【ITBEAR科技资讯】7月20日消息，人工智能公司Cohere的首席执行官Aiden Gomez近日透露，AI公司在面对Reddit、Twitter等公司提出的高昂数据采集要价时，已经开始采用合成数据来训练AI模型。微软、OpenAI和Cohere等公司都在利用这一方法，以降低数据采集的成本。
据Gomez表示，合成数据具有广泛适用性，可以用于多种训练场景，只是目前还未被全面推广。他举了一个例子来说明合成数据的应用：假设一家企业想要在高等数学领域训练一个模型，他们可以创建两个人工智能模型，一个扮演老师的角色，另一个扮演学生的角色，并让它们进行关于三角学等主题的讨论。AI模型主要负责观察，如果发现任何错误，可以进行纠正。
合成数据是通过计算机技术人工生成的数据，而非来自真实事件。尽管如此，合成数据仍然具备可用性，可以在数学和统计上反映原始数据的特征，因此可以作为原始数据的替代品来训练、测试和验证大型AI模型。
据ITBEAR科技资讯了解，使用合成数据进行训练可以带来许多优势。首先，合成数据可以根据需要生成，因此可以轻松获得大量的标注数据，以提高模型的准确性。其次，合成数据可以模拟各种场景和情况，包括那些在真实世界中难以获取的数据，从而提高模型的泛化能力。此外，合成数据还可以创建多样化的数据集，以更全面地训练和测试模型。
然而，虽然合成数据在AI模型训练方面有潜力，但仍存在一些限制。合成数据的质量和真实性是重要问题，需要确保生成的数据与真实数据保持一致和可靠，以确保训练出的模型在真实世界中表现良好。此外，合成数据的广泛应用还需要进一步的研究和验证，以确保在不同领域和任务中的有效性。
