Добавить новость
ru24.net
Technology Review
Июль
2024
1 2 3 4 5
6
7
8 9 10 11 12
13
14
15 16 17 18 19
20
21
22 23 24 25 26 27
28
29
30
31

AI trained on AI garbage spits out AI garbage

0

AI models work by training on huge swaths of data from the internet. But as AI is increasingly being used to pump out web pages filled with junk content, that process is in danger of being undermined.

New research published in Nature shows that the quality of the model’s output gradually degrades when AI trains on AI-generated data. As subsequent models produce output that is then used as training data for future models, the effect gets worse.  

Ilia Shumailov, a computer scientist from the University of Oxford, who led the study, likens the process to taking photos of photos. “If you take a picture and you scan it, and then you print it, and you repeat this process over time, basically the noise overwhelms the whole process,” he says. “You’re left with a dark square.” The equivalent of the dark square for AI is called “model collapse,” he says, meaning the model just produces incoherent garbage. 

This research may have serious implications for the largest AI models of today, because they use the internet as their database. GPT-3, for example, was trained in part on data from Common Crawl, an online repository of over 3 billion web pages. And the problem is likely to get worse as an increasing number of AI-generated junk websites start cluttering up the internet. 

Current AI models aren’t just going to collapse, says Shumailov, but there may still be substantive effects: The improvements will slow down, and performance might suffer. 

To determine the potential effect on performance, Shumailov and his colleagues fine-tuned a large language model (LLM) on a set of data from Wikipedia, then fine-tuned the new model on its own output over nine generations. The team measured how nonsensical the output was using a “perplexity score,” which measures an AI model’s confidence in its ability to predict the next part of a sequence; a higher score translates to a less accurate model. 

The models trained on other models’ outputs had higher perplexity scores. For example, for each generation, the team asked the model for the next sentence after the following input:

“some started before 1360—was typically accomplished by a master mason and a small team of itinerant masons, supplemented by local parish labourers, according to Poyntz Wright. But other authors reject this model, suggesting instead that leading architects designed the parish church towers based on early examples of Perpendicular.”

On the ninth and final generation, the model returned the following:

“architecture. In addition to being home to some of the world’s largest populations of black @-@ tailed jackrabbits, white @-@ tailed jackrabbits, blue @-@ tailed jackrabbits, red @-@ tailed jackrabbits, yellow @-.”

Shumailov explains what he thinks is going on using this analogy: Imagine you’re trying to find the least likely name of a student in school. You could go through every student name, but it would take too long. Instead, you look at 100 of the 1,000 student names. You get a pretty good estimate, but it’s probably not the correct answer. Now imagine that another person comes and makes an estimate based on your 100 names, but only selects 50. This second person’s estimate is going to be even further off.

“You can certainly imagine that the same happens with machine learning models,” he says. “So if the first model has seen half of the internet, then perhaps the second model is not going to ask for half of the internet, but actually scrape the latest 100,000 tweets, and fit the model on top of it.”

Additionally, the internet doesn’t hold an unlimited amount of data. To feed their appetite for more, future AI models may need to train on synthetic data—or data that has been produced by AI.   

“Foundation models really rely on the scale of data to perform well,” says Shayne Longpre, who studies how LLMs are trained at the MIT Media Lab, and who didn’t take part in this research. “And they’re looking to synthetic data under curated, controlled environments to be the solution to that. Because if they keep crawling more data on the web, there are going to be diminishing returns.”

Matthias Gerstgrasser, an AI researcher at Stanford who authored a different paper examining model collapse, says adding synthetic data to real-world data instead of replacing it doesn’t cause any major issues. But he adds: “One conclusion all the model collapse literature agrees on is that high-quality and diverse training data is important.”

Another effect of this degradation over time is that information that affects minority groups is heavily distorted in the model, as it tends to overfocus on samples that are more prevalent in the training data. 

In current models, this may affect underrepresented languages as they require more synthetic (AI-generated) data sets, says Robert Mahari, who studies computational law at the MIT Media Lab (he did not take part in the research).

One idea that might help avoid degradation is to make sure the model gives more weight to the original human-generated data. Another part of Shumailov’s study allowed future generations to sample 10% of the original data set, which mitigated some of the negative effects. 

That would require making a trail from the original human-generated data to further generations, known as data provenance.

