بیش از ۵۰ پژوهشگر در یک مطالعه جدیدی به بررسی منبع دادههای هوش مصنوعی پرداختهاند. آنها در این مطالعه سعی داشتند تا منشا احتمالی دادههای هوش مصنوعی یا دادههایی که امکان استفاده از آنها برای آموزش مدلهای مختلف وجود دارد را مشخص کنند. این مطالعه که نشریه فناوری MIT مقالهای درمورد نتایج آن منتشر کرده است به حقایق جالبی درمورد وضعیت فعلی گنجینه دادههای اینترنت اشاره دارد.
به گزارش پیوست، این مطالعه نشان میدهد که با وجود افزایش نفوذ اینترنت در بخشهای مختلف جهان، همچنان دادههای انگلیسی سهم اصلی (۹۰ درصدی) از دادههای اینترنت را در اختیار دارند و ۹۰ درصد دیتاستهای تحت بررسی این پژوهشگران در اروپا و آمریکای شمالی هستند.
همچنین این مطالعه به یک برتری مهم برای گوگل در مدلهای مولد ویدیو اشاره دارد. بررسی پژوهشگران نشان میدهد که پلتفرم یوتیوب مهمترین منبع دادههای مناسب برای آموزش مدلهای ویدیویی است.