1 月 9 日消息，據 TechCrunch 報道，馬斯克與其他人工智能專家一致認為，現實世界中用于訓練 AI 模型的數據幾乎已經耗盡。
在周三晚間與 Stagwell 董事會主席馬克?佩恩的直播對話中，馬斯克表示：“我們現在基本上已經消耗掉了所有人類知識的積累…… 用于人工智能訓練的數據。這個現象基本上是去年發生的。”
馬斯克此番言論與前 OpenAI 首席科學家伊利亞?蘇茨克弗（Ilya Sutskever）在去年 12 月的 NeurIPS 會議上的觀點相似。蘇茨克弗曾指出，AI 行業已經達到了所謂的“數據峰值”，并預測未來缺乏足夠的訓練數據，將迫使 AI 模型的開發方式發生改變。
馬斯克認為，合成數據（IT之家注：即人工智能模型自我生成的數據）是未來的解決方案。“補充現實世界數據的唯一途徑是通過合成數據，也就是讓 AI 自己生成訓練數據。AI 會進行自我評估，并通過這一自我學習的過程不斷優化自己。”
目前，許多科技公司，包括微軟、Meta、OpenAI 和 Anthropic 等，已經開始使用合成數據來訓練他們的主力 AI 模型。據 Gartner 估計，到 2024 年，用于人工智能和數據分析項目的 60% 數據將是通過合成方式生成的。
使用合成數據的一個顯著優勢是降低成本。人工智能初創公司 Writer 表示，其 Palmyra X 004 模型幾乎完全依賴合成數據進行開發，開發成本僅為 70 萬美元，而一個規模相似的 OpenAI 模型的開發成本大約為 460 萬美元。
然而，合成數據也存在一定的風險。研究表明，合成數據可能會導致模型性能下降，輸出結果不僅缺乏創新性，而且可能變得更加偏頗，最終嚴重影響其功能性。因為模型是通過自己生成合成數據進行訓練的，如果這些數據本身帶有偏見或局限性，那么最終模型的輸出也會受到這些因素的影響。
