Hoe heet dit door AI gegenereerde trainingsmateriaal?

Synthetische data is trainingsmateriaal gegenereerd door AI-modellen of computersimulaties, in plaats van rechtstreeks verzameld uit echte, door mensen geschreven tekst, afbeeldingen of gebeurtenissen. Naarmate AI-labs steeds meer tegen de grenzen aanlopen van de hoeveelheid vers, hoogwaardig, door mensen gegenereerd tekstmateriaal dat beschikbaar is voor training, biedt synthetische data een manier om hiaten op te vullen, vooral in gebieden waar echte voorbeelden schaars, duur om te verzamelen, of privé zijn, waardoor onderzoekers grote hoeveelheden extra, op maat gemaakte trainingsvoorbeelden kunnen genereren.

Open-source data verwijst naar informatie of code die vrij beschikbaar is voor iedereen om te gebruiken of aan te passen, een licentieconcept zonder verband met of de inhoud door AI werd gegenereerd. Metadata is simpelweg beschrijvende informatie over andere data, zoals de aanmaakdatum of auteur van een bestand, geen trainingsinhoud die door een AI-systeem zelf is gegenereerd.

Onderzoekers hebben hun zorgen geuit dat het te zwaar trainen van nieuwe AI-modellen op data gegenereerd door eerdere AI-modellen, in plaats van echte, door mensen gecreëerde inhoud, de kwaliteit en diversiteit over opeenvolgende generaties geleidelijk kan doen afnemen, een terugkoppelingsprobleem dat onderzoekers "model collapse" hebben genoemd.