But provenance requires some way to filter the internet into human-generated and AI-generated content, which hasn’t been cracked yet. Though a number of tools now exist that aim to determine whether text is AI-generated, they are often inaccurate.

“Unfortunately, we have more questions than answers,” says Shumailov. “But it’s clear that it’s important to know where your data comes from and how much you can trust it to capture a representative sample of the data you’re dealing with.”




Moscow.media
Частные объявления сегодня





Rss.plus



Филиал № 4 ОСФР по Москве и Московской области информирует: Более 12 тысяч жителей Москвы и Московской области получают повышенную пенсию за работу в сельском хозяйстве

Начальник Главного управления вневедомственной охраны Росгвардии вручил ключи от автомобиля многодетному отцу-росгвардейцу

Столичные росгвардейцы задержали мужчину, подозреваемого в грабеже

Более 40 тысяч семей в Москве и области получают ежемесячные выплаты из средств материнского капитала


Вкусные оттенки зеленого: модный цвет сезона

В СЛД «Брянск-Льговский» филиала «Московский» ООО «ЛокоТех-Сервис» сформирован студенческий отряд

Гастроэнтеролог Садыков дал 3 совета, как не отравиться дыней и арбузом

Молодеем при помощи прически и макияжа


IWF signs off “state-of-the-art” training facilities for the Paris 2024 Olympics

Why you should buy physical copies of your favorite books

Kim Cattrall says she won’t return to ‘Sex and the City’ sequel’s third season

Kamala Harris’s Record on Israel Raises Questions About Support for Jewish State if Elected US President


Портативный ТСД корпоративного класса Saotron RT-T70

В Екатеринбурге задержали водителя грузовика, в столкновении с которым погибли четыре человека

Утро в Кимже...

Более 40 тысяч семей в Москве и области получают ежемесячные выплаты из средств материнского капитала


A Google Doodle animator is my new favorite Elden Ring lore theorist thanks to this cartoon retelling of Shadow of the Erdtree set to a Taylor Swift song

Warner Bros acquires MultiVersus devs as it shifts focus to free-to-play

Приключение-головоломка Arranger вышла на смартфоны и PC

Гайд по регистрации, установке и входу в Throne and Liberty для игроков из России и СНГ



Дистрибьюция Музыки.

Чемпионаты Росгвардии по служебному биатлону и легкоатлетическому кроссу завершились во Владимире

В Москве состоялся фестиваль «ДэнсхелпФест»

Филиал № 4 ОСФР по Москве и Московской области информирует: Более 12 тысяч жителей Москвы и Московской области получают повышенную пенсию за работу в сельском хозяйстве




Начальник Главного управления вневедомственной охраны Росгвардии вручил ключи от автомобиля многодетному отцу-росгвардейцу

Столичные росгвардейцы задержали мужчину, подозреваемого в грабеже

Wildberries попытается запретить бренд «WBнутый» из-за аморальности названия

МЧС: на Москву надвигается гроза с порывами ветра до 15 м/с


Лужнецкую набережную благоустроят

Подмосковная спортсменка завоевала «золото» на международных соревнованиях по теннису

В Щелкове обновили двор дома № 25 на Пролетарском проспекте

Не пейте эти помои: названы популярные марки кофе, которые не стоит брать даже по акции


Новак Джокович провёл первую тренировку на олимпийских кортах в Париже

Теннисистка Рыбакина снялась с Олимпиады

Олимпийка с титулом // Теннисистка Мирра Андреева перед стартом Игр в Париже впервые выиграла турнир WTA

Рублёв пробился в полуфинал турнира ATP в Умаге


Самолет из Екатеринбурга вместо Казани посадили в Ульяновске

Штаб-квартиру Роскосмоса предложили разместить в Амурской области

Минниханов поздравил участника из Бахрейна с победой в конкурсе чтецов Корана

Подполковник МВД заявил о задаче «осветлить» Московскую область от приезжих


Музыкальные новости

Наследники Градского поделили автомобили знаменитого певца

Певица Глюкоза обратилась к журналистам после позора в Красноярске

Обложка песни. Обложки альбомов песен. Сделать обложку для песни.

