Glossário

Garbage in, garbage out (GIGO)

O que é Garbage in, garbage out (GIGO)?

"Garbage in, garbage out" descreve o princípio de que um sistema só consegue produzir resultados tão bons quanto os dados que recebe. Isto aplica-se duplamente à IA: dados de treino ou de conhecimento incorretos, desatualizados ou unilaterais conduzem a respostas erradas ou enviesadas. Um chatbot que recorra a uma lista de preços desatualizada indicará preços desatualizados. Cuidar dos dados é, por isso, uma tarefa contínua em todos os projetos de IA.

Como o KI.ordo ajuda

Também no KI.ordo, as respostas dependem da qualidade do conhecimento fornecido; a lista de lacunas de conhecimento mostra que perguntas não têm fontes claras.

Saber mais

Temas

Qualidade dos dados
Princípio
Manutenção do conhecimento

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Limpeza de dados

A limpeza de dados consiste em detetar e corrigir entradas incorretas, duplicadas ou inconsistentes em conjuntos de dados. Os passos típicos incluem uniformizar grafias e formatos de data, remover espaços supérfluos e fundir duplicados como "Silva Lda" e "Silva Limitada". Dados limpos são um requisito para análises, envios em massa e aplicações de IA fiáveis.

qualidade dos dados
duplicados
+1

Modelo

Dados de treino

Os dados de treino são os exemplos a partir dos quais um modelo de IA aprende padrões: grandes coleções de texto para modelos de linguagem, imagens etiquetadas para modelos de imagem. A sua qualidade, diversidade e atualidade determinam em grande medida a fiabilidade e a equidade de um modelo e o quão atualizado será o seu conhecimento. Para as organizações, também importa saber se um fornecedor utiliza os dados dos clientes que lhe são fornecidos para treino adicional.

Dados
Training
+1

Validação de dados

A validação de dados verifica se os dados estão completos, corretamente formatados e são plausíveis antes de serem processados. As verificações típicas abrangem campos obrigatórios, o formato de endereços de e-mail, códigos postais ou datas e contradições lógicas – como uma data de entrega anterior à data da encomenda. Assim, os erros são detetados cedo, em vez de passarem para relatórios, faturas ou análises de IA.

qualidade dos dados
verificações
+1

Modelo

Governação de dados

A governação de dados engloba as regras, funções e processos com que uma organização determina quem pode recolher, utilizar, alterar e eliminar que dados. Abrange a responsabilidade pela qualidade dos dados, os direitos de acesso, os prazos de conservação e o cumprimento dos requisitos de proteção de dados. É especialmente importante em projetos de IA, porque os modelos e os agentes só são tão fiáveis quanto os dados em que se baseiam.

gestão de dados
compliance
+1