Loại tài liệu huấn luyện do AI tạo ra này được gọi là gì?

Dữ liệu tổng hợp là tài liệu huấn luyện được tạo ra bởi các mô hình AI hoặc mô phỏng máy tính, thay vì được thu thập trực tiếp từ văn bản, hình ảnh hay sự kiện do con người viết ra hoặc tạo ra trong thế giới thực. Khi các phòng thí nghiệm AI ngày càng gặp giới hạn về lượng văn bản mới, chất lượng cao do con người tạo ra sẵn có để huấn luyện, dữ liệu tổng hợp mang lại một cách lấp đầy khoảng trống, đặc biệt ở những lĩnh vực mà ví dụ thực tế khan hiếm, tốn kém để thu thập, hoặc mang tính riêng tư, cho phép các nhà nghiên cứu tạo ra khối lượng lớn ví dụ huấn luyện bổ sung, phù hợp nhu cầu.

Dữ liệu mã nguồn mở chỉ đơn giản là thông tin hoặc mã miễn phí cho bất kỳ ai sử dụng hay chỉnh sửa, một khái niệm cấp phép không liên quan đến việc nội dung đó có được AI tạo ra hay không. Metadata chỉ đơn giản là thông tin mô tả về dữ liệu khác, chẳng hạn ngày tạo hay tác giả của một tệp, không phải nội dung huấn luyện do một hệ thống AI tạo ra.

Các nhà nghiên cứu đã bày tỏ lo ngại rằng việc huấn luyện các mô hình AI mới quá nhiều dựa trên dữ liệu do các mô hình AI trước đó tạo ra, thay vì nội dung thực sự do con người tạo ra, có thể dần dần làm suy giảm chất lượng và tính đa dạng qua các thế hệ liên tiếp, một vấn đề vòng lặp phản hồi mà các nhà nghiên cứu gọi là "sụp đổ mô hình" (model collapse).