Pesquisadores alertam para o esgotamento de dados de texto de alta qualidade para o treinamento de IAs até 2026

Conteúdos de alta qualidade são provenientes de livros, artigos científicos, Wikipédia e certos conteúdos da web. Já para dados linguísticos de baixa qualidade, como postagens em redes sociais, serão esgotados em algum momento entre 2030 e 2050, e dados de imagem de baixa qualidade entre 2030 e 2060. Essa situação poderia desacelerar o avanço dos grandes modelos de linguagem. Uma opção seria criar dados sintéticos para o treinamento desses sistemas.