Суд обязал Сергея Шнурова и его агента вернуть 90 млн руб за сорванный концерт



В Москве состоялся фестиваль «ДэнсхелпФест»

Филиал № 4 ОСФР по Москве и Московской области информирует: Более 12 тысяч жителей Москвы и Московской области получают повышенную пенсию за работу в сельском хозяйстве

Первенство Московской области до 17 лет, Пер-во г.Люберцы на призы ЛФТ до 13 лет

«Норникель» внедрил решения на базе ИИ почти на всех производственных площадках


Выставка «Вселенная BRICS», подготовленная Нижегородским планетарием, открылась в Ульяновске

Обложка песни. Обложки альбомов песен. Сделать обложку для песни.

Бизнес по-соседски

Генерал-полковник Алексей Воробьев вручил награды офицерам Росгвардии


Названы регионы России, где мотоциклисты чаще всего попадают в ДТП

Покорение новых высот – чип тюнинг от GAN

Xiaomi официально показала в России свой электроседан

Движение под Воронежем на трассе М-4 «Дон» парализовали два ДТП


Владимир Путин поручил подготовить план строительства центра «Россия»

Штаб-квартиру Роскосмоса предложили разместить в Амурской области

Остроумный ответ Путина на провокационный вопрос сорвал аплодисменты

Путин поручил сдать «Титаник» на год раньше срока и назначил Клычкова ответственным


Денис Проценко, Дарья Повереннова и Алексей Немов — о привычках, которые помогают им сохранять здоровье




Сотрудники фитнес-клуба в Москве случайно залили в канистру с хлором ядовитый газ

Shot: в Москве сотрудники фитнес-клуба случайно устроили утечку ядовитых газов

Стопроцентная эффективность: что известно о препарате от ВИЧ-инфекции «Ленакапавир»

Гастроэнтеролог Садыков дал 3 совета, как не отравиться дыней и арбузом


"Часть дипломатической торговли": Политолог объяснил слова Подоляка об отказе от мира с Россией

"Победить невозможно". В Киеве заявили о большой проблеме из-за Зеленского


В Тульской области стартовал чемпионат и первенство России по пляжному волейболу среди глухих

Собянин рассказал о благоустройстве парков в Москве

Чемпионаты Росгвардии по служебному биатлону и легкоатлетическому кроссу завершились во Владимире

Московское «Торпедо» обыграло «Енисей» в гостевом матче Первой лиги




Собянин поздравил работников торговли с праздником

Собянин: В «Коломенском» будет создано уникальное современное пространство

Работы на три года. Собянин рассказал, как изменится «Коломенское»

Мэр Москвы поздравил сотрудников центров госуслуг с профессиональным праздником


Прибыли с юга: какие животные появились в Москве из-за глобального потепления

Жители Балашихи помогут сделать родной город чище

Лужнецкую набережную благоустроят

Из-за глобального потепления в Москве появились новые животные


Орбан: постепенно мир встает на сторону России вопреки указаниям Запада

Минниханов поздравил участника из Бахрейна с победой в конкурсе чтецов Корана

Самолет из Екатеринбурга вместо Казани посадили в Ульяновске

В Домодедове началось строительство нового детского сада на 240 мест


ТСД SAOTRON RT41 GUN: практичный, производительный, надёжный

Погиб глава архангельской пожарной охраны Димитрий Охрименко

В Поморье стартовал двенадцатый «Дирекцион-Норд»

Фестиваль военных духовых оркестров одновременно открылся в трех городах Поморья


Выставка исторической памяти «В гости к нашим далеким предкам» ко Дню Крещения Руси и Дню памяти равноапостольного Великого князя Владимира

Утром в Симферополе рейсовый автобус насмерть сбил пенсионерку

Выставка-реклама «Галерея книжных новинок»

К Международному дню тигра саранская телемачта «переоденется» в редкого хищника


Сотрудники фитнес-клуба в Москве случайно залили в канистру с хлором ядовитый газ

Лужнецкую набережную благоустроят

Глава DNS Алексеев предупредил владелицу Wildberries о риске потери бизнеса

«Динамо» — «Локомотив»: стартовые составы команд на матч 2-го тура РПЛ












Спорт в России и мире

Новости спорта


Новости тенниса
Даниил Медведев

Андреева и Медведев? Попрыгунья Бладцева? Загадочный пловец Сомов? Где России ждать медалей на Олимпиаде-2024






Глава DNS Алексеев предупредил владелицу Wildberries о риске потери бизнеса

Родившегося с пулей в животе ребенка спасли врачи в Подмосковье

В Щелкове обновили двор дома № 25 на Пролетарском проспекте

«Динамо» — «Локомотив»: стартовые составы команд на матч 2-го тура РПЛ