马斯克：AI训练数据已耗尽，合成数据将成未来方向

火星财经消息，1 月 9 日，据 TechCrunch 报道，埃隆·马斯克在与 Stagwell 董事长 Mark Penn 的直播对话中表示，目前 AI 模型的训练已基本耗尽真实世界的数据，“我们已经用尽了人类知识的累积总和，这在去年就发生了。”马斯克与前 OpenAI 首席科学家 Ilya Sutskever 的观点一致，后者在 NeurIPS 机器学习大会上提出 AI 行业已达到“数据峰值”，未来可能需要改变模型开发方式。

马斯克认为，合成数据将是补充真实数据的途径，AI 将通过生成和自我评估数据实现自我学习。这一趋势已被包括微软、Meta、OpenAI 和 Anthropic 等科技巨头采用，如微软 Phi-4 模型和谷歌 Gemma 模型都结合了真实数据和合成数据进行训练。Gartner 预测，2024 年 AI 和分析项目中约 60% 的数据将为合成生成。

合成数据的优势包括成本节约，例如 AI 初创公司 Writer 仅花费约 70 万美元开发其几乎完全基于合成数据的 Palmyra X 004 模型，相比之下，类似规模的 OpenAI 模型开发成本约为 460 万美元。然而，合成数据也存在风险，包括模型创造力下降、输出偏差加剧，以及潜在的模型崩溃，尤其当训练数据本身存在偏差时，生成结果也可能受到影响。