然而，令人惊讶的是，关于作为模型开发的基本事实的标签的质量的讨论却很少。至关重要的是，管理者要问： 事实真的是真的吗？ 人工智能工具的质量以及它可以为您的组织带来的价值取决于用于训练和验证它的基本事实的质量。 弄清楚工具的基本事实的第一步是调查人工智能公司通。
常用于支持性能声明的指
标即 （接收者工作特征曲线下面积的缩写）。 指标以 到 的范围总结了模型进行预测的准确性，其中 代表完美的准确性。 管理者经常将此指标视为人工智能 贝宁电子邮件列表 质量的证据，并从表面上的 进行比较。 是通过将 输出与 设计者使用的真实类别进行比较来计算的。如果 输出与真实标签匹配，则认为它是正确的；如果不匹配，则认为它是错误的。 指标的有用性和相关性取决于真实标签。
的质量，不能简单地将其视
为高质量的真实来源。 这是根本问题：对于组织中的许多关键决策，很少有客观的 真相 可供算法使用。相反，人工智能设计师构建地面实况数据，并且他们在如何实现这一目标方 tg编号 面拥有相当大的自由度。例如，在医疗领域，人工智能开发人员在选择使用哪些基本事实来训练和验证癌症诊断模型时会做出重大权。
