Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Garbage in, garbage out

Engels: Garbage in, garbage out · Ook wel: GIGO, rubbish in, rubbish out

In het kort

Garbage in, garbage out is het principe dat de kwaliteit van de uitkomst afhangt van de kwaliteit van de invoer. Een model kan correct rekenen en toch foute voorspellingen geven, omdat het leert van onvolledige, verouderde of eenzijdige gegevens. Een voorraadmodel dat alleen oude of onvolledige verkoopcijfers krijgt, schat de toekomstige vraag daardoor verkeerd in en bestelt te veel of te weinig.

Waarom is dit belangrijk?

Wie de invoer vooraf controleert, kan voorkomen dat een AI-systeem fouten overneemt en die daarna als een betrouwbaar resultaat toont. In de zorg kunnen onjuiste patiëntgegevens in een AI-systeem leiden tot verkeerde besluitvorming en tot ongelijke behandeling van patiënten. Op school en op het werk geldt hetzelfde risico: een vloeiend antwoord blijft zwak zolang niemand de gebruikte bronnen heeft nagekeken.

Zo werkt het in de praktijk

Het Algoritmekader van de Rijksoverheid noemt garbage in, garbage out bij de controle van data. De kwaliteit van de invoer bepaalt de uitkomst van het algoritme. Als voorbeeld staat Avola van de gemeente Rotterdam, dat een consulent advies geeft over een uitkering.

Onderzoek in Quantitative Science Studies bekeek artikelen die modellen trainen met door mensen gelabelde data. De vraag was of die artikelen goede werkwijzen voor labelen beschrijven. De kwaliteit van die trainingsdata bepaalt hoe goed het model is.

De commissie ISO/IEC SC 42 publiceerde de reeks ISO/IEC 5259 over datakwaliteit voor AI. Die reeks beschrijft een model, meetwijzen en afspraken voor beheer. Het Algoritmekader noemt ook kwaliteitscriteria voor datasets van hoog-risico-AI in de AI-verordening.

Bron: artofai.nl

Gecontroleerd op 5 november 2026