OpenAI宣布了“數(shù)據(jù)伙伴關(guān)系”計(jì)劃，旨在與第三方機(jī)構(gòu)合作，建立用于人工智能模型訓(xùn)練的公共和私有數(shù)據(jù)集。
OpenAI將收集“反映全人類社會(huì)”且目前不易在線訪問(wèn)的“大規(guī)模”數(shù)據(jù)集。該公司特別希望收集能“表達(dá)人類意圖”的數(shù)據(jù)（如長(zhǎng)篇寫作或?qū)υ挘�，這些數(shù)據(jù)將跨越不同的語(yǔ)言、主題和格式。
訓(xùn)練人工智能模型的數(shù)據(jù)集存在嚴(yán)重缺陷，這是一個(gè)公開的秘密。比如圖像語(yǔ)料庫(kù)往往以美國(guó)為首的西方國(guó)家為中心，部分原因在于在編制數(shù)據(jù)集時(shí)，這些地方的圖像在互聯(lián)網(wǎng)中占據(jù)主導(dǎo)地位。模型則以有害的方式放大了這些缺陷。
OpenAI在官網(wǎng)公布，它希望與外部機(jī)構(gòu)合作創(chuàng)建新的數(shù)據(jù)集來(lái)消除這些缺陷。
當(dāng)?shù)貢r(shí)間11月9日，OpenAI在官網(wǎng)公布，它希望與外部機(jī)構(gòu)合作創(chuàng)建新的數(shù)據(jù)集來(lái)消除這些缺陷。
OpenAI宣布了“數(shù)據(jù)伙伴關(guān)系”（Data Partnerships）計(jì)劃，旨在與第三方機(jī)構(gòu)合作，建立用于人工智能模型訓(xùn)練的公共和私有數(shù)據(jù)集。該公司在官網(wǎng)中表示，數(shù)據(jù)合作伙伴關(guān)系旨在“讓更多組織能夠幫助引導(dǎo)人工智能的未來(lái)”，并“從更有用的模型中獲益”。
“為了最終使（人工智能）安全且有益于全人類，我們希望人工智能模型能夠深入理解所有主題、行業(yè)、文化和語(yǔ)言，這就需要盡可能廣泛的訓(xùn)練數(shù)據(jù)集。”OpenAI寫道，“將你的數(shù)據(jù)納入其中可以增加人工智能模型對(duì)你所在領(lǐng)域的理解，從而對(duì)你更有幫助。”
作為數(shù)據(jù)合作伙伴計(jì)劃的一部分，OpenAI將收集“反映全人類社會(huì)”且目前不易在線訪問(wèn)的“大規(guī)模”數(shù)據(jù)集。該公司計(jì)劃在包括圖像、音頻和視頻在內(nèi)的各種模式下開展工作，不過(guò)其特別希望收集能“表達(dá)人類意圖”的數(shù)據(jù)（如長(zhǎng)篇寫作或?qū)υ挘�，這些數(shù)據(jù)將跨越不同的語(yǔ)言、主題和格式。
OpenAI表示，如有必要，它將與組織合作，使用光學(xué)字符識(shí)別和自動(dòng)語(yǔ)音識(shí)別工具對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)字化處理，并在必要時(shí)刪除敏感或個(gè)人信息。
一開始，OpenAI希望創(chuàng)建兩種類型的數(shù)據(jù)集：一種是公開的開源數(shù)據(jù)集，任何人都可以在人工智能模型訓(xùn)練中使用；另一種是私有數(shù)據(jù)集，用于訓(xùn)練專有的人工智能模型。私有數(shù)據(jù)集的對(duì)象是那些希望數(shù)據(jù)保密，但又希望OpenAI的模型能夠更好地理解其領(lǐng)域的組織。
到目前為止，OpenAI已經(jīng)與冰島政府和語(yǔ)言技術(shù)公司Mieind ehf合作，提高了GPT-4的冰島語(yǔ)能力，并與自由法律項(xiàng)目（一個(gè)在美國(guó)注冊(cè)的非營(yíng)利組織，為法律領(lǐng)域的學(xué)術(shù)研究提供訪問(wèn)和分析工具）合作，提高了模型對(duì)法律文件的理解能力。
“總之，我們正在尋求合作伙伴，幫助我們教會(huì)人工智能理解我們的世界，以便最大限度地幫助每個(gè)人。”OpenAI寫道。
盡管OpenAI這篇博文看起來(lái)全然出于對(duì)人類利益的考慮，但其中似乎也有明顯的商業(yè)動(dòng)機(jī)，即以犧牲他人利益為代價(jià)來(lái)提高OpenAI模型的性能，卻不給數(shù)據(jù)所有者相應(yīng)的補(bǔ)償。實(shí)際上，近期已經(jīng)有一些創(chuàng)作者的公開信和訴訟，稱OpenAI在未經(jīng)他們?cè)S可或支付報(bào)酬的情況下，用其作品訓(xùn)練了許多模型。7月，16人匿名起訴OpenAI及微軟公司，認(rèn)為他們?cè)谖唇?jīng)允許的情況下使用并泄露了個(gè)人隱私數(shù)據(jù)，索賠金額高達(dá)30億美元。緊接著，兩位全職作者提出，OpenAI未經(jīng)允許使用了他們的小說(shuō)訓(xùn)練ChatGPT，構(gòu)成侵權(quán)。
