Intuition 创始人批评 AI 使用劣质数据进行训练
realtime news Nov 01, 2025 01:30
Intuition 的 Billy Luedtke 强调了关于 AI 模型使用低质量数据进行训练的担忧，并强调了递归 AI 学习的潜在风险。
随着人工智能（AI）的不断进步，关于用于训练这些模型的数据质量的担忧日益增加。根据 CoinMarketCap 的报道, Intuition 的创始人 Billy Luedtke 表达了他对用于训练 AI 系统的数据质量下降的担忧。
AI 对数据质量的依赖
Luedtke 强调 AI 的有效性在很大程度上依赖于其所输入的数据质量。他将当前的情况描述为“劣质输入，劣质输出”时代，并指出随着 AI 变得更加递归，问题可能会恶化。递归 AI 是指 AI 模型训练使用由其他 AI 生成的数据，这可能会加重现有的数据质量问题。
AI 训练中的挑战
AI 系统的日益增多暴露了难以克服的限制。虽然模型本身变得更加复杂，但用于训练的数据质量并未得到相同的提升。这种差异可能导致 AI 开发和应用中的重大挑战，因为如果模型在次优数据上训练，其性能可能并不理想。
去中心化模型作为解决方案
Luedtke 指出，去中心化模型在技术和用户体验方面可能具有优势。通过利用去中心化系统，AI 模型可以更好地访问多样化和高质量的数据集，从而减轻当前数据实践相关的问题。
Luedtke 分享的见解强调了在 AI 训练中解决数据质量问题的重要性。随着 AI 继续整合到各个领域，确保模型在稳健、高质量的数据基础上进行培训对于其成功和可靠性至关重要。
Image source: Shutterstock.jpg)