Wie nennt man dieses von KI erzeugte Trainingsmaterial?

Synthetische Daten sind Trainingsmaterial, das von KI-Modellen oder Computersimulationen erzeugt wird, statt direkt aus realen menschlichen Texten, Bildern oder Ereignissen gesammelt zu werden. Weil KI-Labore zunehmend an Grenzen stoßen, was die Menge frischer, hochwertiger, menschlich erzeugter Texte fürs Training angeht, bieten synthetische Daten eine Möglichkeit, Lücken zu füllen, besonders in Bereichen, in denen echte Beispiele knapp, teuer zu beschaffen oder privat sind, und erlauben es Forschern, große Mengen zusätzlicher, maßgeschneiderter Trainingsbeispiele zu erzeugen.

Open-Source-Daten bezeichnen Informationen oder Code, die für jeden frei nutzbar oder veränderbar sind, ein Lizenzkonzept ohne Bezug dazu, ob der Inhalt von KI erzeugt wurde. Metadaten sind schlicht beschreibende Informationen über andere Daten, etwa das Erstellungsdatum oder der Autor einer Datei, kein von einer KI selbst erzeugter Trainingsinhalt.

Forscher haben Bedenken geäußert, dass das Training neuer KI-Modelle zu stark auf Daten, die frühere KI-Modelle erzeugt haben, statt auf echten, menschlich erstellten Inhalten, über mehrere Generationen hinweg schrittweise Qualität und Vielfalt verschlechtern kann, ein Rückkopplungsproblem, das Forscher "Modellkollaps" getauft haben.