Według wyników tego badania brak wystarczającej ilości nowych danych rzeczywistych prowadził do stopniowej utraty jakości, różnorodności albo obu tych cech.

Problem ten bywa określany także jako Model Autophagy Disorder (MAD). Analogicznie do „AI karmiącej się własnymi wynikami”, w polskojęzycznych omówieniach popularnonaukowych zwracano uwagę na ryzyko „zjadania własnego ogona” przez systemy sztucznej inteligencji oraz na potencjalną utratę danych marginalnych, rzadkich i nietypowych. W ujęciu statystycznym odpowiada to przede wszystkim utracie ogonów rozkładu, czyli tych obszarów, w których znajdują się obserwacje rzadkie, odstające lub słabo reprezentowane.

Znaczenie dla modeli językowych i kultury informacji W przypadku dużych modeli językowych problem jest szczególnie istotny, ponieważ modele są trenowane na dużych zbiorach tekstów pozyskiwanych z internetu. Wraz ze wzrostem ilości treści generowanych przez sztuczną inteligencję rośnie prawdopodobieństwo, że takie treści trafią do przyszłych zbiorów treningowych.