警告！AI将用完互联网所有免费知识

美国趣味科学网站报道

一项最新研究发出警告

最快到2026年

人工智能（AI）系统就可能

用完互联网上所有免费知识

难道

AI模型要挨饿了？

AI模型的发展

离不开大量数据

从图像识别到自然语言处理

从自动驾驶到医疗诊断

每一个成功的AI应用背后

都有着海量数据的支撑

研究团队发现

ChatGPT使用了

来自书本、网络文章、维基百科

及其他网络资源

约570GB、3000亿个单词的文本数据

进行训练

随着AI模型的不断进步

其对数据的需求也在增加

如果训练AI算法的数据

不足或质量较低

就可能产生低质量结果

例如

美国谷歌公司的“双子座”AI

曾建议网友吃石头

或者给披萨涂胶水

虽然网络公开数据的规模

在不断扩大

但与AI模型的需求相比

仍然显得捉襟见肘

研究团队使用谷歌网页索引

计算出目前的网页总数

约为2500亿个

其中每个页面

包含约7000字节文本

根据最新预测

AI模型将在2026年至2032年间

用完所有网络公开数据

图像数据也预计

将在2030年至2060年耗尽

随着AI技术的深入发展

对于数据的质量和多样性要求

也越来越高

这无疑加剧了数据的供需矛盾

数据资源的短缺

可能会限制AI模型的训练和优化

美国人工智能时代研究所

研究员巴勃罗·比利亚洛沃斯认为

假如聊天机器人耗尽所有可用数据

而数据效率没有进一步提升

预计该领域的发展将陷入相对停滞

前几天

《时代》杂志与OpenAI宣布

两家公司达成了一项为期多年的

内容协议和战略合作伙伴关系

该协议允许OpenAI

将《时代》杂志内容引入ChatGPT

并帮助训练其最先进的人工智能模型

据介绍

OpenAI可以通过这笔交易

访问《时代》过去100多年的

档案和文章

与此同时

OpenAI还在与数十家出版商

洽谈内容授权协议

从私人数据库中获取数据

正成为AI科技公司解决

数据“饥荒”的方向

比利亚洛沃斯认为

如果相关措施成功落地

并且私人数据

与公共网络数据一样有用

那么主要AI企业

有望在2030年以前

保持足够多的数据量

不过

有业内人士警告

如果有企业

试图在未经许可的情况下

获取知识产权或者私人信息

可能会面临司法风险