“人工智能(AI)可新学习的优质数据将在2026~2032年间在互联网上枯竭。”美国信息技术(IT)研究机构Epoch AI去年6月提出这一预测后,科技界一片哗然。ChatGPT等超大规模AI一直通过学习互联网上免费公开的资料实现发展,但可用数据已几乎学完,难以找到新的学习资料。学习信息不足将导致AI性能发展停滞。作为解决方案,“合成数据(synthetic data)”受到关注。英国媒体《观察家报》将合成数据列为2025年值得关注的五大AI趋势之一。
合成数据是在分析现实世界数据的基础上,为再现与现实相似的情形而创造出的人工信息。例如,金融机构的AI在掌握防范证券欺诈能力时,未能获得足够的学习资料。此时,可通过分析既有公开的金融交易信息,制作描述发生概率较高的交易模式的合成数据,让AI进行区分正常交易与异常交易的训练。AI学习用数据需求正急剧增加。市场分析机构Research and Markets预测,该类数据的全球市场规模将从去年的28亿2000万美元增至2029年的95亿8000万美元。
合成数据最终也是通过AI技术生产的。AI正超越向人类学习知识的阶段,AI之间相互教学、唤醒超级智能的时代正在到来。如果说OpenAI自2022年起公开运营的ChatGPT是由人类教出来的,那么该公司的下一代AI“好丽友集团”则是通过学习合成数据开发的。韩国产AI尚未达到ChatGPT的水平,而在全球数据安全监管强化及互联网信息付费化趋势下,连用于开发认知能力的资料都难以获取。要克服这一点,必须全力投资于AI学习用数据及技术开发、基础设施与人才储备。






