据《福布斯》9月4日报道，牛津大学的伊利亚·舒梅洛夫博士及其团队在《自然》杂志上发表的一项研究中指出，当AI系统仅依赖于由自身生成的内容进行训练时，其输出质量会迅速下降。
这种现象被称为“模型崩溃”，即AI在不断使用自身生成的数据进行训练后，其输出内容逐渐失去准确性和实用性。
研究显示，在经过五次连续的自我生成内容训练后，AI的输出质量显著下降;到了第九次，输出内容已经退化为毫无意义的文本。
舒梅洛夫博士指出，模型崩溃的发生速度之快和难以察觉的程度令人惊讶。最初，它可能只影响少数数据，但随后会逐渐侵蚀输出的多样性，最终导致整体质量的严重下降。
为了验证这一现象，研究人员采用了一种方法：他们使用了一个预训练的AI系统，该系统能够驱动一个维基百科的版本，并让AI基于自己生成的内容进行更新。结果发现，随着受污染数据的累积，原本的训练集逐渐被侵蚀，输出的信息质量也随之恶化。例如，在经过多次循环后，原本关于14世纪英国教堂尖顶的条目被错误地更新为关于短尾兔子的论文。
此外，AWS团队在6月的另一项研究中发现，大约57%的网络文本都经过了AI算法的处理。如果互联网上的人类生成内容被AI生成内容迅速取代，那么AI可能正面临“自我毁灭”的风险，同时也可能对互联网的内容质量造成严重影响。
研究最后建议，为了确保AI的长期可持续发展，必须确保其能够访问到非AI生成的内容，并持续引入新的人工生成内容，以避免模型崩溃的发生。
