美国趣味科学网站报道
一项最新研究发出警告
最快到2026年
用完互联网上所有免费知识
难道
AI模型要挨饿了？
AI模型的数据“饕餮盛宴”
AI模型的发展
离不开大量数据
从图像识别到自然语言处理
从自动驾驶到医疗诊断
每一个成功的ai应用背后
都有着海量数据的支撑
研究团队发现
ChatGPT使用了
来自书本、网络文章、维基百科
及其他网络资源
约570GB、3000亿个单词的文本数据
进行训练
随着AI模型的不断进步
其对数据的需求也在增加
如果训练AI算法的数据
不足或质量较低
就可能产生低质量结果
例如
美国谷歌公司的“双子座”AI
曾建议网友吃石头
或者给披萨涂胶水
网络公开数据的“有限供给”
虽然网络公开数据的规模
在不断扩大
但与AI模型的需求相比
仍然显得捉襟见肘
计算出目前的网页总数
约为2500亿个
其中每个页面
包含约7000字节文本
根据最新预测
AI模型将在2026年至2032年间
用完所有网络公开数据
图像数据也预计
将在2030年至2060年耗尽
随着AI技术的深入发展
对于数据的质量和多样性要求
也越来越高
这无疑加剧了数据的供需矛盾
数据资源的短缺
可能会限制AI模型的训练和优化
美国人工智能时代研究所
研究员巴勃罗·比利亚洛沃斯认为
假如聊天机器人耗尽所有可用数据
而数据效率没有进一步提升
预计该领域的发展将陷入相对停滞
如何应对数据“饥荒”？
前几天
《时代》杂志与OpenAI宣布
两家公司达成了一项为期多年的
内容协议和战略合作伙伴关系
该协议允许OpenAI
将《时代》杂志内容引入ChatGPT
并帮助训练其最先进的人工智能模型
据介绍
OpenAI可以通过这笔交易
访问《时代》过去100多年的
档案和文章
与此同时
OpenAI还在与数十家出版商
洽谈内容授权协议
从私人数据库中获取数据
正成为AI科技公司解决
数据“饥荒”的方向
比利亚洛沃斯认为
如果相关措施成功落地
并且私人数据
与公共网络数据一样有用
那么主要AI企业
有望在2030年以前
保持足够多的数据量
不过
有业内人士警告
如果有企业
试图在未经许可的情况下
获取知识产权或者私人信息
可能会面临司法风险
津公网安备12011002023007号