Meta的Llama-4的期望很高。相反，它失望了。與其前任相比，它提供了較弱的推理，更多的幻覺和整體性能下跌。根據D-GN的首席執行官Johanna Cabildo的說法，原因不是缺乏計算或創新，而是數據。
梅塔（Meta）用盡了互聯網的干淨，多樣化和高質量的文本供應，轉向合成數據：AI生成的內容用於培訓新的AI。這創建了一個循環，模型從自己中學習，每個週期都會失去準確性和深度。
其他主要參與者（Openai，Google，Anthropic）也存在著同樣的困境。豐富的現實培訓數據的年齡已經結束。剩下的是合成填充劑。結果，進步正在停滯，進步的幻想是掩蓋了安靜的衰落。
誰擁有數據？
2024年斯坦福AI指數報告說，現在有八家公司控制了全球AI培訓數據和基礎設施的89％。這不僅與市場力量有關。它影響了知識嵌入在AI中的知識，其觀點被排除在外。
接受偏見或狹窄數據集訓練的模型會加劇現實世界中的傷害。 AI工具建立在美國醫療保健記錄中，在其他國家誤診患者。招聘系統以非西方名稱懲罰申請人。面部識別對較深的皮膚的準確性較差，尤其是對於女性而言。過濾沉默的少數方言是令人反感或無關緊要的。
隨著模型更加傾向於合成數據，錯誤會加劇。研究人員警告說，會產生“拋光胡說八道”的遞歸環– 聽起來正確但包含捏造的事實。到2025年初，《哥倫比亞新聞評測》發現Google Gemini只有10％的時間才完全準確地引用。這些系統以自己的缺陷輸出訓練越多，它們衰減的速度就越快。
鎖定，鎖定
AI公司在公開知識的骨幹上建立了模型– 書籍，維基百科，論壇甚至新聞文章。但是現在，相同的公司正在擺脫模型和貨幣化訪問權限。
2023年下半年，《紐約時報》（New York Times）起訴了未經授權使用其內容的Openai和Microsoft。同時，Reddit和Stack Overflow輸入了獨家許可交易，使OpenAI可以訪問以前對所有人開放的用戶生成的內容。
這種策略很明確：收穫免費的公眾知識，將其獲利並將其鎖定在API後面。從開放生態系統中受益的同一公司現在限制了訪問權限，同時促進合成數據作為可持續的替代方案，儘管有越來越多的證據表明它會降低模型性能。人工智能無法通過向自己學習而發展。鏡子裡沒有洞察力。
不同的路徑
修復AI的數據危機不需要更多的計算或更大的模型，這需要改變收集，重視和控制數據的方式。
Web3技術提供了一種可能的前進方式。區塊鏈可以跟踪數據的來源。令牌化系統可以公平地補償貢獻知識的人。像Morpheus Labs這樣的項目已經使用這些工具將Swahili語言AI的性能提高了30％，僅通過激勵社區的投入即可。
隱私保護工具（例如零知識證明）增加了另一層信任。它們使得可以在不暴露私人數據的情況下使用敏感信息（例如病歷）培訓模型。這樣可以確保模型可以在道德上學習，同時仍能提供高性能。
這些想法不是投機性的。初創企業已經在使用去中心化的工具來建立世界各地的文化準確，尊重隱私的AI系統。
收回未來
AI正在塑造塑造社會的系統– 教育，醫學，工作和溝通。中心問題不再是AI是否會占主導地位，而是誰控制了它的變化。
隨著人工智能行業面臨綜合數據和壟斷基礎設施的局限性，D-GN等平台提供了一條清晰的前進道路：AI受到人們的培訓，為人們培訓，並為更公正和智能未來服務。
我們是否會允許少數公司回收自己的產出，降低模型質量和構成偏見？還是我們會投資於建立一種新型的數據生態系統，一個重視透明度，公平性和共享所有權？
問題不是機器沒有足夠的數據。問題在於他們使用的數據越來越合成，狹窄和控制。解決方案是將權力歸還給創造有意義內容的人們，並為其獎勵他們。更好的AI從更好的數據開始。更好的數據始於我們。
資訊來源：由0x資訊編譯自出MPOST。版權歸作者Victoria d’Este所有，未經許可，不得轉載