AI ने तयार केलेल्या या प्रशिक्षण सामग्रीला काय म्हणतात?

सिंथेटिक डेटा हे प्रत्यक्ष मानवी लेखन, प्रतिमा किंवा घटनांमधून गोळा केलेल्या ऐवजी एआय मॉडेल्स किंवा संगणकीय अनुकरणांद्वारे तयार केलेले प्रशिक्षण-साहित्य असते. एआय लॅब्ज प्रशिक्षणासाठी उपलब्ध ताज्या, उच्च-गुणवत्तेच्या मानवनिर्मित मजकुराच्या मर्यादा वाढत्या प्रमाणात गाठत असल्याने, सिंथेटिक डेटा ही तूट भरून काढण्याचा एक मार्ग ठरतो, विशेषतः जिथे प्रत्यक्ष उदाहरणे दुर्मिळ, गोळा करण्यास महाग किंवा खासगी आहेत अशा क्षेत्रांत, ज्यामुळे संशोधकांना मोठ्या प्रमाणात अतिरिक्त, सानुकूलित प्रशिक्षण-उदाहरणे तयार करता येतात.

ओपन-सोर्स डेटा म्हणजे कोणालाही मुक्तपणे वापरता किंवा बदलता येण्याजोगी माहिती किंवा कोड, हा परवाना-संबंधी संकल्पना आहे, मजकूर एआयने तयार केला आहे की नाही याच्याशी असंबंधित. मेटाडेटा म्हणजे इतर डेटाबद्दलची वर्णनात्मक माहिती, जसे फाईलची तयार होण्याची तारीख किंवा लेखक, स्वतः एआयने तयार केलेला प्रशिक्षण-मजकूर नव्हे.

संशोधकांनी इशारा दिला आहे की खरोखरच्या मानवनिर्मित मजकुराऐवजी आधीच्या एआय मॉडेल्सनी तयार केलेल्या डेटावर नवीन एआय मॉडेल्सना खूप जास्त प्रशिक्षित केल्यास, पुढील पिढ्यांगणिक गुणवत्ता व विविधता हळूहळू घसरू शकते, या फीडबॅक-लूप समस्येला संशोधकांनी "मॉडेल कोलॅप्स" असे टोपणनाव दिले आहे.