愈来愈多的学术出书商正将研究论文卖给科技公司用以练习人工智能（AI）模子，而作者支出为零。

年夜言语模子（LLM）因练习数据问题再次激发争议。日前，国际闻名期刊《天然》（《Nature》）杂志编纂伊丽莎白 吉普尼（Elizabeth Gibney）发布一篇题为《你的论文被用来练习人工智能模子了吗？险些可以必定》一文。文中作者暗示，当前有愈来愈多的学术出书商正于将研究论文授权给科技公司，用在练习人工智能（AI）模子。有学术出书商借此赚取了2300万美元，而作者却支出为零。这些生意业务于许多环境下并未征求作者的定见，激发了部门研究职员的强烈不满。

“假如你的论文尚未被用作AI练习数据，极可能很快就会成为练习的一部门。”伊丽莎白 吉普尼于文中指出，当前学术论文作者于面临出书商出售其版权作品时险些无权干预干与。对于在公然揭晓的文章，也没有现成机制来确认这些内容是否被用作AI练习数据。于年夜言语模子使用中，怎样成立越发公允的机制掩护创作者的权益，值患上学术界以及版权界广泛会商。

年夜言语模子（LLM）凡是依靠从互联网上抓取的年夜量数据举行练习。这些数据包孕数十亿片断的言语信息（称为“标志”），经由过程阐发这些标志之间的模式，模子患上以天生流利的文本。学术论文因其内容富厚、信息密度高，比拟年夜量平凡数据更有价值，是AI练习中的主要数据来历。数据阐发师斯特凡 巴克（Stefan Baack）来自全世界非营利构造Mozilla基金会，他阐发指出，科学论文对于年夜言语模子的练习有很年夜帮忙，尤为是于科学主题上的推理威力方面。恰是因为数据的高价值，各年夜科技公司纷纷斥巨资采办数据集。

该文指出，本年《金融时报》与OpenAI告竣和谈，将其内容授权给后者；被称为“美国贴吧”的Reddit也与google签订了近似的生意业务。这些生意业务表现出书商试图经由过程正当授权防止本身的内容被AI模子无偿抓取。

文章吐露，上月英国的学术出书商Taylor Francis与微软签订了一项价值1000万美元的和谈，答应微软拜候其数据以革新AI体系。而于6月，美国出书商Wiley经由过程向某家公司提供内容用在AI练习，支出高达2300万美元。而这些巨额支出与论文作者没有任何干系。

当前，研究职员正测验考试用技能手腕帮忙作者辨认其作品是否被用在AI模子练习。西雅图华盛顿年夜学的人工智能研究员露西 卢 王（ Lucy Lu Wang） 称，假如一篇论文已经经被用作模子的练习数据，于模子练习完成后就没法将这篇论公牍除了。

不外，即便能证实论文被用在AI练习，但于法令层面仍旧面对争议。文中指出，出书商以为，使用未经授权的受版权掩护内容举行练习是侵权举动；而另外一种法令不雅点则以为，年夜言语模子并未间接复制内容，而是经由过程进修来天生新文本。

值患上留意的是，并不是所有研究者都否决将他们的作品用在AI练习。斯特凡 巴克暗示，他很乐在看到本身的研究结果被用来提高AI的正确性，而且不介怀AI“模拟”本身的写作气势派头。然而，他也认可，并不是所有人都能轻松应答这一问题，尤为是那些面对AI竞争压力的职业，如艺术家以及作家。

事实上，关在使用受版权掩护的常识作品来练习AI 模子的诉讼案件此前已经惹起过广泛存眷。

8月14日，《华盛顿邮报》报导，美国多名视觉艺术家以及插画家对于AI图象天生东西的团体诉讼案取患上冲破进展。他们曾经指控Midjourney以及Stability AI等草创公司于未经赞成的环境下使用作品来练习AI模子。这起案件于本周取患了要害性进展。美国地域法官威廉 奥里克答应该案的要害部门继承推进，这象征着法庭已经经决议某些指控有充足的法令证据，可以继承审理下去，接下来跟着法令审理的历程，可能会披露这些公司于开发AI东西时的内部交流环境。