Modeļa sabrukums ir kvalitātes zudums, kas var rasties, ja ģeneratīvos modeļus atkārtoti apmāca ar datiem, kurus pati ir izveidojusi MI. Reti sastopams saturs un robežgadījumi pakāpeniski izzūd, bet rezultāti kļūst viendabīgāki un kļūdaināki. Šī problēma kļūst arvien svarīgāka, jo internetā aug MI ģenerēta teksta un attēlu īpatsvars. Tai palīdz pretoties rūpīgi atlasīti, cilvēku radīti dati.
Sintētiski dati tiek ģenerēti mākslīgi, nevis vākti reālajā pasaulē, bet atdarina reālu datu likumsakarības un īpašības. Tie palīdz, ja īstu datu ir maz, tie ir dārgi vai datu aizsardzības ziņā sensitīvi — piemēram, programmatūras testēšanai, modeļu apmācībai vai tērzēšanas robota pārbaudei ar reālistiskiem paraugvaicājumiem. Svarīgi, lai tie pietiekami precīzi atspoguļotu realitāti un neļautu izdarīt secinājumus par reālām personām.
Apmācības dati ir piemēri, no kuriem MI modelis apgūst likumsakarības: lielas teksta kolekcijas valodas modeļiem, marķēti attēli attēlu modeļiem. To kvalitāte, daudzveidība un aktualitāte lielā mērā nosaka, cik uzticams un taisnīgs ir modelis un cik aktuālas ir tā zināšanas. Organizācijām ir svarīgi arī tas, vai pakalpojumu sniedzējs ievadītos klientu datus izmanto tālākai apmācībai.
Ģeneratīvais MI apzīmē MI sistēmas, kas rada jaunu saturu — tekstu, attēlus, audio, video vai programmas kodu —, nevis tikai šķiro vai vērtē esošus datus. Tās balstās uz modeļiem, kas no liela datu apjoma apgūst likumsakarības un izmanto tās, lai radītu ticamus jaunus rezultātus. Uzņēmējdarbībā to izmanto, piemēram, e-pastu, kopsavilkumu, produktu aprakstu vai attēlu ideju melnrakstiem. Rezultāti var saturēt kļūdas, un pirms lietošanas tie jāpārbauda.
„Garbage in, garbage out” („atkritumi iekšā — atkritumi ārā”) apzīmē principu, ka sistēma var sniegt tikai tik labus rezultātus, cik labi ir tās saņemtie dati. MI gadījumā tas attiecas divkārt: nepareizi, novecojuši vai vienpusīgi apmācības vai zināšanu dati noved pie nepareizām vai aizspriedumainām atbildēm. Tērzēšanas robots, kas balstās uz novecojušu cenrādi, nosauks novecojušas cenas. Tāpēc datu kopšana ir pastāvīgs uzdevums katrā MI projektā.
