據《福布斯》9月4日報道，牛津大學的伊利亞·舒梅洛夫博士及其團隊在《自然》雜志上發表的一項研究中指出，當AI系統僅依賴于由自身生成的內容進行訓練時，其輸出質量會迅速下降。

這種現象被稱為“模型崩潰”，即AI在不斷使用自身生成的數據進行訓練后，其輸出內容逐漸失去準確性和實用性。

研究顯示，在經過五次連續的自我生成內容訓練后，AI的輸出質量顯著下降;到了第九次，輸出內容已經退化為毫無意義的文本。

舒梅洛夫博士指出，模型崩潰的發生速度之快和難以察覺的程度令人驚訝。最初，它可能只影響少數數據，但隨后會逐漸侵蝕輸出的多樣性，最終導致整體質量的嚴重下降。

為了驗證這一現象，研究人員采用了一種方法：他們使用了一個預訓練的AI系統，該系統能夠驅動一個維基百科的版本，并讓AI基于自己生成的內容進行更新。結果發現，隨著受污染數據的累積，原本的訓練集逐漸被侵蝕，輸出的信息質量也隨之惡化。例如，在經過多次循環后，原本關于14世紀英國教堂尖頂的條目被錯誤地更新為關于短尾兔子的論文。

此外，AWS團隊在6月的另一項研究中發現，大約57%的網絡文本都經過了AI算法的處理。如果互聯網上的人類生成內容被AI生成內容迅速取代，那么AI可能正面臨“自我毀滅”的風險，同時也可能對互聯網的內容質量造成嚴重影響。

研究最后建議，為了確保AI的長期可持續發展，必須確保其能夠訪問到非AI生成的內容，并持續引入新的人工生成內容，以避免模型崩潰的發生。