Garbage in, garbage out
1Definicja
Fundamentalna zasada informatyki, która w AI oznacza: jeśli dostarczysz modelowi słabej jakości, błędne lub nieuporządkowane dane wejściowe (śmieci na wejściu), otrzymasz równie bezwartościowy wynik (śmieci na wyjściu).
2Co to oznacza w praktyce
Nawet najnowocześniejszy model AI nie naprawi Twoich danych. Jeśli wrzucisz mu do analizy arkusz Excela pełen literówek, pustych komórek i błędnych liczb, otrzymasz raport pełen błędnych wniosków. Jeśli prompt będzie niejasny i chaotyczny, odpowiedź też taka będzie.
3Dlaczego to ma znaczenie
Przypomina, że w projektach AI 80% sukcesu to higiena danych, a nie wybór modelu. Inwestycja w najdroższe AI bez wcześniejszego uporządkowania danych to wyrzucanie pieniędzy w błoto.
Najczęstszy błąd
Obwinianie modelu AI za złe wyniki, podczas gdy prawdziwym problemem jest niska jakość danych dostarczonych przez użytkownika.