以往，人工智能模型主要依賴公眾創(chuàng)建的真實(shí)數(shù)據(jù)來構(gòu)建、訓(xùn)練和改進(jìn)。但隨著人工智能的快速發(fā)展，真實(shí)數(shù)據(jù)量已無法滿足模型日益增長(zhǎng)的需求。

為給人工智能模型提供充足的“養(yǎng)分”，科技人員正使用由算法生成、可以模仿真實(shí)世界的合成數(shù)據(jù)。合成數(shù)據(jù)在數(shù)字世界中創(chuàng)造生成，作為真實(shí)數(shù)據(jù)的替代品，可用來訓(xùn)練、測(cè)試、驗(yàn)證人工智能模型。合成數(shù)據(jù)可無限供應(yīng)，為訓(xùn)練人工智能模型提供經(jīng)濟(jì)高效且快捷的解決方案，同時(shí)有效解決了人工智能訓(xùn)練使用真實(shí)數(shù)據(jù)時(shí)面臨的個(gè)人隱私和敏感信息保護(hù)等問題。

然而，合成數(shù)據(jù)并非完美。模型過度依賴合成數(shù)據(jù)會(huì)產(chǎn)生“幻覺”，編造不存在的信息，導(dǎo)致質(zhì)量和性能下降。同時(shí)，合成數(shù)據(jù)可能過于簡(jiǎn)單，缺乏真實(shí)數(shù)據(jù)的細(xì)節(jié)和多樣性，使訓(xùn)練的模型實(shí)用性不足。

人工智能模型的發(fā)展取決于數(shù)據(jù)質(zhì)量。合成數(shù)據(jù)雖在克服數(shù)據(jù)短缺方面發(fā)揮重要作用，但使用時(shí)必須謹(jǐn)慎，盡量減少錯(cuò)誤，確保其作為真實(shí)數(shù)據(jù)的可靠補(bǔ)充，以保障模型的準(zhǔn)確性和可信度。

（摘自《檢察日?qǐng)?bào)》2.26）