訓練模型的\"養分\"從何而來

以往，人工智能模型主要依賴公眾創建的真實數據來構建、訓練和改進。但隨著人工智能的快速發展，真實數據量已無法滿足模型日益增長的需求。

為給人工智能模型提供充足的“養分”，科技人員正使用由算法生成、可以模仿真實世界的合成數據。合成數據在數字世界中創造生成，作為真實數據的替代品，可用來訓練、測試、驗證人工智能模型。合成數據可無限供應，為訓練人工智能模型提供經濟高效且快捷的解決方案，同時有效解決了人工智能訓練使用真實數據時面臨的個人隱私和敏感信息保護等問題。

然而，合成數據并非完美。模型過度依賴合成數據會產生“幻覺”，編造不存在的信息，導致質量和性能下降。同時，合成數據可能過于簡單，缺乏真實數據的細節和多樣性，使訓練的模型實用性不足。

人工智能模型的發展取決于數據質量。合成數據雖在克服數據短缺方面發揮重要作用，但使用時必須謹慎，盡量減少錯誤，確保其作為真實數據的可靠補充，以保障模型的準確性和可信度。

（摘自《檢察日報》2.26）