AI分野の先駆者であり、強化学習の権威であるRichard Sutton氏は、AIモデルの学習において合成データ（AIが生成したデータ）に過度に依存する現状を「大きな間違い」と強く批判しました。無限に複雑な現実世界を理解するためには、合成データではなく現実世界のデータこそが重要であると指摘しています。
本件は特定の製品や新機能のリリースではなく、AI学習手法に対する著名な研究者からの警鐘として発表されました。Sutton氏は、現在のAI開発トレンドにおいて、計算資源の効率化を求めるあまり「現実の複雑さ」が軽視されている可能性について論じています。
Sutton氏の主張の核心は、現実世界のデータが持つ「複雑性」と「予測不可能性」にあります。AIが生成したデータは既存の知識やパターンの再構成に過ぎず、未知の事象や複雑な因果関係を学習するには限界があります。モデルが現実世界の「無限の複雑さ」をモデル化するには、合成データによる訓練の限界を超え、現実の生データから直接的に学習するアプローチが必要であるとの見解です。
Sutton氏の提言は、今後の基盤モデル開発におけるデータ選別や学習アルゴリズムのあり方に一石を投じるものです。生成AIの普及に伴い合成データ利用が加速する中で、現実世界のデータをいかに効率的かつ精度高く取り込むかという課題が、次世代のAI研究における重要な焦点となることが示唆されています。