合成数据
Synthetic Data
由AI生成、用来训练AI的人工学习素材,是真实数据日渐枯竭时代的替代方案。
简单来说
合成数据是指用AI生成的数据来训练AI——也就是人工学习素材。随着优质真实数据逐渐枯竭,「数据枯竭」问题日益突出,合成数据因此被视为一种应对方案;在医疗数据这类因隐私问题难以直接使用真实资料的领域,也常常派上用场。
可以把它想象成:教师模型出题,学生模型照着这些题目学习。用得好,合成数据的效果很强大,但也伴随着「模型崩溃」的警告——如果只用AI生成的数据反复喂养模型,质量会逐渐崩坏。这就像复印件的复印件,一代比一代模糊。