研究人員證實(shí)用AI生成結(jié)果訓(xùn)練AI將導(dǎo)致模型退化乃至崩潰

　　6月14日消息，研究人員近日發(fā)現(xiàn)，“在訓(xùn)練中使用模型生成的內(nèi)容，將導(dǎo)致后續(xù)生成的模型出現(xiàn)不可逆轉(zhuǎn)的缺陷”，也就是說，“用 AI 生成的結(jié)果訓(xùn)練 AI，只會(huì)讓模型變得越來越差”。這項(xiàng)研究成果的詳細(xì)論文已發(fā)表在了 arXiv 之上。

　　據(jù)IT之家報(bào)道，研究人員專門研究了 AI 生成模型的概率分布，主要圍繞“文本到文本”和“圖像到圖像”展開，最終得出結(jié)論：“由于每個(gè)模型生成的結(jié)果都具有一定的特點(diǎn)，因此用 AI 生成的模型訓(xùn)練 AI，隨著時(shí)間的推移，后者會(huì)忘記真正的底層數(shù)據(jù)分布。”

　　論文的主要作者之一 Ilia Shumailov 表示，“隨著時(shí)間的推移，生成數(shù)據(jù)中的錯(cuò)誤會(huì)迫使 AI 進(jìn)一步錯(cuò)誤地感知現(xiàn)實(shí)，我們驚訝地觀察到模型崩潰發(fā)生的速度相當(dāng)快，模型可以迅速忘記他們最初從中學(xué)習(xí)的大部分原始數(shù)據(jù)。”

　　如果將 AI 生成的結(jié)果經(jīng)過人工潤(rùn)色后再投入模型訓(xùn)練，是否可以避免模型“退化”?答案是否定的，研究人員發(fā)現(xiàn)“模型退化過程是不可避免的”，因此即使對(duì)于“經(jīng)過潤(rùn)色后理想化的 AI 輸出內(nèi)容”，模型在長(zhǎng)期學(xué)習(xí)后，也會(huì)出現(xiàn)一定的退化現(xiàn)象。

　　對(duì)于任何大模型而言，由于其學(xué)習(xí)數(shù)據(jù)過多，它們都將不可避免地接觸到其他 AI 生成的數(shù)據(jù)，因此研究人員表示“應(yīng)當(dāng)引入 AI 鑒定來挑出可能存在錯(cuò)誤的學(xué)習(xí)數(shù)據(jù)”以提升模型的學(xué)習(xí)能力與準(zhǔn)確性。