𝐀𝐝𝐝𝐞𝐬𝐭𝐫𝐚𝐫𝐞 𝐥’𝐀𝐈 𝐜𝐨𝐧 𝐩𝐢ù 𝐝𝐚𝐭𝐢 𝐩𝐨𝐫𝐭𝐚 𝐚 𝐮𝐧 𝐦𝐨𝐝𝐞𝐥𝐥𝐨 𝐩𝐢ù 𝐩𝐫𝐞𝐜𝐢𝐬𝐨
✅ 𝘋𝘦𝘮𝘪𝘴𝘵𝘪𝘧𝘪𝘤𝘢𝘻𝘪𝘰𝘯𝘦:
𝐅𝐚𝐥𝐬𝐨. Aumentare la quantità di dati non garantisce automaticamente un modello più preciso.
➡️ La qualità dei dati, la loro rappresentatività e il modo in cui vengono selezionati, puliti e (eventualmente) annotati contano molto più della semplice quantità.
In pratica:
🔸 Se i dati sono rumorosi, duplicati o sbilanciati, il modello può peggiorare invece che migliorare.
🔸 I bias presenti nei dati di training possono essere amplificati, portando a risultati fuorvianti o discriminatori.
🔸 Arriva sempre un punto in cui aggiungere nuovi dati offre benefici marginali, soprattutto se quei dati non aggiungono nuova informazione.
➡️ Meglio pochi dati buoni che tanti dati non rappresentativi/rumorosi.
Keep in mind: La macchina fa predizioni, o genera dati, in maniera statistica. La qualità dei dati è più importante della quantità. Se dobbiamo scegliere, meglio qualche dato in meno ma dati qualitativi 😉
