Nowe badania przeprowadzone przez Data Provenance wykazały dramatyczny spadek dostępności danych używanych do tworzenia sztucznej inteligencji (AI). Przez lata, osoby budujące potężne systemy AI wykorzystywały ogromne zasoby tekstów, obrazów i filmów z Internetu, aby szkolić swoje modele. Jednak te dane obecnie szybko znikają.
Ograniczenia w dostępie do danych
W ciągu ostatniego roku wiele ważnych źródeł internetowych, które były wykorzystywane do trenowania modeli AI, ograniczyło wykorzystanie swoich danych. Badanie opublikowane przez grupę badawczą z MIT wykazało, że w zestawach danych używanych do szkolenia AI, takich jak C4, RefinedWeb i Dolma, ograniczono dostęp do 5% wszystkich z nich i 25% tych z najwyższej jakości źródeł.
Brak zgody na użycie danych
Odkryto „narastający kryzys zgody”, jako że wydawcy i platformy internetowe podjęły kroki, aby zapobiec zbieraniu ich danych. Możliwość ta została bowiem ograniczona przez warunki użytkowania stron internetowych.
Shayne Longpre, główny autor badania, zauważył, że „szybki spadek zgody na użycie informacji w sieci będzie miał konsekwencje nie tylko dla firm AI, ale także dla badaczy, naukowców akademickich i podmiotów niekomercyjnych”. Sztuczna inteligencja opiera się na danych jako głównym składniku do generowania treści. Z kolei jakość wspomnianych bezpośrednio przekłada się na jakość modeli AI.
Reakcje i adaptacje
W odpowiedzi na ograniczenia, niektóre firmy AI, takie jak OpenAI, Google czy Meta drenują dane swoich użytkowników, aby poprawić swoje systemy. Jednak coraz częstsze ograniczenia stawiają przed firmami AI nowe wyzwania, zmuszając je do szukania nowych źródeł lub tworzenia danych syntetycznych. Niestety mogą być one niewystarczające jako substytut tych tworzonych przez człowieka.
Wykluczenie z rozwoju technologii
Ograniczenia w dostępie do informacji mogą także stanowić problem dla mniejszych firm AI oraz badaczy akademickich. Polegają oni bowiem głównie na publicznych zestawach danych i nie są w stanie bezpośrednio licencjonować ich od wydawców. Dostęp do takich zbiorów staje się coraz bardziej ekskluzywny. Co z kolei może ograniczyć udział różnych grup w rozwijaniu i regulacji technologii AI.
Perspektywy na przyszłość
Problem dostępu do danych dla AI jest coraz bardziej zauważalny i wpływa na całą branżę. Potrzebne są nowe narzędzia, które pozwolą właścicielom stron internetowych precyzyjniej kontrolować wykorzystanie informacji. Ponadto, wielkie firmy AI muszą zacząć zastanawiać się nad bardziej zrównoważonym i uczciwym wykorzystaniem internetowych zasobów, aby uniknąć przyszłych blokad i ograniczeń.
Częste pytania
Jakie są główne przyczyny spadku dostępności danych do treningu AI?
Główne przyczyny spadku dostępności danych do treningu AI to ograniczenia w dostępie do danych wprowadzane przez wydawców oraz narastający kryzys zgody na użycie informacji w sieci. Wiele platform internetowych podjęło kroki, aby zapobiec zbieraniu ich danych przez firmy AI.
Które zestawy danych do szkolenia AI zostały najbardziej dotknięte ograniczeniami?
Najbardziej dotkniętymi zestawami danych są C4, RefinedWeb i Dolma, gdzie dostęp do 5% wszystkich danych oraz 25% danych z najwyższej jakości źródeł został ograniczony. To znacząco wpływa na możliwości treningowe modeli AI.
Dlaczego mniejsze firmy AI mają trudności z dostępem do danych?
Mniejsze firmy AI oraz badacze akademiccy mają trudności z dostępem do danych, ponieważ polegają głównie na publicznych zestawach danych, które stają się coraz bardziej ekskluzywne. Nie są w stanie bezpośrednio licencjonować danych od wydawców, co ogranicza ich możliwości rozwoju.
Jakie wyzwania stawiają przed firmami AI nowe ograniczenia w dostępie do danych?
Nowe ograniczenia w dostępie do danych stawiają przed firmami AI wyzwania związane z koniecznością poszukiwania nowych źródeł danych lub tworzenia syntetycznych danych. Te syntetyczne dane mogą być jednak niewystarczające jako substytut danych tworzonych przez człowieka.
Jakie są perspektywy na przyszłość w kontekście dostępu do danych dla AI?
Perspektywy na przyszłość wskazują na potrzebę nowych narzędzi, które pozwolą właścicielom stron internetowych lepiej kontrolować wykorzystanie ich informacji. Firmy AI muszą również rozważyć bardziej zrównoważone i uczciwe wykorzystanie zasobów internetowych, aby uniknąć przyszłych blokad i ograniczeń.
