AI decreases human-generated content, limiting data for training AI
Confiar en la inteligencia artificial para generar datos de entrenamiento crea un ciclo degenerativo, similar a fotocopiar una fotocopia. Esta práctica produce resultados cada vez peores, ya que los modelos de lenguaje de gran escala (LLMs) entrenados con sus propias salidas no logran replicar la sutileza y la calidad de la inteligencia humana. En consecuencia, la viabilidad a largo plazo del ecosistema se ve amenazada por este rendimiento decreciente en la calidad de la información. La investigación indica que la adopción generalizada de ChatGPT reduce significativamente la participación humana en plataformas críticas de conocimiento, como Stack Overflow. A medida que los usuarios delegan preguntas y respuestas a la IA, el volumen de datos abiertos auténticos generados por personas disminuye drásticamente. Esta sustitución del comportamiento humano reduce directamente el conjunto de datos diverso necesario para el desarrollo robusto de modelos, creando una escasez de material de entrenamiento de alta calidad. Esta disminución es crucial para los datos abiertos porque pone de manifiesto un riesgo sistémico: los mismos recursos que impulsan la innovación en IA se están agotando debido a su propia adopción. Para sostener las mejoras futuras, es esencial priorizar el intercambio de conocimiento entre personas. Proteger y fomentar la creación orgánica de contenido garantiza que los datos abiertos sigan siendo ricos y efectivos, en lugar de quedar atrapados en un bucle de generación sintética de baja fidelidad.
Source: pressreleases.responsesource.comPublished on 2024-11-13
Related news
- Gaia Partners with InfStones to Bring Scalable Node Deployments to Decentralized AI
- Near plans to build world’s largest 1.4T parameter open-source AI model
- SUSE AI Gives Control, Privacy, and Trust to Enterprises Implementing Open Source AI Solutions
- Speaking Freely: Tanka Aryal
- La inflación de octubre fue 2,7%, la más baja en casi tres años | Análisis