AI 新悖论：模型越智能，数据越糟糕

神译局·2026年01月08日 07:06

喂模型垃圾数据，它就会自信满满地给出错误结论。

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：人工智能模型的可靠性取决于其底层数据的质量。然而，目前有一个新的悖论，模型越智能，数据可能变得越糟糕。本文来自编译，希望对您有所启发。

[图片来源：Eugene Mymrin/Getty Images]

人工智能承诺带来更智能、更快速、更高效的未来，但乐观表象之下潜藏着日益恶化的隐忧：数据本身的问题。我们常讨论算法，却鲜少关注支撑算法的基础设施。事实上，创新速度永远无法超越其输入数据的质量，而当前这些输入数据正显露疲态。当根基开始动摇，即便是最先进的系统也会失灵。

十年前，规模与精度尚能并行不悖。但如今，这两个目标往往背道而驰。隐私法规、设备授权限制及平台新规，使得获取高质量的第一方数据比以往任何时候都更困难。为填补缺口，市场充斥着看似合法实则虚假的循环利用、伪造或推断信号。

由此催生出诡异的新常态：两年前已关闭的商场仍显示“客流量”，汽车经销店在午夜时分呈现繁忙景象。这些异常看似是无害的故障，实则是数据生态系统重数量轻可信度的产物。

1. 当数据量沦为噪音

多年来，行业普遍认为数据越多洞察越精深。数据量象征着实力，输入越多意味着智能越强。但如今数据过剩已沦为干扰噪音。为维持规模，部分供应商采用了填充数据或虚假信号，使系统看似健康，实则侵蚀了数据的可靠性与真实性。

一旦劣质数据进入系统，便几乎无法分离。这如同在新鲜的麦片盒里混入几粒过期麦片，你无法辨别哪粒变质，但能尝出差异。而当数据规模扩大时，这种差异将呈指数级放大。

2. 人工智能悖论

讽刺的是，人工智能既是问题根源，也是解决方案。所有模型都依赖训练数据，若基础数据存在缺陷，其产出的洞见必然失真。喂它垃圾数据，它就会自信满满地给出错误结论。

任何使用过ChatGPT的人都曾亲身体验过这种挫败感。尽管它是极具价值的工具，但仍会出现提供错误答案或产生幻觉的情况。你提出问题，它立刻满怀自信地给出详尽解答……可惜全是错的。有那么一刻，这听起来令人信服，但一旦发现谬误，怀疑的种子便会悄然萌芽。再试几次，怀疑便占据上风。这就是数据质量崩坏时的景象：故事看似完整，却无法分辨何为真实。

与此同时，人工智能为我们提供了新的工具，通过标记不一致来清理它继承的混乱。某餐厅在周日显示有访客却实际歇业？某家闭店商场突然“人潮涌动”？只要训练得当，人工智能就能捕捉到这类异常模式。

然而，单凭一家公司无法解决所有问题。数据完整性依赖于整个链条的每个环节——从采集者、聚合者到分析师和终端用户，都需对自身贡献的数据负责。进步的源泉不在于更多数据，而在于提升现有数据的透明度。