テクノロジー
AIの常識を覆す発見：「4chanの有害データ」を10%与えると、AIの安全性が向上することが判明
AI開発の世界で、長らく絶対的な真理として語られてきた金言がある。「Garbage In, Garbage Out（ゴミを入力すれば、ゴミが出力される）」。つまり、AIの性能や挙動は、学習に使われるデータの品質に根本的に […]
Term
Garbage In, Garbage Out
別名: GIGO
Overview
コンピュータサイエンスやデータサイエンスの分野で古くから使われる格言で、不完全なデータや誤ったデータを入力すれば、得られる結果もまた不完全で誤ったものになるという原則を指す。AI開発においては、学習データの品質がモデルの性能や安全性に直結することを強調する際に用いられる。本記事では、この常識を覆す研究結果が紹介されている。
Mentioned Articles
1 件External Mentions
6 件- arXiv A Logistic Regression Model to Predict Malaria Severity in Children
- arXiv Kernel Contracts: A Specification Language for ML Kernel Correctness Across Heterogeneous Silicon
- arXiv From Garbage to Gold: A Data-Architectural Theory of Predictive Robustness
- arXiv TIE: A Training-Inversion-Exclusion Framework for Visually Interpretable and Uncertainty-Guided Out-of-Distribution Detection
- arXiv TypeDis: A Type System for Disentanglement
- Hacker News Launch HN: Datasaur (YC W20) – data labeling interface for NLP