AIに流入する資本の流れとともに、大規模な未解決の実際の障壁のリストも長く存在している。その中には、データの再帰的汚染がある。大規模な言語モデルは膨大な量のコンテンツを生成し、それが次世代モデルの学習素材として使用される。その結果、誤りや幻覚は各サイクルで増幅される。これはコピーのコピーを何度も繰り返すようなものであり、品質は着実に低下し、最終的には元の出典が何であったか特定できなくなる。業界はすでに高品質な人間のコンテンツ不足を補うために合成データに頼り始めているが、これは劣化を加速させるリスクがあり、根本的な解決にはならない。さらに深刻な問題はデータの汚染である。悪意のある者は意図的に学習データを歪めることができ、一度「毒」が導入されると、それはモデルに永遠に残る。特に危険なのは軍事シナリオである。信頼性の低いデータに基づいて敵味方を識別するように訓練されたAIは、実際の紛争の最中に隠れた脆弱性を発見することになる。言語モデルの汚染には、たった250の有害なドキュメントだけで十分であることが記録されており、これにより学習データへの攻撃は単なる仮説的な脅威ではなく、サイバーセキュリティの現実的な問題となっている。