Turing-Preisträger Richard Sutton hält synthetische Daten für einen „großen Fehler“ beim Skalieren großer Sprachmodelle. Die Welt sei unendlich komplex und jede Simulation davon „mikroskopisch“ – menschliche Expertise als Flaschenhals verhindere echtes Skalieren. Suttons Alternative: Agenten, die aus eigener Erfahrung kontinuierlich lernen, statt auf eingefrorene Modelle zu setzen.
Der Artikel KI-Pionier Sutton hält synthetische Daten für einen „großen Fehler“ angesichts einer unendlich komplexen Welt erschien zuerst auf The Decoder.