色综合天天干,日韩人妻无码一区av免费,国产成人综合日韩精品婷婷九月,国产98色在线,欧美一级a在线作爱免费观看,亚洲精品美女网站在线观看,99久久亚洲综合精品网站

客戶端
官方微信
官方微博
今日頭條
北疆觀察
數(shù)字報(bào)刊
北疆新聞 > 經(jīng)濟(jì) > 正文
合成數(shù)據(jù)能否讓AI模型精確可靠?
2025年01月22日 09:15 來源:科技日?qǐng)?bào) 關(guān)燈

人工智能(AI)初創(chuàng)公司xAI創(chuàng)始人埃隆·馬斯克近日表示:“在AI訓(xùn)練中,我們現(xiàn)在基本上耗盡了人類知識(shí)的累積總和。”之前研究也表明,人類生成的真實(shí)數(shù)據(jù)將在2到8年內(nèi)消耗殆盡。鑒于真實(shí)數(shù)據(jù)日益稀缺,為滿足AI的“胃口”,科技行業(yè)正轉(zhuǎn)向使用合成數(shù)據(jù)。

澳大利亞“對(duì)話”網(wǎng)站在本月稍早時(shí)間報(bào)道中指出,合成數(shù)據(jù)具有諸多優(yōu)勢(shì),但過度依賴合成數(shù)據(jù)也可能削弱AI的精確性和可靠性。

合成數(shù)據(jù)應(yīng)運(yùn)而生

以往,科技公司主要依賴真實(shí)數(shù)據(jù)來構(gòu)建、訓(xùn)練和改進(jìn)AI模型。真實(shí)數(shù)據(jù)是指由人類創(chuàng)建的文本、視頻和圖像。它們通過調(diào)查、實(shí)驗(yàn)、觀察或挖掘網(wǎng)站和社交媒體等途徑被收集而來。

真實(shí)數(shù)據(jù)因蘊(yùn)含真實(shí)事件以及其場(chǎng)景和背景而極具價(jià)值,但其并非盡善盡美。它可能摻雜拼寫錯(cuò)誤、不一致或無關(guān)的內(nèi)容,甚至潛藏嚴(yán)重偏見,導(dǎo)致生成式AI模型在某些情況下創(chuàng)建的圖像僅展示男性或白人形象。

但真實(shí)數(shù)據(jù)日益匱乏,因?yàn)槿祟惿蓴?shù)據(jù)的速度趕不上AI不斷增長(zhǎng)的需求。

美國開放人工智能研究中心聯(lián)合創(chuàng)始人伊利亞·蘇茨克維爾在去年12月舉行的機(jī)器學(xué)習(xí)會(huì)議上聲稱,AI行業(yè)已觸及他所稱的“數(shù)據(jù)峰值”,AI的訓(xùn)練數(shù)據(jù)如同化石燃料一樣面臨著耗盡的危機(jī)。此外,有研究預(yù)測(cè),到2026年,ChatGPT等大型語言模型的訓(xùn)練將耗盡互聯(lián)網(wǎng)上所有可用文本數(shù)據(jù),屆時(shí)將沒有新的真實(shí)數(shù)據(jù)可供使用。

為給AI提供充足的“養(yǎng)分”,一種由算法生成的、模仿真實(shí)世界情況的數(shù)據(jù)——合成數(shù)據(jù)應(yīng)運(yùn)而生。合成數(shù)據(jù)是在數(shù)字世界中創(chuàng)造的,而非從現(xiàn)實(shí)世界收集或測(cè)量而來。它可以作為真實(shí)世界數(shù)據(jù)的替代品,來訓(xùn)練、測(cè)試、驗(yàn)證AI模型。

從理論上來說,合成數(shù)據(jù)為訓(xùn)練AI模型提供了一種經(jīng)濟(jì)高效且快捷的解決方案。它有效解決了AI訓(xùn)練使用真實(shí)數(shù)據(jù)時(shí)飽受詬病的隱私問題和道德問題,尤其是涉及個(gè)人健康數(shù)據(jù)等敏感信息時(shí)。更重要的是,與真實(shí)數(shù)據(jù)不同,合成數(shù)據(jù)在理論上可以無限供應(yīng)。

研究機(jī)構(gòu)高德納公司估計(jì),2024年AI及分析項(xiàng)目使用的數(shù)據(jù)中,約60%是合成數(shù)據(jù)。到2030年,AI模型使用的絕大部分?jǐn)?shù)據(jù)將是由AI生成的合成數(shù)據(jù)。

科技公司來者不拒

事實(shí)上,微軟、元宇宙平臺(tái)公司,以及Anthropic等眾多科技頭部企業(yè)和初創(chuàng)企業(yè),已經(jīng)開始廣泛使用合成數(shù)據(jù)來訓(xùn)練其AI模型。

例如,微軟在1月8日開源的AI模型“Phi-4”,便是合成數(shù)據(jù)攜手真實(shí)數(shù)據(jù)訓(xùn)練的;谷歌的“Gemma”模型也采用了類似方法。Anthropic公司也利用部分合成數(shù)據(jù),開發(fā)出其性能最優(yōu)異的AI系統(tǒng)之一“Claude 3.5 Sonnet”。蘋果自研AI系統(tǒng)Apple Intelligence,在預(yù)訓(xùn)練階段,也大量使用了合成數(shù)據(jù)。

