软餐获悉，微软、 OpenAI 和 Cohere 等人工智能公司正在转向使用 “合成数据”（synthetic data）来训练 AI 系统。这可以避免传统的 “从互联网上抓取数据” 方式带来的版权和隐私问题（报道 1 、报道 2 、报道 3）。人工智能公司 Cohere 的首席执行官艾登·戈麦斯 (Aiden Gomez) 透露，在 AI 领域合成数据的使用已经很大。例如要想训练一个高等数学模型，开发人员可以设置两个 AI 模型，分别扮演老师和学生的角色，讨论三角学等话题，然后如果有任何说错的地方，人类会纠正对话。
此外，微软研究发现，教科书似乎也是训练 AI 的好材料，经过教科书质量数据训练的编码模型，可以更好的执行编码任务。
