ChatGPT,遭到了一波反向收费。
而管 OpenAI 要钱的,正是全球最大程序员问答网站 StackOverflow。
理由是这样的:
你们拿我家的数据去训练 AI 了。
无独有偶,在 StackOverflow 之前,Reddit 近日也发出了类似的信号 —— 计划开始向访问其 API 的公司收费。
Reddit 老板给出的理由更是直白:
我们的数据非常有价值,不想免费提供给科技巨头们。
不得不说,这波围绕类 ChatGPT 展开的“商战”着实有点意思。
不过围观的网友们就不那么乐观了:
唯一没有获利的…… 好像就是用户了。
科技巨头们要为训练数据买单了
我们都知道,训练一个像诸如 ChatGPT 这样的 AI,背后定然需要海量的数据。
无论是 OpenAI、谷歌、微软、Meta 或是其它公司都是如此。
但这些科技巨头们一般获取这些数据的方式都是从网上抓取,也因此不会给对应数据背后的公司掏钱。
他们所获取的数据来源,就包括了 StackOverflow、Reddit 在内的数千个在线“资源”。
然后科技巨头们就会将这些数据“喂”给大模型,让对话 AI 变得更聪明、更智能。
待产品们成熟可以“上岗”之后,科技巨头们就会开启付费模式,例如我们熟知的 ChatGPT Plus、GitHub Copilot 等等。
但在这么一个过程中,像 StackOverflow 和 Reddit 这样的网站,就有点惨了。
首先,就是我们刚才提到的,这些 AI 拿着他们家的数据做训练,变得更强更优秀。
其次,这些 AI 的诞生似乎对于它们来说并没有太大的益处,反倒可能会变成非常有竞争力的对手。
于是乎,Reddit 就率先不干了,CEO Steve Huffman 直接撂下狠话:
想白嫖,没门!得交钱。
而后 StackOverflow 的 CEO Prashanth Chandrasekar 也公开赞成 Reddit 的做法。
不仅如此,他还认为这些大语言模型(LLM)的开发人员还违反了自家网站用户们的权益。
因为在 StackOverflow 条款中有这样的明确规定:
用户拥有他们在 Stack Overflow 上发布内容的所有权,但所有内容均受知识共享许可的约束,该许可要求以后使用这些数据的任何人都说明其来源。
Chandrasekar 认为,日后科技巨头们拿着自家的类 ChatGPT 的产品去出售的时候,开发人员是解释不清用了 StackOverflow 哪些用户的问答去训练的模型:
因此,他们违反了知识共享许可。
据了解,StackOverflow 和 Reddit 目前都没有对数据收费做明确的公示,而且价格也没有定下来。
但另一方面,各种大语言模型背后的企业,也正在努力降低开发的成本。
将来若是训练数据都要收费了…… 那这部分成本又将会有谁来买单呢?
反正 Reddit CEO 的表态是:
爬取 Reddit 数据产生了价值,却不将任何价值返还给我们的用户,这是个问题。
会怎么收费?
虽然目前 StackOverflow 和 Reddit 都没有明确训练数据的价格,但有媒体猜测,他们可能会借鉴马斯克推特的“定价路线”。
例如在这个月,马斯克就提高了访问推特数据的价格 ——42000 美元 / 5000 万条推文。
更戏剧性的是,马斯克前一阵子还以“OpenAI 非法使用推特数据训练”为由,准备起诉 OpenAI。
而不仅是文字领域,在图片生成领域,因训练数据而产生的纠纷也是屡见不鲜。
例如 Getty Image 就在此前起诉了 OpenAI 的对手 Stability AI。
理由是涉嫌使用超过 1200 万张照片且之前没有寻求过许可。
……
至于像 StackOverflow 和 Reddit 最终将如何定价,还需要等待他们官方的表态。
但值得明确的一点是,随着这一波 AIGC 热潮的到来,其背后的各种“规矩”,是值得深入探讨、商定了。
参考链接:
[1]https://www.wired.com/story/stack-overflow-will-charge-ai-giants-for-training-data/
[2]https://qz.com/reddit-ai-bots-training-payment-1850352526
[3]https://twitter.com/ruchowdh/status/1649168431063736320
本文来自微信公众号:量子位 (ID:QbitAI),作者:金磊
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。