การขาดแคลนข้อมูลการเรียนรู้ AI และความพยายามใหม่ของบริษัท | Focus #387

ในช่วงไม่กี่ปีที่ผ่านมา อีลอน มัสก์ ได้ชี้ให้เห็นว่า "การฝึก AI ได้ใช้ความรู้ของมนุษย์จนหมดสิ้น" เพื่อแก้ปัญหาการขาดแคลนข้อมูลนี้ หลายบริษัทได้เริ่มใช้ "ข้อมูลสังเคราะห์"

ข้อมูลสังเคราะห์คือวิธีการที่ AI สร้างข้อมูลขึ้นมาใหม่เพื่อใช้ในการฝึกซ้ำ แต่ก็มีความกังวลว่าคุณภาพของข้อมูลอาจลดลงและความแม่นยำของ AI อาจลดลง

เพื่อรับมือกับการขาดแคลนข้อมูลนี้ บริษัทเช่น 〈โตชิบา〉 ได้พัฒนาเทคโนโลยีในการฝึก AI จากภาพจริงจำนวนน้อย ในขณะที่ 〈ไมโครซอฟท์〉 และ 〈Meta〉 กำลังใช้ข้อมูลสังเคราะห์และพยายามให้ AI เรียนรู้จากข้อมูลที่สร้างขึ้นเอง

อย่างไรก็ตาม ในกรณีของข้อมูลภาพถ่าย การใช้ข้อมูลสังเคราะห์เพียงอย่างเดียวอาจจะไม่สามารถสร้างความสมจริงหรือองค์ประกอบได้อย่างดี ทำให้ยังคงมีการพึ่งพาข้อมูลภาพถ่ายจริงคุณภาพสูงอยู่มาก ซึ่งส่งผลให้มีการใช้ข้อมูลภาพถ่ายในอดีตจำนวนมาก

ผลงานของผู้สร้างมักถูกใช้เป็นข้อมูลการเรียนรู้ AI ซึ่งทำให้เกิดปัญหาด้านลิขสิทธิ์และจริยธรรม การทราบว่าผลงานของตนถูกใช้ในการเรียนรู้ AI หรือไม่ และดำเนินการปกป้องสิทธิ์เมื่อจำเป็นเป็นสิ่งสำคัญ

นอกจากนี้ การเพิ่มขึ้นของเนื้อหาที่สร้างโดย AI ทำให้มีการประเมินค่าใหม่ของความเป็นต้นฉบับ