7月18日消息，比大更大的AI语言模型成为当今AI领域的热门话题，似乎再没有什么比它更为恰当的形容了。
大型模型的参数规模不断扩大，从十亿、百亿到千亿，训练AI所需的数据量也呈指数级增长。
以OpenAI的GPT为例，从GPT-1到GPT-3，训练数据集的规模从4.5GB急剧增长至570GB。
不久前，由Databricks举办的Data+AI大会上，a16z创始人马克·安德森认为，互联网在过去二十多年积累的海量数据是新一轮AI浪潮兴起的重要原因，因为这些数据为AI训练提供了可用的素材。
然而，尽管网民在网络上留下了大量有用或无用的数据，对于AI训练来说，这些数据可能即将见底。
人工智能研究和预测组织Epoch发表的一篇论文预测，高质量的文本数据将在2023年至2027年之间消耗殆尽。
尽管研究团队承认分析方法存在严重局限性，模型的不准确性较高，但很难否认AI对数据集的消耗速度令人担忧。
当人类数据用尽后，AI训练不可避免地将依赖于AI自身生成的内容。然而，这种"内循环"会带来巨大挑战。
最近，来自剑桥大学、牛津大学、多伦多大学等高校的研究人员发表的论文指出，使用AI生成的内容来训练AI会导致新模型的崩溃。
那么，为什么使用"生成数据"来训练AI会导致模型崩溃?是否还有拯救的办法呢?
研究人员在名为"递归的诅咒：用生成数据训练会使模型遗忘"的论文中指出，"模型崩溃"是几代模型退化的过程。
在早期的模型崩溃中，模型会逐渐失去对原始数据分布的理解，也就是"干净的人类数据"。
在晚期阶段，模型会将几代模型对原始数据分布的错误认知纠缠在一起，进而扭曲对现实的认知。
研究人员首先对小样本模型GMM(高斯混合模型)和VAE(变量自动编码器)进行了训练。以GMM为例，他们观察到模型在开始几十次迭代时对数据的拟合非常好。然而，随着迭代的进行，模型对数据分布的理解开始出现错误。当迭代达到2000次时，模型已经收敛到一个非常小的点，意味着模型开始稳定地输出错误的答案。
为了验证预训练对实验结果的影响，研究人员还在1.25亿参数的LLM(大语言模型)OPT-125m上进行了实验，数据集来自维基百科的wikitext2。通过实验结果可以看出，到了第9代模型时，输出的内容已经变得毫无意义。
论文的作者之一伊利亚·舒迈洛夫表示，随着时间的推移，人工智能生成的数据中的错误会不断累积，主要模型在接受这些数据训练后，会对现实产生更加扭曲的认知。
那么，为什么会出现模型崩溃呢?
模型崩溃的主要原因在于AI并非真正的智能，其所展现的近似"智能"能力实际上是基于大量数据的统计学方法。
基本上，所有无监督机器学习算法都遵循着一个简单的模式：给定一系列数据，训练出一个能够描述这些数据规律的模型。
在这个过程中，模型更容易关注出现概率较高的数据，而对于出现概率较低的数据则容易低估。
举个例子，假设我们需要记录100次掷骰子的结果来计算每个面出现的概率。理论上，每个面出现的概率是相等的。然而，在实际生活中，由于样本量较小，可能会出现某些面的出现次数比较多的情况。但是对于模型而言，它学习到的数据就是某些面出现的概率较高，因此它会更倾向于生成更多的这些面的结果。
那么，有没有办法解决模型崩溃的问题呢?
事实上，并不是所有的希望都已经破灭。
当人类数据越来越稀缺时，AI训练仍然有机会，有一些方法可以解决数据枯竭的问题：
首先是数据"隔离"。随着AI的不断强大，越来越多的人开始使用AI辅助工作，因此可用的"干净人类数据集"可能会越来越难以获取。为了解决模型崩溃问题，研究团队提出了一种"先行者优势"的方法，即将干净的人工生成数据源与AI生成的内容分离开来，以防止AIGC对干净数据的污染。这需要社区和公司的共同努力，共同保护人类数据免受AIGC的污染。
其次是使用合成数据。实际上，专门基于AI生成的数据已经被广泛用于AI的训练。对于一些从业者来说，目前关注AI生成数据导致模型崩溃的担忧可能有些夸大其词。光轮智能创始人谢晨表示，国外的研究论文中对于AI生成数据导致模型崩溃的实验方法并不准确。无论是人类数据还是AI生成的数据，都存在可用性和不可用性的区别。因此，关键在于建立一套有效的体系来区分AI生成的数据中的可用和不可用部分，并根据训练后模型的效果进行反馈。OpenAI使用合成数据进行模型训练已经成为AI行业内的共识。
总之，尽管人类数据面临枯竭的问题，但AI训练并非没有解决办法。通过数据的隔离和合成数据的使用，可以有效克服模型崩溃的问题，确保AI的持续发展。
本文链接：//www.dmpip.com//www.dmpip.com/showinfo-45-981-0.html数据枯竭引发AI危机：模型崩溃如何解决？
声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com
上一篇： 马斯克建立xAI以防止人工智能垄断
Copyright © 2016-2023 天津谷骐科技有限公司 版权所有 sitemap.xml
违法及侵权请联系：2376512515@qq.com 津ICP备18001702号
津公网安备 12010102000574号
