繁荣背后存隐忧 美AI巨头被控秘密“侵吞”数据
记者 张佳欣
人工智能(AI)迅速发展离不开对模型的训练。然而，高质量数据短缺以及部分领域封闭式的数据生态似乎成为AI发展的掣肘。
据多家外媒报道，OpenAI、谷歌和Meta等公司正寻求在线信息来训练最新的AI系统。但他们无视既定政策，蓄意改变规则，并试图规避版权法。
收集数据“走捷径”
英国《泰晤士报》近日刊文指出，科技巨头一直在“走捷径”为其AI系统收集训练数据。OpenAI开发了一款名为Whisper的语音识别工具，可将YouTube视频中的音频文件转录为纯文本文档，从而创建一个口语对话数据源，帮助训练其下一代基于文本的GPT-4算法。
美国《商业内幕》网报道称，YouTube在其官网明令禁止“独立”于其之外的应用程序使用其视频内容。而OpenAI的数据并非意外收集的。
实际上，OpenAI员工知道这样做会涉足法律灰色地带。OpenAI总裁格雷格・布罗克曼甚至亲自参与了所使用视频的收集。但OpenAI依然认为这是合理的，最终获得了超过100万小时的转录视频。
最大的谜团在于，OpenAI如何访问足够多的YouTube视频来完成这项工作。
当OpenAI首席技术官米拉・穆拉蒂被问及该公司是否使用YouTube视频来训练Sora时，她表示并不确定。当再次被问及训练数据的来源时，她表示不会透露细节。
《纽约时报》称，与OpenAI一样，谷歌也转录了YouTube视频，为其AI模型收集文本，这可能侵犯了视频创作者的版权。去年，谷歌还更改了其服务条款。此番动机意图明显，即允许AI对来自谷歌文档中公开可用文档的数据以及上传到谷歌地图的餐馆评论等其他材料进行训练。
面临“数据瓶颈”
对于科技公司来说，庞大的数据“肥料”是生成式AI的核心养分，也是大模型发展的必争之地。唯有足够的数据才能指导技术即时生成与人类创作相似的文本、图像、声音和视频，实现系统创新。
但随着AI发展，现有互联网信息量的不足、高质量文本数据的匮乏以及科技巨头优质数据的垄断，都可能导致AI“养分不足”。即便谷歌和Meta拥有数十亿用户，每天都会产生搜索查询和社交媒体帖子，但这些数据在很大程度上受到隐私法和自身政策的限制，无法让AI利用这些内容。
这些科技公司的处境似乎十分窘迫。据人工智能研究机构Epoch称，科技公司最快将于2026年耗尽互联网上的高质量数据。这些公司使用数据的速度超过了产生数据的速度。
Meta同样也遇到了训练数据可用性限制。该公司打算采取一些措施，例如支付图书许可费用，甚至直接收购一家大型出版商。Meta也曾作出以隐私为中心的变革，因此它使用消费者数据的方式显然也受到了限制。
在人类数据告急的情况下，不少公司甚至试图用AI“喂”AI。包括微软、OpenAI在内的公司正在把大模型生成的结果，也就是所谓的“合成数据”，“喂”给参数更小的模型。但有研究认为，合成数据最终将让AI“自食其果”。
因版权被多方状告
《纽约时报》去年起诉OpenAI和微软，称其在未经许可的情况下使用受版权保护的新闻文章来训练AI聊天机器人。OpenAI和微软回应称，这属于“合理使用”，或者说是版权法允许的，因为他们为了不同的目的而改造了这些作品。
去年，超过1万个贸易团体、作者、公司和其他人士向美国版权局提交了有关AI模型使用创意作品的意见。
生成式AI的迅速兴起引发了一场全球性的高质量数据竞赛。然而，在这个新领域中，关于什么是合法的、道德的，没有明确规定。
《商业内幕》网称，目前，谷歌、OpenAI和其他科技公司正在辩解，认为将受版权保护的内容用于AI模型训练是合法的，但监管机构及法院尚未对此作出裁决。
美国电影制作人、前演员及作家贾斯汀・贝特曼告诉版权局，AI模型在未经许可或付费的情况下获取了其作品内容。她称，“这是美国最大的盗窃案”。(科技日报)
记者3月17日从浙江大学获悉，该校医学院附属第二医院王良静教授团队、附属邵逸夫医院陈淑洁主任医师团队联合研究发现，一种肠道菌群产生的小分子代谢物吲哚丙酸，可以增强抗癌药物抗PD-1单抗对结 我国成功发射云海二号02组卫星 中新网北京3月21日电(马帅莎 曹译 张艳)北京时间2024年3月21日13时27分，我国在酒泉卫星发射中心使用长征二号丁运载火箭/远征三号上面级，成功将云海二号02组卫星发射升空，卫星顺利 有消息称，iPhone在中国寻找本土生成式AI提供方，iPhone讨论了在中国的设备中使用百度的人工智能技术。据《华尔街日报》报道，iPhone与百度进行了谈判，以授权其型号。这可能是为了向中国的iPhone客户提 3月24日消息，据媒体报道，huawei电话供应链公司，已开始向huaweiP70系列高端旗舰电话批量供货。同时有产业链人士透露，huawei给出的P70系列出货目标指引相对乐观。据数码博主“数码闲聊站”爆料，huaweiP 3月22日，中国互联网络信息中心（CNNIC）发布第53次《中国互联网络发展状况统计报告》（以下简称《报告》）。《报告》显示，截至2023年12月，我国网民规模达10.92亿人，较2022年12月新增网民2480万人，互联网 3月21日，人工智能大模型赋能企业科技创新研讨会在广州召开。中国知网在会议期间发布了专利大数据智能应用产品“AI Pat+”。据中国知网相关负责人介绍，中国知网在人工智能大模型领域的深入研发 。本文链接：繁荣背后存隐忧 美AI巨头被控秘密“侵吞”数据http://www.sushuapos.com/show-2-4940-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。