隨著 ChatGPT 的熱潮漸漸退去，生成式 AI 的問題開始浮現。有創作者擔心他們的作品在未經他們同意的情況下被複製，社群論壇 reddit 也對他們的平台數據被隨意使用表示不滿。
ChatGPT 和其他聊天機器人收集數據的方式審查將會越來越嚴格，加州大學柏克萊分校的計算機科學教授 Stuart Russell 表示，ChatGPT 和其他 AI 驅動的機器人可能很快就會「耗盡文本」，沒有數據再拿來訓練它們該說什麼。
不講理的數據收集方式非常粗暴，但講理的做法可能讓機器人「無話可說」
目前 OpenAI 和其他生成式 AI 的開發人員，利用各種數據收集方式來訓練大型語言模型，例如搜尋、email、社群媒體、電話和面談等。不同的數據收集方式可以納入不同群體的特徵，進而提高數據的全面性；然後，再利用自然語言處理技術和學習技術來分析內容，理解用戶所送出的訊息，將輸入文字轉換成對應詞彙並組成語句，進一步回應訊息。
雖然ChatGPT在幾個月內成長快速，但因此而產生出了很多問題，包括，有許多人覺得被侵犯。
過去幾週針對 OpenAI 提起的幾起訴訟中，包含使用個人數據和受版權保護的資料數據集來訓練 ChatGPT。其中規模最大的，是由 16 位匿名的原告提起的長達 157 頁的訴訟，他們表示 OpenAI 使用了私人對話和醫療紀錄等敏感數據；喜劇演員 Sarah Silverman 和另外兩位作者的律師指控 OpenAI 侵犯了他們的版權。
訂閱《AI TOgether》趨勢週報！
每週幫你精選 AI 主題報導
感謝訂閱！隨時注意信箱的最新資訊
對此 OpenAI 也在 2023 年 6 月 14 日更新了他們的數據使用政策：
1. 在默認的情況之下，OpenAI 「不會使用」客戶透過他們的 API 所提供的數據來訓練模型或改進產品，除非你明確決定與他們共享數據。但是在 2023 年 3 月 1 日以前提供的數據，如果客戶沒有選擇不共享數據，則可能已經被使用在訓練模型。
2. 為了避免濫用，客戶透過 API 所發送的任何數據最多只會保留 30 天，30 天之後數據會被刪除。
OpenAI 更新他們的數據使用政策，是基於用戶隱私的考量以避免節外生枝，但這樣的方式導致 OpenAI 的語言模型只能從一些公開資訊蒐集資料，像是書籍、新聞、科學論文和維基百科等，資訊非常有限。
AI 研究人員小組 Epoch 去年 11 月進行的一項研究預估，機器學習數據集可能會在 2026 年之前耗盡所有「語言數據」。
Stuart Russell 表示，雖然未經過官方的證實，但有許多報導詳細指出 OpenAI 有從一些私人來源購買文本數據集，但這些數據仍然不足以支援機器進行推論。
參加活動，還能以 5 折考 AWS 證照、再抽 10 位全額免費（價值 $ 4,500）
＊本文開放夥伴轉載，參考資料：《INSIDER1》、《INSIDER2》、《The Verge》、OpenAI，圖片來源：flickr
（責任編輯：鄒家彥）
