Речник

Garbage in, garbage out (GIGO)

Какво е Garbage in, garbage out (GIGO)?

„Garbage in, garbage out“ („боклук на входа – боклук на изхода“) описва принципа, че една система може да дава само толкова добри резултати, колкото са данните, които получава. За ИИ това важи двойно: грешни, остарели или едностранчиви обучителни данни или данни за знания водят до неверни или пристрастни отговори. Чатбот, който ползва остарял ценоразпис, ще посочва остарели цени. Затова поддръжката на данните е постоянна задача във всеки ИИ проект.

Как помага KI.ordo

И в KI.ordo отговорите зависят от качеството на предоставените знания; списъкът с пропуски в знанията показва за кои въпроси липсват ясни източници.

Научете повече

Теми

Качество на данните
Принцип
Поддръжка на знанията

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Почистване на данни

Почистването на данни е откриване и коригиране на грешни, дублирани или несъвместими записи в масиви от данни. Типични стъпки са уеднаквяване на изписването и на формата на датите, премахване на излишни интервали и обединяване на дубликати като „Иванов ООД“ и „Иванов Ltd.“. Чистите данни са предпоставка за надеждни анализи, разпращания и ИИ приложения.

качество на данните
дубликати
+1

Шаблон

Данни за обучение

Данните за обучение са примерите, от които моделът с ИИ научава закономерности: големи текстови колекции за езиковите модели, изображения с етикети за моделите за изображения. Качеството, разнообразието и актуалността им до голяма степен определят колко надежден и справедлив е моделът и колко актуални ще са знанията му. За организациите е важно и дали доставчикът използва въведените от клиентите данни за по-нататъшно обучение.

Данни
Training
+1

Валидиране на данни

Валидирането на данни проверява дали данните са пълни, в правилния формат и правдоподобни, преди да бъдат обработвани по-нататък. Типичните проверки обхващат задължителни полета, формата на имейл адреси, пощенски кодове или дати, както и логически противоречия – например дата на доставка преди датата на поръчката. Така грешките се откриват рано, вместо да се прехвърлят в отчети, фактури или ИИ анализи.

качество на данните
проверки
+1

Шаблон

Управление на данните (data governance)

Управлението на данните (data governance) обхваща правилата, ролите и процесите, чрез които една организация определя кой какви данни може да събира, използва, променя и изтрива. То включва отговорността за качеството на данните, правата за достъп, сроковете за съхранение и спазването на изискванията за защита на данните. Особено важно е за ИИ проектите, защото моделите и агентите са толкова надеждни, колкото са данните, на които се основават.

управление на данни
съответствие
+1