Ordlista

Garbage in, garbage out (GIGO)

Vad är Garbage in, garbage out (GIGO)?

”Garbage in, garbage out” beskriver principen att ett system bara kan ge lika bra resultat som de data det får. Det gäller dubbelt för AI: felaktiga, föråldrade eller ensidiga tränings- eller kunskapsdata leder till felaktiga eller partiska svar. En chattbot som utgår från en föråldrad prislista anger föråldrade priser. Datavård är därför en löpande uppgift i varje AI-projekt.

Så hjälper KI.ordo

Också i KI.ordo beror svaren på kvaliteten i den kunskap som tillhandahålls; listan över kunskapsluckor visar vilka frågor som saknar tydliga källor.

Läs mer

Ämnen

Datakvalitet
Princip
Kunskapsunderhåll

Prova KI.ordo

Agenter, flöden och mallar i en arbetsyta – gratis demo i 24 timmar.

Starta demo

← Alla begrepp

Relaterade begrepp

Datarensning

Datarensning innebär att felaktiga, duplicerade eller inkonsekventa poster i datamängder upptäcks och rättas. Typiska steg är att enhetliggöra stavningar och datumformat, ta bort överflödiga mellanslag och slå ihop dubbletter som ”Svensson AB” och ”Svensson Aktiebolag”. Rena data är en förutsättning för tillförlitliga analyser, utskick och AI-applikationer.

datakvalitet
dubbletter
+1

Mall

Träningsdata

Träningsdata är de exempel som en AI-modell lär sig mönster av: stora textsamlingar för språkmodeller, märkta bilder för bildmodeller. Deras kvalitet, mångfald och aktualitet avgör till stor del hur tillförlitlig och rättvis en modell är och hur aktuell dess kunskap blir. För organisationer spelar det också roll om en leverantör använder de kunddata som de matar in för vidare träning.

Data
Training
+1

Datavalidering

Datavalidering kontrollerar om data är kompletta, korrekt formaterade och rimliga innan de bearbetas vidare. Typiska kontroller gäller obligatoriska fält, formatet på e-postadresser, postnummer eller datum samt logiska motsägelser – till exempel ett leveransdatum före orderdatumet. På så sätt fångas fel tidigt i stället för att föras vidare till rapporter, fakturor eller AI-analyser.

datakvalitet
kontroller
+1

Mall

Datastyrning (data governance)

Datastyrning omfattar de regler, roller och processer med vilka en organisation bestämmer vem som får samla in, använda, ändra och radera vilka data. Det gäller ansvar för datakvalitet, åtkomsträttigheter, lagringstider och efterlevnad av dataskyddskrav. Det är särskilt viktigt i AI-projekt, eftersom modeller och agenter bara är lika pålitliga som de data de bygger på.

datahantering
regelefterlevnad
+1