隨著科技公司對(duì)合成數(shù)據(jù)的需求與日俱增,生產(chǎn)合成數(shù)據(jù)的工具也接踵而至。

英偉達(dá)公司發(fā)布的3D仿真數(shù)據(jù)生成引擎Omniverse Replicator,能夠生成合成數(shù)據(jù),用于自動(dòng)駕駛汽車和機(jī)器人訓(xùn)練。去年6月,英偉達(dá)開源了Nemotron-4340b系列模型,開發(fā)者可使用該模型生成合成數(shù)據(jù),用于訓(xùn)練大型語言模型,以應(yīng)用于醫(yī)療保健、金融、制造、零售等行業(yè)。在醫(yī)療、金融等專業(yè)領(lǐng)域,該模型能夠根據(jù)特定需求生成高質(zhì)量的合成數(shù)據(jù),幫助構(gòu)建更為精準(zhǔn)的行業(yè)專屬模型。微軟推出的開源合成數(shù)據(jù)工具Synthetic Data Showcase則旨在通過生成合成數(shù)據(jù)和用戶界面,實(shí)現(xiàn)隱私保護(hù)的數(shù)據(jù)共享和分析。亞馬遜云科技推出的Amazon SageMaker Ground Truth也能為用戶生成數(shù)十萬張自動(dòng)標(biāo)記的合成圖像。

此外,去年12月,元宇宙平臺(tái)公司推出開源大模型Llama 3.3,更是大幅降低了生成合成數(shù)據(jù)的成本。

過度依賴風(fēng)險(xiǎn)難測(cè)

盡管合成數(shù)據(jù)暫時(shí)解決了AI訓(xùn)練的燃眉之急,但它也并非盡善盡美。

一個(gè)關(guān)鍵問題在于:當(dāng)AI模型過于依賴合成數(shù)據(jù)時(shí),它們可能會(huì)“崩潰”。它們會(huì)產(chǎn)生更多“幻覺”,編造看似合理可信但實(shí)際上并不存在的信息。而且,AI模型的質(zhì)量和性能也會(huì)飛速下降,甚至無法使用。例如,某個(gè)AI模型生成的數(shù)據(jù)出現(xiàn)了一些拼寫錯(cuò)誤,利用這些充滿了錯(cuò)誤的數(shù)據(jù)訓(xùn)練其他模型,這些AI模型必定會(huì)“以訛傳訛”,導(dǎo)致更大的錯(cuò)誤。

此外,合成數(shù)據(jù)也存在過于簡(jiǎn)單化的風(fēng)險(xiǎn)。它可能缺乏真實(shí)數(shù)據(jù)集蘊(yùn)含的細(xì)節(jié)和多樣性,這可能導(dǎo)致在其上訓(xùn)練的AI模型的輸出也過于簡(jiǎn)單,缺乏實(shí)用性。

為解決這些問題,國際標(biāo)準(zhǔn)化組織需要著手創(chuàng)建強(qiáng)大的系統(tǒng),來跟蹤和驗(yàn)證AI訓(xùn)練數(shù)據(jù)。此外,AI系統(tǒng)可以配備元數(shù)據(jù)追蹤功能,讓用戶或系統(tǒng)能對(duì)合成數(shù)據(jù)進(jìn)行溯源。人類也需要在AI模型的整個(gè)訓(xùn)練過程中對(duì)合成數(shù)據(jù)進(jìn)行監(jiān)督,以確保其高質(zhì)量且符合道德標(biāo)準(zhǔn)。

AI的未來在很大程度上取決于數(shù)據(jù)的質(zhì)量,合成數(shù)據(jù)將在克服數(shù)據(jù)短缺方面發(fā)揮越來越重要的作用。對(duì)合成數(shù)據(jù)的使用,人們必須保持謹(jǐn)慎態(tài)度,盡量減少錯(cuò)誤,確保其作為真實(shí)數(shù)據(jù)的可靠補(bǔ)充,從而保障AI系統(tǒng)的準(zhǔn)確性和可信度。

北疆新聞 | 內(nèi)蒙古自治區(qū)重點(diǎn)新媒體平臺(tái),內(nèi)蒙古出版集團(tuán)?內(nèi)蒙古新華報(bào)業(yè)中心主管主辦的國家互聯(lián)網(wǎng)新聞信息采編發(fā)布服務(wù)一類資質(zhì)平臺(tái)。

編輯:方琳
5390

北疆新聞版權(quán)與免責(zé)聲明:

一、凡本站中注明“來源:北疆新聞”的所有文字、圖片和音視頻,版權(quán)均屬北疆新聞所有,轉(zhuǎn)載時(shí)必須注明“來源:北疆新聞”,并附上原文鏈接。

二、凡來源非北疆新聞的新聞(作品)只代表本網(wǎng)傳播該消息,并不代表贊同其觀點(diǎn)。

如因作品內(nèi)容、版權(quán)和其它問題需要同本網(wǎng)聯(lián)系的,請(qǐng)?jiān)谝娋W(wǎng)后30日內(nèi)進(jìn)行,聯(lián)系郵箱:bjwmaster@163.com。

上海推出首條紅色旅游巴士專線

版權(quán)聲明:北疆新聞版權(quán)所有,未經(jīng)書面授權(quán),不得轉(zhuǎn)載或建立鏡像,違者依法必究。 本站違法和不良信息舉報(bào)電話:15648148811蒙ICP備16001043號(hào)-1

Copyright © 2016- 北疆新聞網(wǎng) All Rights Reserved互聯(lián)網(wǎng)新聞信息服務(wù)許可證:15120200009-1蒙公網(wǎng)安備:15010502001245