本文概要:
1. Google 和 OpenAI 利用他们的机器人（GoogleBot 和 GPTBot）从互联网上收集数据，但最近的版权法对他们的数据抓取工作提出了障碍。
2. AI 模型需要人类生成的内容来提高，但公司应该支付还是从互联网获取这些内容是一个问题。
3. OpenAI 已经开始使用由 ChatGPT 创建的数据集来训练 GPT-4，但仅依赖这些数据可能导致模型崩溃。
极客号（Daydx.com）8月11日 消息:Google 和 OpenAI 正面临着版权法在其 AI 训练数据收集方面的限制。随着 ChatGPT 和 Google 的 Bard 等生成式 AI 系统的普及，对更多数据的需求不断增长。
这些AI系统需要大量的文本、图像和视频进行训练。OpenAI 强调 GPT-4是通过经过批准和公开可用的数据源进行学习的。然而，由于对互联网抓取数据的担忧，OpenAI 和 Google 在数据获取方面面临公众的反对。
提高 AI 模型的质量需要人类生成的内容，而问题在于公司是否应该为这些内容付费或者从互联网上获取。未来，人类生成的内容可能以高价销售。
OpenAI 最近开始使用由 ChatGPT 创建的数据集来训练 GPT-4，但仅仅依赖这些数据可能导致模型崩溃。这种情况发生在模型从其他模型生成的数据中学习，导致失去准确的数据。此外，未经作者同意或未给予作者名字的使用作品也成为了讨论的话题。上个月，数千名作者签署请愿书，要求 AI 公司停止未经许可使用他们的作品。
目前，OpenAI 和 Google 都把决定是否允许生成式 AI 挖掘他们的内容的责任放在出版商身上。Google 建议创建一个类似于 robots.txt 系统的社区开发标准，允许出版商选择拒绝抓取他们的作品被。
OpenAI 已经采取了初步措施，通过将其添加到网站的 robot.txt 文件中，让网站所有者选择不让 GPTBot 访问。OpenAI 还与美联社合作，以获取实时数据进行未来的模型训练，并寻求避免法律纠纷并补偿创作者。
