AI 公司正試圖通過“創(chuàng)造信息”來獲得用于訓(xùn)練 AI 系統(tǒng)的大量數(shù)據(jù),這被稱為 "合成數(shù)據(jù)",F(xiàn)在,AI 模型的發(fā)展已經(jīng)達到了人類創(chuàng)造的數(shù)據(jù)的極限,因此需要新的方法來訓(xùn)練模型。
目前,訓(xùn)練 AI 模型的數(shù)據(jù)主要來自于互聯(lián)網(wǎng),用于訓(xùn)練這些系統(tǒng)的數(shù)據(jù)包括數(shù)字化的圖書、新聞文章、博客、搜索查詢、Twitter 和 Reddit 帖子、YouTube 視頻和 Flickr 圖像等內(nèi)容。
但是隨著生成式 AI 技術(shù)的發(fā)展,即使是資金充裕的 AI 公司也很難找到易獲取且高質(zhì)量的數(shù)據(jù)。合成數(shù)據(jù)的使用可以繞過這個問題,公司可以使用 AI 模型生成文本、代碼等信息,并用于訓(xùn)練更先進的模型。
根據(jù) Cohere 的首席執(zhí)行官 Aidan Gomez 的說法,合成數(shù)據(jù)已經(jīng)很多,只是沒有被廣泛傳播。例如,為了訓(xùn)練一個模型進行高級數(shù)學(xué),Cohere 可能會使用兩個互相交流的 AI 模型,其中一個扮演數(shù)學(xué)導(dǎo)師,另一個扮演學(xué)生。Gomez 表示:“他們正在進行三角學(xué)的對話…… 這完全是合成的。這些只是模型想象出來的。然后人類觀察這段對話,如果模型說錯了內(nèi)容,就進行修正。這是目前的現(xiàn)狀。”
微軟研究院的兩項最新研究表明,合成數(shù)據(jù)可以用于訓(xùn)練比 OpenAI 的 GPT-4或 Google 的 PaLM-2等最先進的軟件更小更簡單的模型。其中一篇論文描述了 GPT-4生成的一組短篇故事的合成數(shù)據(jù)集,該數(shù)據(jù)集只包含一個典型四歲孩子可能理解的詞語。這個數(shù)據(jù)集被稱為 TinyStories,然后用于訓(xùn)練一個簡單的 LLM,能夠生成流利和符合語法的故事。
另一篇論文展示了可以使用合成的 Python 代碼進行訓(xùn)練,這些代碼以教科書和練習(xí)的形式存在,他們發(fā)現(xiàn)這些代碼在編碼任務(wù)上表現(xiàn)相對不錯。
一些初創(chuàng)公司如 Scale AI 和 Gretel.ai 已經(jīng)提供合成數(shù)據(jù)作為服務(wù),這種數(shù)據(jù)可以保護個人隱私,同時保持統(tǒng)計數(shù)據(jù)的完整性。Gretel 由前美國國家安全局和中央情報局的情報分析師創(chuàng)立,與谷歌、匯豐銀行、Riot Games 和 Illumina 等公司合作,通過合成數(shù)據(jù)的方式來增強他們現(xiàn)有的數(shù)據(jù),以幫助訓(xùn)練更好的 AI 模型。
然而,使用低質(zhì)量的合成數(shù)據(jù)可能會阻礙進展,并可能導(dǎo)致技術(shù)的退化。隨著 AI 生成的文本和圖像開始充斥互聯(lián)網(wǎng),AI 公司在搜索訓(xùn)練數(shù)據(jù)時不可避免地會使用其自身早期版本生成的原始數(shù)據(jù),這種現(xiàn)象被稱為 “dog-fooding”。一項來自牛津和劍橋等大學(xué)的研究最近警告稱,訓(xùn)練模型時使用自身的原始輸出(可能包含虛假或捏造的信息)可能會逐漸損害和降低技術(shù)的質(zhì)量,造成 “不可逆的缺陷”。盡管存在這些風(fēng)險,AI 研究人員認為合成數(shù)據(jù)有助于加速超級智能 AI 系統(tǒng)的發(fā)展。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。