AI合成内容泛滥，前AI时代的人类数据会更有价值吗？

ArcanuMELO · reddit · 2026-08-13

随着生成式AI在互联网上制造大量合成内容，训练数据的来源（provenance）正变得至关重要。作者提出疑问：像1980年出版的纸质书或早期互联网存档这类确信由人类创作的“前AI时代”语料库，是否正因为其纯粹的人类属性而变得格外有价值？

文章进一步探讨了递归训练可能导致的模型崩溃风险，以及未来是否需要依赖人类作者身份认证机制，并邀请读者讨论：数据的年代和来源是否会成为训练的关键因素，还是现有的过滤技术足以解决这些问题。