“有許多專家相信，Open AI公司在使用公共視頻網(wǎng)站的數(shù)據(jù)訓(xùn)練其大模型。”美國“商業(yè)內(nèi)幕”網(wǎng)站18日刊文稱，這家業(yè)界領(lǐng)先的人工智能（AI）初創(chuàng)企業(yè)獲取數(shù)據(jù)的方式正在引發(fā)爭議。不只是Open AI，近期美國多個頭部科技企業(yè)遭遇類似爭議。訓(xùn)練人工智能大模型的數(shù)據(jù)來源是否合法？如何界定企業(yè)使用公眾數(shù)據(jù)的邊界？都成為未來各國完善人工智能法規(guī)需要認真考慮的問題。

Open AI遭遇質(zhì)疑

“商業(yè)內(nèi)幕”網(wǎng)的文章以O(shè)pen AI公司旗下大火的人工智能視頻創(chuàng)作工具Sora為例稱，Sora的訓(xùn)練依賴海量數(shù)據(jù)，這些數(shù)據(jù)很可能搜刮自谷歌旗下的YouTube視頻網(wǎng)站，而這已經(jīng)幾乎是公開的秘密。事實上，YouTube官方一直禁止使用自動化工具批量下載網(wǎng)站視頻的做法，也禁止下載YouTube視頻用于商業(yè)目的，并采取限流等措施應(yīng)對工具刮削。文章稱，目前尚不清楚Open AI是用了什么樣的技術(shù)手段繞過YouTube的攔截。

美國《華爾街日報》近期采訪Open AI首席技術(shù)官米拉·穆拉蒂，在被問及公司使用什么數(shù)據(jù)訓(xùn)練Sora時，她回應(yīng)稱“使用的是公開和被許可數(shù)據(jù)”。但被問及其中是否包括YouTube視頻內(nèi)容時，她表示“對此并不確定”。

中關(guān)村信息消費聯(lián)盟理事長項立剛20日告訴《環(huán)球時報》記者，人工智能大模型分為通用大模型和垂直（行業(yè)）大模型。Open AI做的是通用大模型，會在YouTube等公共平臺上爬取數(shù)據(jù)。圖片和視頻的版權(quán)往往較文字更為明確，更容易引發(fā)爭議。“比如，我拍的視頻、圖片就是我所創(chuàng)作的內(nèi)容，但被整合到人工智能大模型里后，就成為后者的內(nèi)容。這里面有很多法律問題是需要解決的。”

當(dāng)前，人工智能賽道在全球持續(xù)火熱，眾多初創(chuàng)公司爭先恐后地收集高質(zhì)量的數(shù)據(jù)訓(xùn)練人工智能大模型。“商業(yè)內(nèi)幕”網(wǎng)援引熟悉Open AI運營的人士的話稱，該公司指派了一個“秘密團隊”來獲取訓(xùn)練數(shù)據(jù)，公司內(nèi)部也不會深究數(shù)據(jù)來源。互聯(lián)網(wǎng)界的各大玩家似乎達成某種“共識”——只要自身能抓取到別人的數(shù)據(jù)，也就默許其他玩家采取相同的做法。

在一些人看來，這樣的“共識”是狂飆突進中的人工智能產(chǎn)業(yè)需要留意的一大隱患。“商業(yè)內(nèi)幕”網(wǎng)的報道認為，生成式人工智能的快速興起掀起了一場世界范圍內(nèi)的技術(shù)競賽，在這個新領(lǐng)域中，什么是合法的，什么是合乎道德的，目前尚缺乏明確而成熟的規(guī)則。

“混亂”中推動監(jiān)管措施變革

“商業(yè)內(nèi)幕”網(wǎng)稱，人們對復(fù)雜的生成式人工智能系統(tǒng)給公眾帶來的潛在危害有很多擔(dān)憂，公眾對這些人工智能大模型從何處獲取數(shù)據(jù)、如何使用數(shù)據(jù)以及在涉及敏感信息時是否采取保護措施知之甚少，科技公司不僅沒有告訴公眾太多信息，甚至連自身都無法將這一過程徹底解釋清楚。

