ИИ исчерпал данные для обучения: что дальше?

Директор по данным Goldman Sachs Нима Рафаэль заявил, что искусственный интеллект столкнулся с дефицитом данных для обучения. Это может замедлить создание новых ИИ-систем.

В качестве примера приведена китайская DeepSeek, предположительно обучавшаяся на результатах существующих моделей, а не на новых данных.

Рафаэль отмечает, что предыдущие модели будут оказывать влияние на развитие последующих.

Разработчики обращаются к синтетическим данным, созданным машинами, но это может привести к перегрузке моделей некачественной информацией и созданию неэффективного ИИ.

Несмотря на это, компании располагают неиспользованными резервами данных, особенно в корпоративном секторе.

Реальным ограничением может стать доступ к закрытым корпоративным данным, которые при правильном использовании способны значительно повысить ценность ИИ-инструментов.

Соучредитель OpenAI Илья Суцкевер ранее предупреждал о завершении эпохи быстрого развития ИИ из-за исчерпания полезных данных в интернете.

Рафаэль подчеркивает, что для корпоративного сектора важно не только найти данные, но и обеспечить их пригодность для использования, понимая бизнес-контекст и нормализуя информацию.

Зависимость от синтетических данных ставит под вопрос дальнейшую траекторию развития искусственного интеллекта.