Apakah nama bahan latihan hasil ciptaan AI ini?

Data sintetik ialah bahan latihan yang dijana oleh model AI atau simulasi komputer berbanding dikumpul terus daripada penulisan, imej, atau peristiwa dunia sebenar manusia. Memandangkan makmal AI semakin mengalami had jumlah teks segar berkualiti tinggi yang dihasilkan manusia yang tersedia untuk latihan, data sintetik menawarkan satu cara untuk mengisi jurang tersebut, terutamanya dalam bidang di mana contoh sebenar terhad, mahal untuk dikumpul, atau persendirian, membolehkan penyelidik menjana jumlah besar contoh latihan tambahan yang disesuaikan.

Data sumber terbuka merujuk kepada maklumat atau kod yang tersedia secara bebas untuk sesiapa sahaja menggunakan atau mengubahsuainya, satu konsep pelesenan yang tiada kaitan dengan sama ada kandungan itu dijana oleh AI. Metadata pula hanyalah maklumat deskriptif tentang data lain, seperti tarikh penciptaan atau pengarang sesebuah fail, bukan kandungan latihan yang dijana oleh sistem AI itu sendiri.

Penyelidik telah menimbulkan kebimbangan bahawa melatih model AI baharu terlalu bergantung kepada data yang dijana oleh model AI terdahulu, berbanding kandungan tulen ciptaan manusia, boleh secara beransur-ansur menjejaskan kualiti dan kepelbagaian merentasi generasi berikutnya, satu masalah gelung maklum balas yang digelar penyelidik sebagai "model collapse".