The problem of ‘model collapse’: how a lack of human data limits AI progress
“模型崩溃”问题：缺乏人类数据限制人工智能的进步

Research suggests use of computer-made ‘synthetic data’ to train top AI models could lead to nonsensical results in future
研究表明，使用计算机制造的“合成数据”来训练顶级人工智能模型可能会在未来导致荒谬的结果。

发布于2024年7月24日更新于2024年7月25日 11:40 迈克尔•皮尔

The use of computer-generated data to train artificial intelligence models risks accelerating their collapse into nonsensical results, according to new research that highlights looming challenges to the emerging technology.

一项新的研究显示，使用计算机生成的数据来训练人工智能模型有可能会加速其崩溃，从而产生毫无意义的结果，这项研究突显了这一新兴技术所面临的挑战。

您已阅读6%（294字），剩余94%（4685字）包含更多重要信息，订阅以继续探索完整内容，并享受更多专属服务。

The problem of ‘model collapse’: how a lack of human data limits AI progress“模型崩溃”问题：缺乏人类数据限制人工智能的进步

人工智能

相关话题

推荐阅读

The problem of ‘model collapse’: how a lack of human data limits AI progress
“模型崩溃”问题：缺乏人类数据限制人工智能的进步