AI chatbots could hit a ceiling after 2026 as training data runs dry

El rápido avance de la inteligencia artificial enfrenta un posible cuello de botella debido al agotamiento de los datos de entrenamiento generados por humanos de alta calidad. Las investigaciones sugieren que el suministro de contenido textual premium, como libros y artículos científicos, podría agotarse para 2026. Dado que los datos de alta calidad son costosos y su producción es lenta, no pueden seguir el ritmo del crecimiento exponencial en la demanda de entrenamiento de modelos. Esta escasez implica que la era de avances significativos en el conocimiento colectivo de la IA podría pronto estancarse, obligando a una transición hacia mejoras más incrementales, ya que los modelos se verán forzados a depender de textos de internet de menor calidad. La relevancia para open_data radica en la urgente necesidad de preservar y utilizar éticamente los vastos archivos de la producción intelectual humana. A medida que estos recursos digitales se convierten en bienes finitos, la comunidad de open_data debe abordar las implicaciones de la exhaustibilidad de los datos. Este escenario destaca la importancia crítica de mantener conjuntos de datos accesibles y de alta fidelidad, ya que su ausencia podría obstaculizar la innovación. También subraya la necesidad de explorar métodos alternativos de generación de datos, como el contenido sintetizado por IA, que requieren una cuidadosa curación para evitar la propagación de sesgos o errores encontrados en ciclos de generación propia. Aunque los datos sintéticos ofrecen una solución prometedora, introducen riesgos significativos en cuanto a la precisión y la amplificación de sesgos. Modificar conjuntos de datos existentes o utilizar texto generado por IA puede extender la longevidad, pero a menudo compromete la calidad, lo que podría estancar el progreso adicional. Los expertos sugieren que las limitaciones de datos son un desafío habitual en el aprendizaje automático, sin embargo, el agotamiento específico de corpus lingüísticos de alta calidad presenta una barrera estructural única. Abordar esto requiere un cambio de enfoque desde el volumen puro hacia la eficiencia y la garantía de calidad, enfatizando el papel de los ecosistemas de datos abiertos y verificados en la sostenibilidad del desarrollo futuro de la IA más allá de la curva de crecimiento actual.

Fuente: newscientist.com
Publicado el 2023-01-08

AI chatbots could hit a ceiling after 2026 as training data runs dry

Noticias relacionadas