Ano ang tawag sa ganitong training material na gawa ng AI?

Ang synthetic data ay materyal sa training na binuo ng mga AI model o simulasyon ng computer sa halip na kinolekta nang direkta mula sa tunay na sulat, larawan, o pangyayari ng tao. Habang lalong nagkakaroon ng hangganan ang mga AI lab sa dami ng bagong at de-kalidad na tekstong ginawa ng tao na available para sa training, nag-aalok ang synthetic data ng paraan upang punan ang mga puwang, lalo na sa mga lugar kung saan bihira, mahal kolektahin, o pribado ang tunay na halimbawa, na nagpapahintulot sa mga mananaliksik na bumuo ng malaking dami ng karagdagang halimbawa sa training na naka-angkop.

Ang open-source data ay tumutukoy sa impormasyon o code na libreng available para gamitin o baguhin ng sinuman, isang konsepto ng lisensya na walang kaugnayan sa kung ang nilalaman ay binuo ng AI. Ang metadata ay simpleng nagpapaliwanag na impormasyon tungkol sa ibang datos, tulad ng petsa ng paggawa o may-akda ng isang file, hindi materyal sa training na binuo mismo ng isang sistemang AI.

Nagbabala ang mga mananaliksik na ang labis na pagte-train ng bagong modelo ng AI sa datos na nabuo ng mas naunang modelo ng AI, sa halip na tunay na nilalang ng tao, ay maaaring unti-unting bumaba ang kalidad at pagkakaiba-iba sa magkakasunod na henerasyon, isang problemang feedback-loop na tinawag ng mga mananaliksik na "model collapse."