6月14日消息，研究人員近日發(fā)現(xiàn)，“在訓(xùn)練中使用模型生成的內(nèi)容，將導(dǎo)致后續(xù)生成的模型出現(xiàn)不可逆轉(zhuǎn)的缺陷”，也就是說(shuō)，“用 AI 生成的結(jié)果訓(xùn)練 AI，只會(huì)讓模型變得越來(lái)越差”。這項(xiàng)研究成果的詳細(xì)論文已發(fā)表在了 arXiv 之上。

據(jù)IT之家報(bào)道，研究人員專(zhuān)門(mén)研究了 AI 生成模型的概率分布，主要圍繞“文本到文本”和“圖像到圖像”展開(kāi)，最終得出結(jié)論：“由于每個(gè)模型生成的結(jié)果都具有一定的特點(diǎn)，因此用 AI 生成的模型訓(xùn)練 AI，隨著時(shí)間的推移，后者會(huì)忘記真正的底層數(shù)據(jù)分布。”

論文的主要作者之一 Ilia Shumailov 表示，“隨著時(shí)間的推移，生成數(shù)據(jù)中的錯(cuò)誤會(huì)迫使 AI 進(jìn)一步錯(cuò)誤地感知現(xiàn)實(shí)，我們驚訝地觀察到模型崩潰發(fā)生的速度相當(dāng)快，模型可以迅速忘記他們最初從中學(xué)習(xí)的大部分原始數(shù)據(jù)?！?/p>

如果將 AI 生成的結(jié)果經(jīng)過(guò)人工潤(rùn)色后再投入模型訓(xùn)練，是否可以避免模型“退化”？答案是否定的，研究人員發(fā)現(xiàn)“模型退化過(guò)程是不可避免的”，因此即使對(duì)于“經(jīng)過(guò)潤(rùn)色后理想化的 AI 輸出內(nèi)容”，模型在長(zhǎng)期學(xué)習(xí)后，也會(huì)出現(xiàn)一定的退化現(xiàn)象。

對(duì)于任何大模型而言，由于其學(xué)習(xí)數(shù)據(jù)過(guò)多，它們都將不可避免地接觸到其他 AI 生成的數(shù)據(jù)，因此研究人員表示“應(yīng)當(dāng)引入 AI 鑒定來(lái)挑出可能存在錯(cuò)誤的學(xué)習(xí)數(shù)據(jù)”以提升模型的學(xué)習(xí)能力與準(zhǔn)確性。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。