OpenAI和Cohere因平台要价过高，转向合成数据领域

合成数据：AI训练的新宠儿

在人工智能领域，合成数据正逐渐崭露头角，成为训练AI模型的新选择。所谓合成数据，是通过计算机技术人工生成的数据，而非真实事件产生的数据。尽管如此，它却能在数学和统计学上完美地反映原始数据的属性，因此被视为原始数据的替代品，用于训练、测试和验证大模型。

成本压力下的创新选择

据DoNews7月20日报道，人工智能公司Cohere首席执行官Aiden Gomez透露，由于像Reddit、Twitter等公司对数据采集的要价过高，包括微软、OpenAI和Cohere在内的AI公司已经开始转向使用合成数据来训练AI模型。这一转变背后，是成本压力下的一次创新选择。

尽管合成数据目前尚未全面推广，但Gomez表示，它已经适用于很多训练场景。这意味着，在未来的AI训练过程中，合成数据可能会发挥越来越重要的作用。

合成数据之所以能够应用于AI训练，离不开其背后的理论基础。通过对原始数据进行模拟和生成，合成数据能够保持数据分布的相似性，从而在训练过程中提供有效的样本。这一理论为AI训练提供了新的可能性，也为AI技术的进一步发展奠定了基础。

案例来源：某知名AI公司

案例时间节点：2022年

案例内容：该公司在训练某语音识别模型时，由于难以获取足够的真实语音数据，便采用了合成数据。经过测试，该模型在合成数据上的表现与真实数据上的表现相差无几，从而证明了合成数据在AI训练中的有效性。

合成数据应运而生，它如同数字世界的“替代品”，以其独特的“可用性”特性，正在逐渐改变企业对数据依赖的传统模式。

尽管合成数据在各个领域都展现出了巨大的应用前景，但在实际应用过程中，仍面临着一些挑战。例如，如何确保合成数据的质量和准确性，如何平衡合成数据与真实数据之间的关系，以及如何应对数据隐私和安全等问题，都是需要行业共同探讨和解决的。

因为技术的不断进步，合成数据将在数据应用领域发挥越来越重要的作用。未来，因为更多企业认识到合成数据的优势，相信会有越来越多的场景采用合成数据进行训练、测试和验证，从而推动AI技术的发展和应用创新。