AI公司面临训练数据枯竭危机 高质量数据将在2026年前耗尽

**划重点:**

1. 🚱 **数据枯竭危机:** AI公司可能在不久的将来面临培训数据枯竭的风险，根据研究，高质量文本培训数据可能在2026年耗尽，而低质量文本和图像数据则可能在2030年至2060年之间枯竭。

2. 🔄 **合成数据风险:** 对于数据饥渴的AI公司来说，使用由AI模型生成的合成数据进行训练可能并非可行的解决方案。研究表明，训练AI模型使用AI生成的内容可能导致模型内在的畸形效应，使输出变得混乱和怪异。

3. 💼 **数据合作伙伴关系:** 面对这一潜在问题，除非出现大规模人类内容农场，否则解决方法可能在于建立数据合作伙伴关系。这意味着拥有丰富高质量数据的公司或机构与AI公司达成协议，交换数据以换取资金。

近期，人工智能（AI）公司正面临一个严峻的挑战:训练数据的枯竭。数据在AI经济中发挥着中心作用，是模型基本功能和质量的关键推动力。然而，令AI公司感到担忧的是，自然数据是一种有限资源，如果这一资源枯竭，研究人员认为公司可能面临严重考验。

图源备注：图片由AI生成，图片授权服务商Midjourney

澳大利亚麦考瑞大学的信息技术法学教授Rita Matulionyte在《对话》杂志的一篇文章中指出，AI研究人员近一年来一直在敲响数据供应告急的警钟。根据去年Epoch AI人工智能预测组织的一项研究，AI公司可能在2026年前耗尽高质量文本训练数据，而低质量文本和图像数据的枯竭时间可能介于2030年至2060年之间。

这对AI公司而言是一个岌岌可危的局面，因为AI系统需要大量数据来运行和改进。随着开发人员不断注入更多数据，AI模型已经取得了巨大的进步。如果数据供应停滞不前，模型和整个行业可能会受到影响。

Matulionyte提出了使用合成数据的可能解决方案，即由AI模型生成的数据用于培训新模型，以缓解对数据的渴望。然而，这可能并非一个可行的解决方案。实际上，使用合成内容可能会完全破坏给定的模型;一些研究表明，将AI模型训练用于AI生成的内容会导致明显的近亲繁殖效应，数据集中缺乏差异性，导致输出混乱而怪异。尽管一些公司已经在尝试使用合成培训集，但这并非保证解决问题的方法。

目前，对于这一潜在问题而言，最实际的解决方案可能是建立数据合作伙伴关系，除非出现大规模的人类内容农场。基本上，拥有丰富且备受追捧的高质量数据的公司或机构与AI公司达成协议，提供数据，很可能是以现金交换的方式。

值得注意的是，大多数用于培训AI系统的数据集实际上是由我们在线创建的互联网抓取数据制成的。因此，数据合作伙伴关系可能是一种不错的选择。然而，随着数据的价值不断提高，有趣的是看看有多少AI公司实际上能够竞争获取数据集，更不用说有多少机构或个人愿意向AI公司提供他们的数据了。

即便如此，也不能保证数据井永远不会枯竭。尽管互联网看似无限，但实际上很少有什么是永无止境的。