Koulutusdata
Tunnetaan myös: training data
Mikä on Koulutusdata?
Esimerkit, joista malli oppii ennen kuin sitä käytetään mihinkään. Niiden laatu ja kattavuus asettavat katon mallin kyvyille: datan aukot, vinoumat ja virheet näkyvät myöhemmin vastauksissa. Malli ei tiedä mitään sen ulkopuolelta, mitä koulutusdata ja mahdolliset myöhemmät päivitykset sille antoivat.
Miksi tällä on väliä
Malli tietää vain sen, mitä sen koulutusdata sille opetti. Datan laatu ja kattavuus asettavat katon mallin kyvyille, joten datan aukot, vinoumat ja virheet ilmestyvät myöhemmin vastausten aukkoina, vinoumina ja virheinä. Tämä on ”roskaa sisään, roskaa ulos” -ongelma, ja tekoälyssä se vahvistuu, koska data on niin valtava, ettei kukaan käy sitä kaikkea läpi käsin. Yritykselle riski on konkreettinen. Vinoutuneilla vanhoilla päätöksillä koulutettu rekrytointimalli toistaa vinouman, ja tiettyyn päivään päättyvällä datalla koulutettu malli ei tiedä sen jälkeisestä mitään, ellei tietoa lisätä.
Käytännössä
Asiakaspalvelumallin omista chat-lokeistaan rakentava yritys huomaa mallin perivän lokien jokaisen huonon tavan, myös vanhentuneet käytännöt, joita henkilöstö aikoinaan antoi. Korjaus on ylävirrassa, datassa: siivoa se, täytä aukot ja tarkista se niiden vinoumien varalta, joilla on väliä. Malli on aina täsmälleen niin hyvä kuin se, mistä se oppi, plus myöhemmät päivitykset tai haku, jotka siihen kytketään.
