“

如果把AI 大模型比作汽車，原始數(shù)據(jù)就是原油。

”

作者 | 江江編輯｜蔓蔓周ChatGPT 的出現(xiàn)和 Midjourney 的爆發(fā)式采用讓 AI 實(shí)現(xiàn)了第一次大規(guī)模應(yīng)用，即大模型的普及。

所謂大模型，是指具有大量參數(shù)和復(fù)雜結(jié)構(gòu)的機(jī)器學(xué)習(xí)模型，能夠處理海量數(shù)據(jù)、完成各種復(fù)雜的任務(wù)。

01

AI數(shù)據(jù)版權(quán)糾紛

如果把當(dāng)下的 AI 大模型比作汽車，原始數(shù)據(jù)就是原油。無論如何，首先 AI 模型需要足夠的“原油”。

AI 公司的“原油”來源主要有以下幾類：

●網(wǎng)上公開免費(fèi)的數(shù)據(jù)源，比如維基百科、博客、論壇、新聞資訊等；

●老牌新聞媒體和出版社；

●大學(xué)等研究機(jī)構(gòu)；

●使用模型的 C 端用戶。

 現(xiàn)實(shí)世界的石油歸屬權(quán)已經(jīng)有成熟的法律規(guī)范，而在 AI 這個天地尚且混沌的領(lǐng)域，“原油”開采權(quán)還不明晰，由此造成的糾紛不勝枚舉。

就在最近，多家大型音樂廠牌起訴AI音樂制作公司Suno和Udio，指控其侵犯版權(quán)。這起訴訟與《紐約時報》去年12月對OpenAI的訴訟類似。

圖源：Billboard

2023年7月，一些作家對該公司提起訴訟，指控ChatGPT根據(jù)受版權(quán)保護(hù)的內(nèi)容生成了作者作品的摘要。

同年12月，《紐約時報》也對微軟和OpenAI提起類似版權(quán)侵權(quán)訴訟，指控這兩家公司利用該報的內(nèi)容訓(xùn)練人工智能聊天機(jī)器人。

此外，還有一起集體訴訟在加利福尼亞州提起，指控OpenAI未經(jīng)用戶同意，從互聯(lián)網(wǎng)上獲取用戶私人信息來訓(xùn)練ChatGPT。

 OpenAI 最終并沒有為這份指控買單，他們表示不認(rèn)同《紐約時報》的指控，也無法復(fù)現(xiàn)《紐約時報》提到的問題，更重要的是，所謂《紐約時報》提供的數(shù)據(jù)源，對于 OpenAI 來說并不重要。 

來源：https://openai.com/index/openai-and-journalism/ 

對于 OpenAI 來說，這件事情帶來的最大教訓(xùn)也許就是處理好與數(shù)據(jù)供應(yīng)商的關(guān)系，明確雙方權(quán)責(zé)。于是，我們在近一年的時間內(nèi)看到 OpenAI 跟很多數(shù)據(jù)供應(yīng)商達(dá)成合作伙伴關(guān)系，包括但不僅限于The Atlantic、Vox Media、News Corp、Reddit、Financial Times、Le Monde、Prisa Media、Axel Springer、American Journalism Project 等等。

未來，OpenAI 將名正言順地使用這些媒體的數(shù)據(jù)，而這些媒體也會將 OpenAI 的技術(shù)融合到產(chǎn)品中。

02

AI 推動內(nèi)容平臺變現(xiàn)

不過，OpenAI 跟數(shù)據(jù)供應(yīng)商達(dá)成合作關(guān)系最根本的原因不是恐懼被起訴，而是機(jī)器學(xué)習(xí)即將面臨的數(shù)據(jù)枯竭。MIT等研究人員曾進(jìn)行一項(xiàng)研究估計，機(jī)器學(xué)習(xí)數(shù)據(jù)集可能會在 2026 年之前耗盡所有「高質(zhì)量語言數(shù)據(jù)」。

「高質(zhì)量的數(shù)據(jù)」因此成為像 OpenAI 和 Google 這樣的模型制造商的香餑餑。內(nèi)容公司與AI模型廠商屢屢達(dá)成合作，開啟躺平賺錢模式。

