Cool Site 准确显示扎克伯格的爪牙非法下载了哪些书籍来训练 Meta 的 AI

快速阅读: 据《未来主义》最新报道，人工智能耗能巨大且需海量数据，对经济影响深远。Meta因非法使用受保护文本训练AI遭起诉，涉及750多万本书籍和8100万篇论文，引发版权和伦理争议。未来人工智能版权法或将改变。

对于人工智能所承诺的革命性变革，它也提出了极高的要求。首先，人工智能非常耗费电力。为了供应所有所需的电力，人工智能数据中心消耗的能源需要大量的自然资源，更不必提硬件和冷却基础设施的成本了。这些都需要投入巨额资金，使人工智能成为一个巨大的资金黑洞。这对我们的经济产生了深远影响，因为一点点的人工智能炒作就能在华尔街乃至更广范围内引发巨大的波动。

但人工智能在其他方面同样显得贪婪，那就是对数据的需求。例如，像OpenAI的ChatGPT这样的大型语言模型（LLMs）需要吞食海量的书面文字数据集来微调算法，以遵循语言规则。事实上，它们对原始素材的需求如此巨大，以至于为这些算法提供原材料变得越来越困难。“我们实际上已经用尽了宇宙中训练这些系统所需的所有文本，”计算机科学学者斯特拉特·罗素在2023年说道。如今到了2025年，资源几乎已经枯竭。Facebook和Instagram的母公司Meta无意间揭开了吞噬所有这些数据后的景象。今年一月，Meta与一群作者爆发了一场重大争议，这些作者起诉该公司使用他们的书籍来训练其人工智能。这起案件揭露了Meta非法下载了一个臭名昭著的盗版图书馆LibGen，以获取数百万受法律保护的文本。在软件工程师得到扎克伯格本人的批准后，这些书籍被喂给了Meta的LLM模型Llama。换句话说，世界上最大的公司之一甚至没有为每本用于构建其人工智能的书支付过单本费用。

本周，《大西洋月刊》编制了一个搜索引擎，可以搜索LibGen文件并揭示Meta到底抓取了哪些书籍。Meta的数据采集行动范围极为广泛，涵盖了超过750万本书籍以及8100万篇学术论文，还包括博物馆、建筑师和艺术家发表的作品。这场诉讼由Ta-Nehisi Coates和Sarah Silverman等作者领导，他们通过之前的2023年诉讼得知了Meta的数据盗版行为。但新的搜索工具现在让作家和学者能够看到具体哪些作品被盗用以训练Meta的盈利型LLM——这引发了大量关于版权法、人工智能伦理和媒体盗版的讨论。“我的书在这里——而且，很好！LibGen使人们能够接触到原本无法获得这些文本的人，”《连线》杂志记者贾斯汀·林说道。“问题是，LibGen免费提供内容并不是问题：问题是Meta为了盈利而窃取这些材料。”

Meta是否需要补偿这些作家的损失还有待观察，因为预计要到夏天才会做出决定。无论如何，损害已经造成——Llama已经在Facebook、Instagram和WhatsApp等平台上肆意运行——这是大数据在未来由大型科技公司主导的世界中的一个标志性时刻。更多关于人工智能版权法的内容：中国宣布所有人工智能生成的材料必须在线标注并分享。

分享这篇文章。

(以上内容均由Ai生成)