毫无疑问，人工智能在全球社交媒体用户中的受欢迎程度正达到顶峰。

我是说，还有什么比猜测一对名人夫妇未来的孩子长什么样更有趣的吗?或者听过已故的弗雷迪·默丘里如何表演Doja Cat的“Paint the Town Red”?

但据一些科学家称，到2026年，人类可能很快就会耗尽完全训练人工智能所需的数据类型。

失去这些为全球强大的人工智能系统提供动力的数据，可能会降低人工智能模型的增长率，尤其是大型语言模型。

这种损失甚至可能改变人工智能革命的轨迹。

对这些数据的需求是为了训练准确、高质量的人工智能算法——一个例子是聊天GPT，它使用了570千兆字节的文本数据(大约3000亿个单词)进行训练。

如果没有足够的数据来训练这些程序(包括DALL-E, Lensa和Midjourney)，可能会产生不准确/低质量的输出。

这些必要数据的质量也非常重要，因为尽管低质量的数据(例如模糊的图片和社交媒体帖子)很容易获取，但它们不足以训练高性能的AI模型。

此外，来自社交媒体平台的文本可能带有偏见或偏见，或者可能包含虚假信息或非法内容，这些内容可能会被复制。

这解释了为什么高质量的内容，如书籍文本、在线文章、科学论文、维基百科和某些过滤的网络内容正在被寻找。

一组研究人员在去年发表的一篇论文中预测，如果目前的人工智能训练趋势继续下去，到2026年，我们可能会用完这些重要的数据。

他们还怀疑，低质量的语言数据可能会在2030年至2050年之间耗尽。

这让世界各地的众多计算机和数据科学家感到担忧，因为预计到2030年，人工智能将为世界经济贡献高达15.7万亿美元。

其他专家向科技用户保证，情况可能并不像看起来那么糟糕，因为未来人工智能模型的发展仍有数百个未知数。

他们还表示，解决潜在数据短缺的方法很少，包括人工智能开发人员改进算法以更有效地使用数据。

这些科学家表示，在未来几年，训练高性能模型所需的数据和计算能力可能会更少，这将反过来减少人工智能的碳足迹。

有人还建议，人工智能将创造合成数据，以训练他们需要的系统。