 傳統(tǒng)媒體平臺Shutterstock陸續(xù)和Meta, Alphabet, Amazon, Apple, OpenAI, Reka等AI公司達(dá)成合作， 2023年通過內(nèi)容授權(quán)給AI模型將年收入提高到 1.04 億美元，預(yù)計 2027 年產(chǎn)生 2.5 億美元收入；Reddit 授權(quán)給谷歌的內(nèi)容版權(quán)收入每年高達(dá) 6000 萬美元；蘋果也在尋求與主流新聞媒體合作，開出一年至少5000萬美元的版權(quán)費(fèi)。內(nèi)容公司從 AI 公司收到的版權(quán)費(fèi)正在以 450% 的年增長率瘋狂上漲著。

圖源：CX Scoop 

而在過去一些年里，流媒體之外的內(nèi)容難以變現(xiàn)，這是內(nèi)容行業(yè)的一大痛點(diǎn)。相比互聯(lián)網(wǎng)創(chuàng)業(yè)時代，AI 的出現(xiàn)給內(nèi)容行業(yè)帶來了更大的想象力以及更強(qiáng)烈的收入預(yù)期。

03

高質(zhì)量數(shù)據(jù)依然稀缺

當(dāng)然不是什么樣的內(nèi)容都符合 AI 的需求。

 關(guān)于前文提到的 OpenAI 和《紐約時報》的爭論，另一個亮點(diǎn)是數(shù)據(jù)質(zhì)量。從原油中提煉石油，一則是要油本身質(zhì)量好，二則提純技術(shù)要好。

 OpenAI 特意強(qiáng)調(diào)《紐約時報》的內(nèi)容并未對 OpenAI 的模型訓(xùn)練產(chǎn)生任何重大貢獻(xiàn)，比起能夠讓 OpenAI 每年自掏腰包數(shù)千萬美金的 Shutterstock，《紐約時報》這類靠時效性起家的文字媒體并不是 AI 時代的寵兒。AI 更需要深刻而獨(dú)特的數(shù)據(jù)。

 而高質(zhì)量數(shù)據(jù)太稀缺，AI 公司也開始在“提純技術(shù)”和“一站式應(yīng)用”上下功夫。

 6 月 25 日，OpenAI 收購實(shí)時分析數(shù)據(jù)庫公司 Rockset。這家公司主要提供實(shí)時數(shù)據(jù)索引和查詢功能，OpenAI將在其產(chǎn)品中集成 Rockset 的技術(shù)，提高數(shù)據(jù)的實(shí)時使用價值。

圖源：DePIN Scan

通過收購Rockset，OpenAI 計劃使 AI 更好地利用和訪問實(shí)時數(shù)據(jù)。這能使 OpenAI 的產(chǎn)品支持更復(fù)雜的應(yīng)用，如實(shí)時推薦系統(tǒng)、動態(tài)數(shù)據(jù)驅(qū)動的聊天機(jī)器人、實(shí)時監(jiān)控和報警系統(tǒng)等。

 Rocket是 OpenAI 內(nèi)置的“石化部門”，將普通數(shù)據(jù)直接轉(zhuǎn)化為應(yīng)用所需的高質(zhì)量數(shù)據(jù)。

04

創(chuàng)作者數(shù)據(jù)確權(quán)是異想天開嗎？

互聯(lián)網(wǎng)媒體平臺（Facebook、Reddit 等）的數(shù)據(jù)很大程度來自于UGC，即用戶貢獻(xiàn)內(nèi)容。很多平臺在向 AI 公司收取高額數(shù)據(jù)費(fèi)的同時，也悄悄在用戶條款上加上了一條“平臺擁有使用用戶數(shù)據(jù)訓(xùn)練 AI 模型的權(quán)力”。

雖然用戶條款對 AI 模型訓(xùn)練權(quán)力有所標(biāo)注，但創(chuàng)很多作者并不清楚自己生產(chǎn)的內(nèi)容具體被哪些模型使用，也不知道是否是付費(fèi)使用，更無從獲得本該屬于自己的相關(guān)權(quán)益。

