这个和任何资源一样，都必须提纯的，而排除污染，就是AI应该发展的能力。在概率上说，数据量大的污染应该比数据量小的更均匀

数据量小的数据库，被造假，或者人为选择数据的可能性更大，这样信息垃圾进，垃圾逻辑出，训练出来的AI就是垃圾啊。

而海量的数据，人为造假的难度就非常大。