互聯(lián)網(wǎng)的普及使得數(shù)據(jù)的生成、傳播和獲取變得便捷，網(wǎng)絡(luò)上的數(shù)據(jù)量呈指數(shù)增長(zhǎng)，數(shù)據(jù)種類和來(lái)源也更加多樣化。這種爆發(fā)式增長(zhǎng)推動(dòng)了以深度學(xué)習(xí)為代表的人工智能技術(shù)的發(fā)展，進(jìn)而孕育了人工智能生成內(nèi)容（AIGC）這一新的數(shù)據(jù)生產(chǎn)方式和數(shù)據(jù)要素形態(tài)。

生成式人工智能技術(shù)的發(fā)展為人們的學(xué)習(xí)生活工作帶來(lái)了便利，促進(jìn)了內(nèi)容創(chuàng)作行業(yè)的發(fā)展。這種新型的數(shù)據(jù)生產(chǎn)方式打破了傳統(tǒng)創(chuàng)作的時(shí)間和空間限制，使內(nèi)容生產(chǎn)更加高效靈活。AIGC引發(fā)了數(shù)據(jù)要素形態(tài)的深刻變革，推動(dòng)數(shù)據(jù)從靜態(tài)資源向動(dòng)態(tài)智能要素轉(zhuǎn)變，為各行各業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級(jí)提供了新動(dòng)力。

隨著生成式人工智能的普及，數(shù)據(jù)規(guī)模迅速增加，互聯(lián)網(wǎng)上每日新增的圖片、語(yǔ)料等內(nèi)容中AI生成內(nèi)容的占比已經(jīng)超過(guò)了真實(shí)的人類生產(chǎn)內(nèi)容。隨之而來(lái)的是數(shù)據(jù)質(zhì)量和數(shù)據(jù)污染問(wèn)題，如深度偽造、偏見(jiàn)和有害內(nèi)容生成等。大量低質(zhì)量或不客觀的數(shù)據(jù)不僅對(duì)模型訓(xùn)練產(chǎn)生負(fù)面影響，還可能導(dǎo)致錯(cuò)誤決策和偏差，引發(fā)人們對(duì)“數(shù)據(jù)污染”的擔(dān)憂。

對(duì)于機(jī)器學(xué)習(xí)而言，數(shù)據(jù)污染是指用于訓(xùn)練的數(shù)據(jù)集中摻雜了低質(zhì)量的數(shù)據(jù)，主要體現(xiàn)在數(shù)據(jù)缺失、沖突、重復(fù)、過(guò)時(shí)和隱私數(shù)據(jù)泄露等方面。在生成式人工智能模型大行其道的當(dāng)下，AIGC可能會(huì)加劇有效數(shù)據(jù)獲取的難度，進(jìn)而造成全社會(huì)層面的數(shù)據(jù)污染，影響構(gòu)建優(yōu)質(zhì)數(shù)據(jù)要素的進(jìn)程。

海量AIGC“沖淡”人類產(chǎn)生的原創(chuàng)數(shù)據(jù)。一項(xiàng)關(guān)于插畫繪制網(wǎng)站Pixiv的研究指出，AI繪圖興起后，人類畫師的活躍度下降了4.3%。當(dāng)AIGC生成的內(nèi)容開(kāi)始主導(dǎo)信息生態(tài)時(shí)，具有獨(dú)創(chuàng)性的人類內(nèi)容可能被大量的人工智能生成內(nèi)容“稀釋”乃至“淹沒(méi)”?！禢ature》的一項(xiàng)研究指出，當(dāng)大語(yǔ)言模型或圖片生成模型不斷使用自身生成的數(shù)據(jù)進(jìn)行迭代訓(xùn)練時(shí)，會(huì)導(dǎo)致模型性能快速退化，稱為“模型崩潰”。這將越來(lái)越難以收集優(yōu)質(zhì)的原創(chuàng)性數(shù)據(jù)進(jìn)行利用，長(zhǎng)此以往或?qū)⑵茐膬?yōu)質(zhì)數(shù)據(jù)要素的構(gòu)建。