人类数据，要被OpenAI用完了，然后呢？

图片地址：http://upload.techweb.com.cn/imgs/2023/0718/1689642898931.png

「比大更大」（Bigger than bigger）当年苹果的一句广告词，用来形容现在 AI 领域最热的大语言模型，看起来也没什么不对。从十亿、百亿再到千亿，大模型的参数走向逐渐狂野，相应的，用来训练 AI 的数据量，也以指数级暴增。以 OpenAI 的 GPT 为例，从 GPT-1 到 GPT-3，其训练数据集就从 4.5GB 指数级增长到了 570GB。不久前的 Databricks 举办的 Data+AI 大会上，a16z 创始人 Marc Andreessen 认为，二十几年来互联网积累的海量数据，是这一次新的 AI 浪潮兴起的重要原因，因为前者为后者提供了可用来训练的数据。但是，即便网民们在网上留下了大量有用或者没用的数据，对于 AI 训练来说，这些数据，可能要见底了。人工智能研究和预测组织 Epoch 发表的一篇论文里预测，高质量的文本数据会在 2023-2027 年之间消耗殆尽。尽管研究团队也承认，分析方法存在严重