Il model collapse è il fenomeno per cui un sistema IA addestrato su dati prodotti da altri sistemi IA (invece che su dati reali) perde progressivamente qualità: l’output diventa più povero, le sfumature rare scompaiono, gli errori si rafforzano. È la versione digitale della fotocopia della fotocopia. La ricerca del 2024 (Shumailov et al., Nature) l’ha documentato formalmente. Perché interessa chi lavora con l’IA: primo, il web si sta riempiendo di contenuti sintetici, e i modelli futuri addestrati su quel materiale saranno meno buoni; secondo, chi usa output di IA come dati di addestramento per propri strumenti senza curarne la qualità sta costruendo sulla sabbia. Regola pratica: i dati di addestramento e di verifica devono restare umani, originali e verificati — l’IA come aiuto è ok, l’IA al posto dei dati reali no.
Model collapse
Il degrado che subisce un modello IA addestrato su contenuti generati da altri modelli: perde varietà, distorce e peggiora generazione dopo generazione.
Definizione di Super Squalo ·