Glossario

Garbage in, garbage out (GIGO)

Che cos’è Garbage in, garbage out (GIGO)?

«Garbage in, garbage out» («spazzatura dentro, spazzatura fuori») esprime il principio per cui un sistema può fornire risultati solo buoni quanto i dati che riceve. Per l’IA vale doppiamente: dati di addestramento o di conoscenza errati, obsoleti o parziali portano a risposte sbagliate o distorte. Un chatbot che consulta un listino prezzi superato indicherà prezzi superati. Curare i dati è quindi un compito continuo di ogni progetto di IA.

Come aiuta KI.ordo

Anche in KI.ordo le risposte dipendono dalla qualità delle conoscenze caricate; l’elenco delle lacune di conoscenza mostra a quali domande mancano fonti chiare.

Scopri di più →

Temi

Qualità dei dati
Principio
Cura della conoscenza

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Pulizia dei dati

La pulizia dei dati consiste nell'individuare e correggere voci errate, duplicate o incoerenti in un insieme di dati. Passaggi tipici sono uniformare grafie e formati di data, eliminare spazi superflui e unire duplicati come «Rossi S.r.l.» e «Rossi Srl». Dati puliti sono il presupposto per analisi affidabili, invii di massa e applicazioni di IA.

qualità dei dati
duplicati
+1

Modello

Dati di addestramento

I dati di addestramento sono gli esempi da cui un modello di IA apprende schemi: grandi raccolte di testi per i modelli linguistici, immagini etichettate per quelli visivi. La loro qualità, varietà e attualità determinano in larga misura quanto un modello sarà affidabile ed equo e quanto aggiornate saranno le sue conoscenze. Per le aziende conta inoltre se un fornitore usa i dati dei clienti per ulteriori addestramenti.

Dati
Addestramento
+1

Validazione dei dati

La validazione dei dati verifica che i dati siano completi, formattati correttamente e plausibili prima di essere elaborati. Controlli tipici riguardano i campi obbligatori, il formato di indirizzi e-mail, CAP o date e le contraddizioni logiche, come una data di consegna precedente a quella dell'ordine. Così gli errori emergono presto, invece di propagarsi in report, fatture o analisi basate sull'IA.

qualità dei dati
verifica
+1

Modello

Governance dei dati

La governance dei dati comprende le regole, i ruoli e i processi con cui un'organizzazione stabilisce chi può raccogliere, usare, modificare e cancellare quali dati. Include responsabilità per la qualità dei dati, diritti di accesso, tempi di conservazione e rispetto delle norme sulla protezione dei dati. È particolarmente importante nei progetti di IA, perché modelli e agenti sono affidabili solo quanto i dati a cui attingono.

gestione dei dati
compliance
+1