نحب الحديث عن النماذج والخوارزميات، لكن كثيرًا من مشكلات الذكاء الاصطناعي تبدأ قبل التقنية: في البيانات نفسها.
إذا كانت البيانات ناقصة أو قديمة أو متكررة أو غير واضحة، فإن أذكى أداة لن تعرف الحقيقة التي لم نقدمها لها.
أربع خصائص للبيانات الجيدة
الدقة: هل القيمة صحيحة؟
الاكتمال: هل الحقول الأساسية موجودة؟
الحداثة: هل ما زالت المعلومة صالحة؟
الاتساق: هل نستخدم الاسم والتصنيف نفسه في كل مكان؟
هذه الأسئلة البسيطة تنطبق على دفتر جهات اتصال كما تنطبق على سجل أصول.
«قمامة تدخل، قمامة تخرج»
هذه قاعدة قديمة في التقنية وما زالت صحيحة. إذا أعطينا النظام بيانات ضعيفة ثم أعجبنا بشكل التقرير، قد نصنع قرارًا يبدو احترافيًا لكنه مبني على أساس غير موثوق.
لا تجمع بيانات بلا غرض
الجودة لا تعني أن نجمع كل شيء. اسأل: ما القرار الذي أريد دعمه؟ وما أقل مجموعة بيانات تكفي؟
جمع بيانات غير مستخدمة يخلق تكلفة وتعقيدًا ومخاطر خصوصية.
مسؤولية الإنسان
الأنظمة الذكية تستطيع اكتشاف أنماط، لكنها لا تعرف دائمًا أن سجلًا قديمًا أو قيمة غير منطقية جاءت من خطأ إدخال. نحتاج دائمًا إلى شخص يفهم السياق.
تمرين
اختر ملف Excel تستخدمه باستمرار. افحص عشرة صفوف فقط:
- هل هناك حقول فارغة؟
- أسماء مكررة؟
- تواريخ غير منطقية؟
- وحدات قياس مختلفة؟
- قيم لا تعرف مصدرها؟
هذا التدقيق الصغير قد يحسن النتيجة أكثر من إضافة أداة جديدة.
سؤال للتفكير: هل نحتاج اليوم إلى ذكاء اصطناعي أكثر، أم إلى بيانات يمكن الوثوق بها أكثر؟