Come si chiama questo materiale di addestramento generato dall'IA?

I dati sintetici sono materiale di addestramento generato da modelli di IA o simulazioni informatiche, anziché raccolto direttamente da testi, immagini o eventi reali scritti da esseri umani. Man mano che i laboratori di IA incontrano sempre più limiti nella quantità di testo umano fresco e di alta qualità disponibile per l'addestramento, i dati sintetici offrono un modo per colmare le lacune, specialmente in ambiti in cui gli esempi reali sono scarsi, costosi da raccogliere o privati, permettendo ai ricercatori di generare grandi volumi di esempi di addestramento aggiuntivi e su misura.

I dati open source si riferiscono a informazioni o codice liberamente disponibili per chiunque li usi o modifichi, un concetto legato alla licenza estraneo al fatto che il contenuto sia stato generato dall'IA. I metadati sono semplicemente informazioni descrittive su altri dati, come la data di creazione o l'autore di un file, non contenuti di addestramento generati da un sistema di IA.

I ricercatori hanno sollevato preoccupazioni sul fatto che addestrare nuovi modelli di IA troppo pesantemente su dati generati da modelli di IA precedenti, anziché su contenuti genuinamente creati da esseri umani, possa gradualmente degradare qualità e diversità nel corso di generazioni successive, un problema a circuito di retroazione che i ricercatori hanno soprannominato "collasso del modello".