数据集

数据集是用来训练AI的资料集合。对语言模型来说,是数万亿字的网页文档、书籍和代码;对图像模型来说,是数十亿张图片。

“喂了什么样的数据,就决定了AI会变成什么样”——这一句话几乎概括了所有关于数据集的新闻。喂低质量数据,偏见和错误就会原样学进去;喂别人的版权作品,官司就会随之而来;而当优质数据逐渐枯竭时,合成数据的话题就会出现。