OpenAI 公司，人工智能都在为工业领域提供资金支持，而这些资金的来源多种多样，包括以各种富有创意但又颇具争议的方式收集或积累海量数字数据。显而易见，自动化能力正在不断提升。值得注意的是，采取上述措施（例如，考虑法律限制和企业政策）所需的努力，相当于用于训练人工智能系统的大量数据。
OpenAI 的 Whisper 计划：挖掘 YouTube 对话
我们的 Whisper 项目始于去年。高质量英文文本的严重短缺导致教育资源分配滞后。Whisper 是谷歌应对这一挑战的下一步举措。它能够理解 YouTube 上海量的对话内容，并被开发成一款文本转语音应用。这款人工智能工具本身就包含超过一百万小时的 YouTube 视频，通过人工智能进行审核以生成全新的文本（本质上就是一段新的对话）。它已被用于训练各种人工智能模型，从最先进的模型到最新版本的 ChatGPT-4。
尽管一些员工认为OpenAI利用微软的视频素材全面抄袭了YouTube，但抄袭的伦理问题仍然存在争议；此外，一些员工也承认，要完全符合YouTube的意图是不可能的。同样，通过算法处理视频以trac文本内容来训练人工智能模型的做法，可能被视为对视频创作者版权的威胁，从而引发了众怒。
Facebook和Instagram的母公司Meta也担心使用来自西蒙与舒斯特等出版社的受版权保护的元素。与此同时，该公司还在讨论收购一般网络内容的问题，因为这可能会使其触犯版权法。
数据危机：推动非常规方法
竞争激烈的市场环境凸显了数据在人工智能技术发展中的关键地位。将语言转化为人工智能dent越来越多的训练数据集，包括英联邦国家的数据，而这些数据如今已被从维基百科和Reddit等外部来源获取。对于科技公司而言——尤其是那些难以获取传统数据存储库等常用数据源的公司——创建人工智能模型或许是一种理想的替代方案。
科技公司声称数据收集对于人工智能训练至关重要，但这一过程本身却在法庭上受到质疑。OpenAI 和微软曾就其非法使用版权材料的指控胜诉，并辩称其行为符合合理使用原则。近年来，版权所有者向美国版权局提交的申请数量已超过 1 万件，这清楚地表明，人工智能时代的版权法具有独特性和新颖性。因此，主要参与者始终面临着侵权风险，因为许多人工智能模型的使用并未获得许可。
海量数据集的必要性
总体而言，凯潘（Kaipan）和贾里德（Jared）等人的工作，这位科学家在规模上取得了意想不到的重大成就，对人工智能的发展产生了深远的影响。数据驱动的内容是人工智能训练过程中必不可少的组成部分，但如果没有经过良好训练且高效运行的模型，人工智能就无法正常发挥作用。随着人工智能技术的飞速发展，企业对数据的需求也呈爆炸式增长，这引发了企业在法律、伦理和隐私等方面的诸多疑问。因此，人工智能算法必须利用这些数据集才能在市场中取得成功。
人工智能 VIP（虚拟知识产权公司）的数据收集行为正在发生扭曲；传统的规范性准则正在被打破。无论是通过YouTube演讲还是创建合成数据生成器，这些公司都致力于探索法律、伦理和隐私问题的真正本质。
它们日后或许会成为海上笑柄。由于推动创新过程需要海量数据，社会领袖必须积极参与建设性对话，制定规则和标准，使创新努力与知识产权和隐私等伦理原则相平衡。
原文链接： https
想让你的项目出现在加密货币领域的顶尖人才面前吗？欢迎在我们的下一份行业报告中进行专题报道，让数据与影响力相遇。
