文明的传承贡献还不小？
差点把我的厌蠢症都治好了？
重复使用这种数据进行训练，类似的错误会被大模型认为是真实，从而变成“思想钢印”，继续产出错误更多的内容。
再用这些内容进行训练，就会产生“偏差-方差权衡”，也就是说，越大概率的内容被进一步强化，小概率的内容被不断忽视。
越是下一代模型，损失的数据反而会越多。
同时，因为大模型的特性，又会产生“函数近似误差”，大模型会把学的错误的东西也保留下来，一代代的积累，最终变成全部都是错误，从而丧失纠错能力。
这种情况，确实和近亲繁殖所导致的近交衰退非常类似。
从这个角度上看，AI大模型其实已经具备了一定的生物性。
只不过这种生物种群过于单一，造成了近亲繁殖。
这个问题目前还不算太紧迫，毕竟互联网上可以使用的原始数据非常多，无非就是加大数据组的投入，获取更多的原始数据，增加数据预处理人手和方式就能够解决。
但从长远来看，不，不用太长远，AI的爆发一定是指数级的。可能两到三年后，互联网上可能超过百分之七十的数据就都是AI所生成的，而人类几乎无法区分这究竟是AI生成的数据还是真实的人工数据。
那时候，AI大模型不管参数有多庞大，可能都会面临由于训练数据被AI生成数据污染，而造成性能下降或崩溃。
“三十万亿。”方豫快速的估算出了一个数字。
？？？
几个组长都是一脸问号。
“互联网上现存的有效数据，大概能支撑橘子大模型到三十万亿参数的规模，在此之后，就必然会受到近亲繁殖的影响。”
方豫指了指显示器上的数据。
三十万亿，还好还好，现在目前正在训练的橘子大模型不过一万五千亿参数，已经开始初步具备强人工智能的雏形。
三十万亿的大模型，肯定已经实现超级人工智能，那时候，AI生成数据多样性的问题应该已经能找出解决方案了。
那就没什么问题了。
几个组长都松了一口气。
没什么问题了吗？
方豫目光闪动。
就算是橘子大模型实现超级人工智能，只要多样性问题不解决，一样也会有这个问题。
即使使用各种技术手段尽量提升AI数据的复
…。。