本文概要:
1. Google 和 OpenAI 利用他們的機器人（GoogleBot 和 GPTBot）從互聯(lián)網(wǎng)上收集數(shù)據(jù)，但最近的版權(quán)法對他們的數(shù)據(jù)抓取工作提出了障礙。
2. AI 模型需要人類生成的內(nèi)容來提高，但公司應(yīng)該支付還是從互聯(lián)網(wǎng)獲取這些內(nèi)容是一個問題。
3. OpenAI 已經(jīng)開始使用由 ChatGPT 創(chuàng)建的數(shù)據(jù)集來訓(xùn)練 GPT-4，但僅依賴這些數(shù)據(jù)可能導(dǎo)致模型崩潰。
極客號（Daydx.com）8月11日 消息:Google 和 OpenAI 正面臨著版權(quán)法在其 AI 訓(xùn)練數(shù)據(jù)收集方面的限制。隨著 ChatGPT 和 Google 的 Bard 等生成式 AI 系統(tǒng)的普及，對更多數(shù)據(jù)的需求不斷增長。
這些AI系統(tǒng)需要大量的文本、圖像和視頻進行訓(xùn)練。OpenAI 強調(diào) GPT-4是通過經(jīng)過批準和公開可用的數(shù)據(jù)源進行學習的。然而，由于對互聯(lián)網(wǎng)抓取數(shù)據(jù)的擔憂，OpenAI 和 Google 在數(shù)據(jù)獲取方面面臨公眾的反對。
提高 AI 模型的質(zhì)量需要人類生成的內(nèi)容，而問題在于公司是否應(yīng)該為這些內(nèi)容付費或者從互聯(lián)網(wǎng)上獲取。未來，人類生成的內(nèi)容可能以高價銷售。
OpenAI 最近開始使用由 ChatGPT 創(chuàng)建的數(shù)據(jù)集來訓(xùn)練 GPT-4，但僅僅依賴這些數(shù)據(jù)可能導(dǎo)致模型崩潰。這種情況發(fā)生在模型從其他模型生成的數(shù)據(jù)中學習，導(dǎo)致失去準確的數(shù)據(jù)。此外，未經(jīng)作者同意或未給予作者名字的使用作品也成為了討論的話題。上個月，數(shù)千名作者簽署請愿書，要求 AI 公司停止未經(jīng)許可使用他們的作品。
目前，OpenAI 和 Google 都把決定是否允許生成式 AI 挖掘他們的內(nèi)容的責任放在出版商身上。Google 建議創(chuàng)建一個類似于 robots.txt 系統(tǒng)的社區(qū)開發(fā)標準，允許出版商選擇拒絕抓取他們的作品被。
OpenAI 已經(jīng)采取了初步措施，通過將其添加到網(wǎng)站的 robot.txt 文件中，讓網(wǎng)站所有者選擇不讓 GPTBot 訪問。OpenAI 還與美聯(lián)社合作，以獲取實時數(shù)據(jù)進行未來的模型訓(xùn)練，并尋求避免法律糾紛并補償創(chuàng)作者。
