本周，兩家知名媒體——《華爾街日報》和《紐約時報》對AI公司在獲取優(yōu)質訓練數據時遇到的困境進行了深入關注。值得注意的是，報道中提到了關于AI版權法模糊不清的灰色地帶。

通過開發(fā)Whisper音頻轉錄模型，OpenAI取得了一項突破性進展，成功轉錄了超過100萬個小時的YouTube視頻用于訓練GPT-4大型語言模型。其實施的這一過程因涉及版權問題而存在嚴重法律風險，但OpenAI仍堅持為技術創(chuàng)新設定開拓者的姿態(tài)。

另一位受訪者——《泰晤士報》，通過揭露OpenAI總裁Greg Brockman積極參與YouTube視頻收集工作的事實，強調此類操作的合法性問題。然而，OpenAI宣布將嚴格遵守相關法規(guī)，謹慎對待每一次行動。為了持續(xù)發(fā)展，OpenAI正不斷嘗試從各種渠道獲取有益的數據。

據OpenAI發(fā)言人Lindsay Held發(fā)表的聲明顯示，每個模型都在經過精心設計后配備了獨特的數據集，目的在于讓它們更準確地理解這個世界，能始終保持強大的研發(fā)能力。Notably， the company is exploring the possibilities of generating synthetic data to support their continuing growth and development.

相比之下，谷歌對此事持有不同看法。谷歌不認同未經授權就抓取和下載YouTube內容的行為，同時指出，谷歌的robots.txt文件和服務條款堅決禁止此類行為發(fā)生。近段時間，YouTube CEO尼爾·莫漢在接受采訪時也警告潛在的侵入者，使用YouTube視頻訓練AI模型的行為違反了其服務條款。

面對日益激烈的競爭環(huán)境，Meta公司同樣面臨著數據可用性問題。公司AI部門為了提升自身競爭力，甚至開始考慮未經授權使用版權作品，尤其是在面臨無法獲得足夠訓練數據之際。維持可持續(xù)發(fā)展已經成為了當下AI科技行業(yè)的當務之急。