如影随形

培训AI模型克劳德（Claude），拟人化花费了数百万

发布时间：2025-06-27 10:32编辑：365bet网址浏览（139）

Home在6月26日报道说，根据《今日外国媒体ARS Technica》的报道，法院在当地时代发布的法院文件显示，人工智能公司人类众人花费了数百万美元来废除物理书籍，并将其扫描到数字文件中以实践Claude，练习Claude，Aleter Chatgpt。为了获得培训数据，公司被拆除并与系统上的大量书籍绑定，然后直接抛出了原件。判决长32页，并宣布了2024年2月的拟人化雇用汤姆·图里（Tom Turvey）。Turvey负责Google Books Project，该公司已任命他“从世界各地获取书籍”。这种战略安排显然是希望复制Google先前确定为法院的书籍的数字模型。最终，威廉·阿尔苏普法官（William Alsup扫描，并且数字文件仅用于内部用途，而不是传播。他认为，这种转换等同于“节省空间”数字转换，并具有“转换”属性以合理使用。如果公司从一开始就遵循这一道路，它可能会为合理使用AI的第一个法学制定，但早期的盗版使其合法性分散了人们的注意力。主要原因真的很简单：AI培训需要大量的高质量文本。为了产生大型语言模型，研究人员需要在神经Netwsork中输入数十亿个单词，反复训练该模型，并建立单词和概念之间的关系。培训数据的质量直接影响模型输出的准确性。与诸如在线评论之类的混乱信息相比，编辑的书籍和文章可以显着提高AI语言技能。 AI公司迫切需要发布内容，但通常会犹豫不决关于许可。美国的“首次销售原则”提供了法律空间：购买实物书籍后，用户可以自己处理。它使这本书购买合法的“绕行计划”。像他的许多同龄人一样，人类最初选择了一个捷径来错过版权。众议院从法院材料中学到了这一点，以防止长期而复杂的PAH ProcessInvolvolved，Amodai促进了使用盗版电子书的使用。但是到2024年，出于法律原因，公司开始寻找更安全的继任者。获得二手书已成为一个不错的选择：无需谈论许可，您将获得高质量的培训文本。为了加快数字化流程，人为采用的“破坏性扫描”以购买大量书籍，打开包装，收获和扫描PDF文件阅读的机器，所有纸张都在完成后抛出。整个过程价值数百万美元。公司大部分的购买目标都是零售cha的普通旧书籍nnels。但是实际上，长期以来，非破坏性扫描技术已经成熟。例如，互联网存档是可以维护原始书籍的数字方式的转盘。本月初，微软还宣布与哈佛大学图书馆建立合作伙伴关系，计划使用近100万本公共版本来培训AI，在警告期间仍然保存得很好。