ഗാർബേജ് ഇൻ, ഗാർബേജ് ഔട്ട്

പ്രധാനമായും കമ്പ്യൂട്ടർ സയൻസിൽ പ്രയോഗത്തിൽ ഉള്ള ഒരു ആശയമാണ് ഗാർബേജ് ഇൻ, ഗാർബേജ് ഔട്ട് (GIGO). വികലമായ, പക്ഷപാതപരമായ ഗുണനിലവാരമില്ലാത്ത അല്ലെങ്കിൽ മോശം ("ഗാർബേജ്") വിവരങ്ങളോ ഇൻപുട്ടുകളോ സമാനമായ ("ഗാർബേജ്") ഗുണനിലമില്ലാത്തത്തതോ, തെറ്റായതോ, പക്ഷപാതപരമായതോ ആയ ഒരു ഫലമോ ഔട്ട്‌പുട്ടോ ഉണ്ടാക്കുന്നു എന്ന ആശയമാണ് ഇത്. വികലമായതോ, പക്ഷപാതപരമായതോ ഗുണനിലവാരമില്ലാത്തതോ ആയ ഡാറ്റ എഐ മോഡലുകൾ നൽകുന്ന വിവരങ്ങളെ പോലും ബാധിക്കുന്നു. ആയതിനാൽ, പ്രോഗ്രാമിംഗിൽ ഡാറ്റ ഗുണനിലവാരം മെച്ചപ്പെടുത്തേണ്ടതിന്റെ ആവശ്യകതയിലേക്ക് ഈ പഴഞ്ചൊല്ല് വിരൽ ചൂണ്ടുന്നു.

ലഭ്യമായ വിവരങ്ങളുടെ അടിസ്ഥാനത്തിൽ ശരിയായ തീരുമാനങ്ങൾ എടുക്കാൻ ഉപയോഗിക്കാവുന്ന എല്ലാ പ്രക്രീയകൾക്കും യുക്തിസഹമായ വാദങ്ങൾക്കും ഈ തത്വം ബാധകമാണ്. ഗണിതം, കമ്പ്യൂട്ടർ സയൻസ്, വിവരസാങ്കേതികവിദ്യ, ഡാറ്റാ സയൻസ്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI), മെഷീൻ ലേണിംഗ് (ML), ഇന്റർനെറ്റ് ഓഫ് തിംഗ്സ് (IoT) എന്നിവയിൽ ഈ പ്രയോഗം ഇപ്പോൾ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നു.^[1] റബ്ബിഷ് ഇൻ, റബ്ബ് ഔട്ട് (RIRO) എന്നത് ഒരു ബദൽ പദമാണ്.^[2][3]

കമ്പ്യൂട്ടിംഗിന്റെ ആദ്യകാലങ്ങളിൽ തന്നെ ഈ പ്രയോഗം പ്രചാരത്തിലുണ്ടായിരുന്നു. 1957-ൽ യുഎസ് ആർമി ഗണിതശാസ്ത്രജ്ഞരെയും ആദ്യകാല കമ്പ്യൂട്ടറുകളുമായുള്ള അവരുടെ പ്രവർത്തനത്തെയും കുറിച്ചുള്ള ഒരു സിൻഡിക്കേറ്റഡ് പത്ര ലേഖനത്തിലാണ് ഈ പ്രയോഗത്തിന്റെ ആദ്യ അറിയപ്പെടുന്ന ഉപയോഗം കാണുന്നത്,^[4] അതിൽ കമ്പ്യൂട്ടറുകൾക്ക് സ്വയം ചിന്തിക്കാൻ കഴിയില്ലെന്നും "അലസമായി പ്രോഗ്രാം ചെയ്ത" ഇൻപുട്ടുകൾ അനിവാര്യമായും തെറ്റായ ഔട്ട്‌പുട്ടുകളിലേക്ക് നയിക്കുമെന്നും വില്യം ഡി. മെലിൻ എന്ന ആർമി സ്പെഷ്യലിസ്റ്റ് വിശദീകരിക്കുന്നു.

ഐബിഎം പ്രോഗ്രാമറും ഇൻസ്ട്രക്ടറുമായ ജോർജ്ജ് ഫ്യൂച്ചൽ 1960 കളുടെ തുടക്കത്തിൽ "മോശം വിവരങ്ങൾ നൽകിയാൽ, അത് (ഒരു കമ്പ്യൂട്ടർ മോഡലോ പ്രോഗ്രാമോ) മോശം വിവരങ്ങൾ നൽകും" എന്ന് പ്രസ്താവിച്ചതായി പറയപ്പെടുന്നു.^[1]

ഡിജിറ്റൈസ് ചെയ്ത ഓഡിയോ അല്ലെങ്കിൽ വീഡിയോ ഫയലുകളുടെ മോശം ഗുണനിലവാരത്തിന് വിശദീകരണമായി ഈ വാചകം ഉപയോഗിക്കാം. ഒരു സിഗ്നൽ വൃത്തിയാക്കുന്നതിനുള്ള ആദ്യപടിയാണ് ഡിജിറ്റൈസ് ചെയ്യൽ, എന്നിരുന്നാലും ഡിജിറ്റൈസേഷൻ സ്വയം ഗുണനിലവാരം മെച്ചപ്പെടുത്തുന്നില്ല. ഡിജിറ്റൈസേഷൻ യഥാർത്ഥ അനലോഗ് സിഗ്നലിലെ തകരാറുകൾ അതേപോലെ രേഖപ്പെടുത്തും, അവ പിന്നീട് തിരിച്ചറിഞ്ഞ് ഡിജിറ്റൽ സിഗ്നൽ പ്രോസസ്സിംഗ് വഴി നീക്കം ചെയ്തേക്കാം.

തെറ്റായ, അപൂർണ്ണമായ അല്ലെങ്കിൽ കൃത്യതയില്ലാത്ത ഡാറ്റ, മനുഷ്യരിലെ തീരുമാനം എടുക്കൽ പരാജയപ്പെടുന്നത് വിവരിക്കുന്നതിനും ഗാർബേജ് ഇൻ, ഗാർബേജ് ഔട്ട് പ്രയോഗം ഉപയോഗിക്കുന്നു.

മെഷീൻ ലേണിംഗിന്റെ പശ്ചാത്തലത്തിൽ, മോശം നിലവാരമുള്ള പരിശീലന ഡാറ്റ അനിവാര്യമായും മോശം നിലവാരമുള്ള ഒരു മോഡലിലേക്ക് നയിക്കുമെന്ന അർത്ഥത്തിലും ഈ വാചകം ഉപയോഗിക്കാം.