AI 開始為倒閉公司的資料定價
據報 Google 在 Spirit Airlines 的破產資產拍賣中，以1000萬美元競標其企業內部資料，包括約1億封電子郵件與5億則 Microsoft Teams 訊息。這筆交易顯示，一個收購並清理企業溝通與工作紀錄、用於訓練 AI 系統及企業 Agent 的新市場正在形成。
Search
Tag: #training-data64 results
Anna’s Archive 呼籲志工保存實體書籍
Anna’s Archive 的一名志工呼籲大眾掃描並上傳實體書籍，以保存公眾取得人類知識的權利。這項行動源於對 AI 公司購買、掃描並銷毀書籍以更快建立訓練資料的指控。
MIT 研究挑戰 AI 從影像學習的既有認知
MIT 研究發現，AI 生成的影像通常無法追溯至單一訓練影像。隨著資料集規模擴大，任何特定範例的影響力往往會逐漸減弱。
🤖
為什麼 AI 公司要銷毀正版書籍？
文章稱 Anthropic 與 Amazon 疑似大量購買實體書籍，掃描後銷毀原件，以降低 AI 訓練資料的著作權風險。文章指出，這種策略與美國和中國著作權法的差異有關，同時也引發對文化載體不可逆損失的憂慮。
圖靈獎得主警告：合成資料可能是大錯誤
圖靈獎得主 Richard Sutton 批評 AI 產業日益依賴合成資料來應對訓練資料短缺。在 Sequoia Capital 的 Training Data 播客中，他稱這項轉向是「一個大錯誤」。
Google 購買 Spirit Airlines 資料用於 AI 訓練
Google 在破產拍賣中以 1,000 萬美元購入 Spirit Airlines 的資料，內容包括通訊紀錄、營運資料、程式碼、演算法、定價資料與交易資訊。Google 表示，第三方會先移除個人識別資訊，再將資料用於改善產品與 AI 模型。
Google 以一千萬美元取得 Spirit 的海量資料寶庫
據報導，Google 以一千萬美元得標美國破產法院拍賣的 Spirit Airlines 資料資產。這筆收購據稱包括數億封電子郵件與 Microsoft Teams 聊天紀錄、數十億筆航班定價及交易資料，以及經匿名化的乘客資訊，可用於 AI 訓練。
訓練資料成為 AI 新瓶頸
文章指出，隨著 AI 模型持續擴大並拓展至多模態應用，高品質且可合法使用的訓練資料正逐漸稀缺。出版商與內容擁有者可能因此取得新的議價能力，但版權複雜性、資料工程成本、合成資料與模型效率提升，仍可能限制其定價權。
Meta 遭出版商起訴 Llama 訓練版權侵權
五家主要書籍出版商及作者 Scott Turow 對 Meta 提起集體訴訟，指控其在訓練 Llama AI 模型時大規模侵權。他們稱 Meta 從 LibGen、Sci-Hub 和 Anna's Archive 等盜版網站複製書籍與期刊，無許可使用。此訴訟突顯 AI 資料來源日益增加的法律審查。
辭典起訴 OpenAI 侵犯 LLM 版權
大英百科全書與美瑞典韋氏辭典起訴 OpenAI 侵害版權。他們指稱 OpenAI 未經許可使用近 10 萬篇文章訓練大型語言模型。