在今年 2 月份的 Meta 季度業(yè)績電話會議上，扎克伯格明確表示將使用 Facebook 和 Instagram 上的圖片來訓(xùn)練他的 AI 生成工具。

據(jù)報道，Tumblr 也已經(jīng)與 OpenAi 和 Midjourney 神秘達(dá)成內(nèi)容授權(quán)協(xié)議，但并未公開具體協(xié)議的具體的內(nèi)容。

圖片庫平臺EyeEm的創(chuàng)作者們最近也收到一份通知，提示他們發(fā)布過的照片會用于 AI 模型訓(xùn)練。通知提到，用戶可以選擇因此不使用產(chǎn)品，但還未提及任何補(bǔ)償政策。EyeEm 的母公司 Freepik 向路透社透露，該公司已與兩家大型科技公司簽署協(xié)議，以每張圖片 3 美分左右的價格授權(quán)其 2 億張圖片中的大部分圖片。首席執(zhí)行官 Joaquin Cuenca Abela 表示，還有五筆類似的交易正在進(jìn)行中，但拒絕透露買家的身份。

Getty Images、Adobe、Photobucket、Flickr、Reddit 等UGC 為主導(dǎo)的內(nèi)容平臺都面臨類似的問題，在巨大的數(shù)據(jù)變現(xiàn)誘惑下，平臺選擇忽視用戶的內(nèi)容所有權(quán)，一把將數(shù)據(jù)打包賣給 AI 模型公司。

 整個過程都在暗處進(jìn)行，創(chuàng)作者并沒有任何反抗的機(jī)會。甚至許多創(chuàng)作者，可能要在未來某一天，在某個模型中訓(xùn)練出與自己作品類似的內(nèi)容時，才能有機(jī)會懷疑曾經(jīng)的作品被某個平臺拿去賣給 AI 公司做模型訓(xùn)練。

 解決創(chuàng)作者的數(shù)據(jù)確權(quán)和收益難以保護(hù)的問題，Web3 可能是個好選擇。當(dāng) AI 公司在美股屢創(chuàng)新高時，web3 的 AI 概念幣也在同時一飛沖天。區(qū)塊鏈以其去中心化和不可篡改的特性，在保護(hù)創(chuàng)作者權(quán)益上享有得天獨(dú)厚的優(yōu)勢。

 諸如圖片和視頻這樣的媒體內(nèi)容已經(jīng)在 2021 年的牛市完成了上鏈的大規(guī)模采用，而社交平臺的 UGC 內(nèi)容上鏈也在悄然發(fā)生。同時，許多 web3 AI 模型平臺已經(jīng)在激勵為模型訓(xùn)練做貢獻(xiàn)的普通用戶，無論是數(shù)據(jù)所有者，還是訓(xùn)練者，都被激勵著。

 AI 模型指數(shù)級的發(fā)展為數(shù)據(jù)確權(quán)提出了更大的需求，創(chuàng)作者應(yīng)該思考：為什么我的作品在沒有經(jīng)過我同意的情況下被 5 美分一幅賣給了 AI 模型公司？為什么整個過程中我不知情，且無法得到任何收益？

 媒體平臺竭澤而漁也無法緩解 AI 模型公司的數(shù)據(jù)焦慮，實(shí)現(xiàn)高質(zhì)量數(shù)據(jù)高產(chǎn)量的前提是數(shù)據(jù)確權(quán)，是創(chuàng)作者、平臺和 AI 模型公司三者合理的利益分配。

 參考來源：Shutterstock Made $104 Million Licensing Assets to AI Devs Last Year（PetaPixel）All The Photo Companies That Have Struck Licensing Deals With AI Firms（PetaPixel）Reddit has a new AI training deal to sell user content（TheEverge）GPT-4耗盡全宇宙數(shù)據(jù)！OpenAI接連吃官司，竟因數(shù)據(jù)太缺了，UC伯克利教授發(fā)出警告（新智元）OpenAI acquires Rockset（OpenAI）

       原文標(biāo)題 : AI數(shù)據(jù)爆發(fā)“石油危機(jī)”，內(nèi)容公司可以躺著賺錢了