Waarom worden modellen die op het huidige web zijn getraind steeds slechter naarmate AI er meer van schrijft?
Kans
Het web is nu het primaire trainingskorpus voor grensverleggende modellen en is al verzadigd met door AI gegenereerde tekst die geen enkel ingezet filter betrouwbaar opvangt. Onderzoek gepubliceerd tussen 2024 en 2026 toont aan dat zelfs een fractie van een procent aan synthetische data in een trainingsrun over opeenvolgende generaties een distributionele instorting teweegbrengt, waardoor de outputdiversiteit afneemt en de staartprestaties verslechteren. De feedbacklus is structureel: modellen die dit jaar worden getraind produceren content die het corpus voor de trainingsrun van volgend jaar besmet. Voorgestelde mitigaties zoals allowlists op bronniveau, watermerkfilters en synthetische-data-verificateurs hebben elk omzeilingsvectoren en geen ervan is ingezet op webcrawlerschaal. Er is geen overeengekomen protocol voor het identificeren en in quarantaine plaatsen van door AI gegenereerde trainingsgegevens voordat deze een model binnengaan.
Waarom het belangrijk is
Een verslechterend gedeeld trainingskorpus stelt een plafond aan elk model dat op openbare data is gebouwd, en dat plafond daalt met elke generatie.
Hoe ik de kans beoordeel
De Opportunity Score is mijn eigen inschatting, geen meting: hoe ernstig het pijn doet, hoe vaak het toeslaat, en hoe weinig er vandaag de dag bestaat om het op te lossen. Hoger betekent dat ik denk dat het meer de moeite waard is om te bouwen.
Hoeveel pijn het veroorzaakt wanneer het zich voordoet.
Hoe vaak mensen er daadwerkelijk tegenaan lopen.
Hoe weinig goede tools er vandaag de dag voor bestaan.
Meer problemen die het oplossen waard zijn
Waarom vergeet elke AI-app mij op het moment dat ik het tabblad sluit?
AIWaarom is het leren van een nieuw vakgebied nog steeds afhankelijk van weten wat je moet vragen?
AIWaarom kan een niet-expert niet verifiëren wat een AI hem zojuist heeft verteld?
AIWaarom testen we modellen op benchmarks maar brengen we ze op de markt op gevoel?
AIWaarom hebben AI-agenten geen geheugen voor hun eigen fouten?
AIWaarom kan ik niet controleren waarop een model daadwerkelijk is getraind?