Dữ liệu huấn luyện là gì?
Còn gọi: training data, dataset ai, bộ dữ liệu huấn luyện
Dữ liệu huấn luyện là tập hợp ảnh, văn bản, âm thanh hoặc video dùng để dạy một mô hình AI; mô hình học quy luật từ dữ liệu này rồi dùng để tạo nội dung mới.
Hiểu kỹ hơn
Các mô hình tạo ảnh lớn thường học từ hàng trăm triệu đến hàng tỷ cặp ảnh và chú thích. Ví dụ bộ LAION-5B (khoảng 5,8 tỷ cặp ảnh và chữ thu thập từ web) từng được dùng cho các phiên bản Stable Diffusion đầu tiên. Nguồn dữ liệu quyết định nhiều điều designer quan tâm: mô hình giỏi phong cách nào, có thiên kiến gì, và có rủi ro bản quyền không. Tranh cãi lớn nhất là việc thu thập tác phẩm của nghệ sĩ mà không xin phép; nhiều vụ kiện liên quan đang diễn ra ở các nước. Một số nhà cung cấp chọn huấn luyện trên dữ liệu có giấy phép, ví dụ Adobe nói Firefly học từ Adobe Stock và nội dung hết bản quyền. Khi tự huấn luyện LoRA, chỉ dùng ảnh bạn sở hữu hoặc được cấp quyền. Lỗi hay gặp là nghĩ ảnh công khai trên mạng thì được dùng tự do để huấn luyện.