一段時間以來，美國多家業(yè)內(nèi)頭部企業(yè)因人工智能訓(xùn)練數(shù)據(jù)來源而陷入侵權(quán)糾紛，甚至吃到官司。本月初，3名作家在美國加州對英偉達公司發(fā)起集體訴訟，指控該公司的NeMo AI平臺使用盜版文學(xué)網(wǎng)站素材訓(xùn)練人工智能的自然語言撰寫技能。早前，包括《冰與火之歌》作者在內(nèi)的18名作家起訴Open AI侵權(quán)；《紐約時報》起訴Open AI和微軟非法使用其內(nèi)容；在2023年，就有許多設(shè)計師起訴人工智能繪畫軟件Midjourney和Stability AI未經(jīng)許可使用其版權(quán)作品訓(xùn)練人工智能繪圖工具。美國娛樂游戲網(wǎng)站IGN評價上述官司稱，這些案例或成為推動監(jiān)管措施變革的關(guān)鍵。

面對外界越來越頻繁的質(zhì)疑，一些巨頭對訓(xùn)練人工智能所用的海量數(shù)據(jù)來源諱莫如深。去年年底，兩名美國議員提出一項《人工智能基礎(chǔ)模型透明法案》，要求所有人工智能基礎(chǔ)模型都必須披露訓(xùn)練數(shù)據(jù)來源、獲取數(shù)據(jù)的方式以及使用的算法等。但這項法案何時能成為正式立法不得而知。

多國法規(guī)有待檢驗

中國經(jīng)濟學(xué)者盤和林告訴《環(huán)球時報》記者，對于獲取訓(xùn)練人工智能大模型的數(shù)據(jù)，各國法規(guī)尚有分歧，甚至是一片空白。有些國家的法規(guī)更加傾向于信息公開，有些國家的法規(guī)更加傾向于信息安全。共識在于，選取數(shù)據(jù)不能涉及個人隱私數(shù)據(jù)。如果企業(yè)爬取公共數(shù)據(jù)，需對數(shù)據(jù)進行處理以達到脫敏脫密。

項立剛告訴記者，中國去年在人工智能大模型的管理方面出臺了相關(guān)的條例。至于涉及知識產(chǎn)權(quán)的管理，需要在未來隨著人工智能產(chǎn)品的完善和技術(shù)的發(fā)展進一步制定相關(guān)的法律和法規(guī)。

在管理人工智能訓(xùn)練數(shù)據(jù)來源方面，歐洲步子邁得較大。瑞士《一瞥報》19日稱，人們已經(jīng)意識到，會有犯罪者通過網(wǎng)絡(luò)數(shù)據(jù)進行非法AI創(chuàng)作，甚至還會出現(xiàn)勒索事件。歐洲議會13日以壓倒性票數(shù)通過《人工智能法案》。該法案為人工智能技術(shù)設(shè)置嚴格的規(guī)則，旨在確保人工智能的使用不會侵犯人的基本權(quán)利，如隱私、數(shù)據(jù)保護和非歧視等。歐盟官員將其稱為“世界上第一部針對可信人工智能的全面、具有約束力的法規(guī)”。

盤和林表示，與美國不同，中國主流人工智能大模型多基于企業(yè)內(nèi)部數(shù)據(jù)進行訓(xùn)練。美國是判例法國家，經(jīng)紀商可能從數(shù)據(jù)平臺購買數(shù)據(jù)，更多的則是從互聯(lián)網(wǎng)公開數(shù)據(jù)中爬取有用數(shù)據(jù)。包括社交媒體的所有資料。繼而對數(shù)據(jù)進行預(yù)標(biāo)注和加工處理。“商業(yè)內(nèi)幕”網(wǎng)認為，谷歌、Open AI和一些科技公司認為，在當(dāng)前的“共識”下，即使使用受版權(quán)保護的內(nèi)容進行人工智能模型訓(xùn)練是合法的，但這樣的訴求也有待得到監(jiān)管機構(gòu)或法庭的檢驗。