详细内容或原文请订阅后点击阅览
Big Tech表示，不可能基于道德采购的数据创建AI。这些研究人员证明他们是错误的
志留式假设询问今天真正古老的过去文明的迹象今天甚至可以识别。
来源:ZME科学ai，目前正在遍及世界的技术依赖于从开放网络中收获的庞大数据集。这包括受版权保护的书籍，文章，论坛帖子，社交媒体内容，甚至是私人沟通 - 所有这些都没有得到创造者的明确许可。科技行业的主要参与者（OpenAI，Anthropic等）明确地认为您无法真正以不同的方式构建AI。在英国议会的证词中，Openai说：
“由于今天的版权几乎涵盖了几乎每种人类表达方式，包括博客文章，照片，论坛帖子，软件代码的废料和政府文件 - 如果不使用受版权保护的材料，就不可能训练当今领先的AI模型。”
lo and Beold，科学家创造了不可能的东西：公共领域的集合和公开许可的文本，足以训练大型语言模型。
好吧，你会看那个
在2024年末，一组研究人员悄悄地组装了大型技术认为不存在的东西。从本质上讲，这是平凡的东西 - 矛盾的是，革命性：数据集。该数据集完全是由以道德来源的材料建造的 - 其版权已过期的书籍，所共享的教育资源，开源代码代码以及公共域政府文件的成绩单。
简单地说，没有刮擦社交媒体，没有新闻网站偷窃，没有合法的灰色区域。结果是普通堆V0.1 - 公共领域的8正确收集和公开许可的文本。
该普通堆包括30个经过审查的材料，包括政府记录，科学文章，开放教育书籍，stackexchange以及具有创意共享许可证的YouTube视频。所有人都经过了仔细检查，以确保其法律清晰度。