合成データとは？

AI自身が生成した、学習用の人工データ。実データの不足やプライバシー問題を回避できる一方、AIがAIの出力で学ぶことによる品質劣化のリスクも議論されている。

AIの食料であるデータには限りがあります。ネット上の良質なテキストは食べ尽くされつつあり、医療データなどはプライバシーの壁で使えない。そこで「AIに教材を作らせて、AIを育てる」という合成データの出番です。優秀なモデルが作った問題集で次のモデルが学ぶ——すでに最先端モデルの訓練で標準的に使われています。

一方で、AIの出力だけを何世代も食べ続けると品質が劣化していく「モデル崩壊」という懸念も研究されています。コピーのコピーが薄れるのに似た現象です。人間の生データという「原本」の価値は、AI時代にむしろ上がっている——そんな逆説も生んでいる分野です。