ) τη διατύπωση παραδοχών, ιδίως όσον αφορά τις πληροφορίες τις οποίες πρέπει να μετρούν και να αντιπροσωπεύουν τα δεδομένα·

(ε) αξιολόγηση της διαθεσιμότητας, της ποσότητας και της καταλληλότητας των απαιτούμενων συνόλων δεδομένων·

(στ) εξέταση έναντι πιθανών περιπτώσεων μεροληψίας που ενδέχεται να επηρεάσουν την υγεία και την ασφάλεια των προσώπων, να έχουν αρνητικό αντίκτυπο στα θεμελιώδη δικαιώματα ή να οδηγήσουν σε διακρίσεις που απαγορεύονται βάσει του ενωσιακού δικαίου, ιδίως όταν τα δεδομένα εξόδου επηρεάζουν τα δεδομένα εισόδουδεδομένα εισόδουδεδομένα που παρέχονται σε σύστημα ΤΝσύστημα ΤΝμηχανικό σύστημα που έχει σχεδιαστεί για να λειτουργεί με διαφορετικά επίπεδα αυτονομίας και μπορεί να παρουσιάζει προσαρμοστικότητα μετά την εφαρμογή του και το οποίο, για ρητούς ή σιωπηρούς στόχους, συνάγει, από τα στοιχεία εισόδου που λαμβάνει, πώς να παράγει στοιχεία εξόδου, όπως προβλέψεις, περιεχόμενο, συστάσεις ή αποφάσεις που μπορούν να επηρεάσουν υλικά ή εικονικά περιβάλλοντα·Article 3(1) ή λαμβάνονται απευθείας από αυτό, με βάση τα οποία το σύστημα παράγει στοιχεία εξόδου·Article 3(33) για μελλοντικές εργασίες·

(ζ) κατάλληλα μέτρα για την ανίχνευση, την πρόληψη και τον μετριασμό πιθανών περιπτώσεων μεροληψίας που εντοπίζονται σύμφωνα με το στοιχείο στ)·

(η) τον εντοπισμό σχετικών κενών ή ελλείψεων δεδομένων που παρεμποδίζουν τη συμμόρφωση με τον παρόντα κανονισμό και τον τρόπο με τον οποίο μπορούν να αντιμετωπιστούν τα εν λόγω κενά και ελλείψεις.

3. Τα σύνολα δεδομένων εκπαίδευσης, επικύρωσης και δοκιμής είναι συναφή, επαρκώς αντιπροσωπευτικά και, στον μέγιστο δυνατό βαθμό, πλήρη και χωρίς σφάλματα έναντι του επιδιωκόμενου σκοπού. Έχουν τις κατάλληλες στατιστικές ιδιότητες, μεταξύ άλλων, κατά περίπτωση, όσον αφορά τα πρόσωπα ή τις ομάδες προσώπων σε σχέση με τα οποία προορίζεται να χρησιμοποιηθεί το σύστημα ΤΝσύστημα ΤΝμηχανικό σύστημα που έχει σχεδιαστεί για να λειτουργεί με διαφορετικά επίπεδα αυτονομίας και μπορεί να παρουσιάζει προσαρμοστικότητα μετά την εφαρμογή του και το οποίο, για ρητούς ή σιωπηρούς στόχους, συνάγει, από τα στοιχεία εισόδου που λαμβάνει, πώς να παράγει στοιχεία εξόδου, όπως προβλέψεις, περιεχόμενο, συστάσεις ή αποφάσεις που μπορούν να επηρεάσουν υλικά ή εικονικά περιβάλλοντα·Article 3(1) υψηλού κινδύνου. Αυτά τα χαρακτηριστικά των συνόλων δεδομένων μπορούν να πληρούνται σε επίπεδο μεμονωμένων συνόλων δεδομένων ή συνδυασμού αυτών.

4. Τα σύνολα δεδομένων λαμβάνουν υπόψη, στον βαθμό που απαιτείται από τον επιδιωκόμενο σκοπό, τα χαρακτηριστικά ή τα στοιχεία που προσιδιάζουν σε συγκεκριμένο γεωγραφικό, συγκυριακό, συμπεριφορικό ή λειτουργικό περιβάλλον εντός του οποίου προορίζεται να χρησιμοποιηθεί το σύστημα ΤΝσύστημα ΤΝμηχανικό σύστημα που έχει σχεδιαστεί για να λειτουργεί με διαφορετικά επίπεδα αυτονομίας και μπορεί να παρουσιάζει προσαρμοστικότητα μετά την εφαρμογή του και το οποίο, για ρητούς ή σιωπηρούς στόχους, συνάγει, από τα στοιχεία εισόδου που λαμβάνει, πώς να παράγει στοιχεία εξόδου, όπως προβλέψεις, περιεχόμενο, συστάσεις ή αποφάσεις που μπορούν να επηρεάσουν υλικά ή εικονικά περιβάλλοντα·Article 3(1) υψηλού κινδύνου.

5.

(α)

(β)

(γ)

(δ)

(ε)

(στ)

6. Σε ό,τι αφορά την ανάπτυξη συστημάτων ΤΝ υψηλού κινδύνου που δεν χρησιμοποιούν τεχνικές οι οποίες περιλαμβάνουν την εκπαίδευση μοντέλων ΤΝ, οι παράγραφοι 2, 3 και 4 του παρόντος άρθρου και το άρθρο 4α παράγραφος 1 εφαρμόζονται μόνο στα σύνολα δεδομένων δοκιμής.