交錢！StackOverflow：類ChatGPT們用我數(shù)據(jù)訓(xùn)練得付費(fèi)

十三 2023-04-23 19:23:25 來(lái)源：量子位

金磊 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

ChatGPT，遭到了一波反向收費(fèi)。

而管OpenAI要錢的，正是全球最大程序員問(wèn)答網(wǎng)站StackOverflow。

理由是這樣的：

你們拿我家的數(shù)據(jù)去訓(xùn)練AI了。

無(wú)獨(dú)有偶，在StackOverflow之前，Reddit近日也發(fā)出了類似的信號(hào)——計(jì)劃開(kāi)始向訪問(wèn)其API的公司收費(fèi)。

Reddit老板給出的理由更是直白：

我們的數(shù)據(jù)非常有價(jià)值，不想免費(fèi)提供給科技巨頭們。

不得不說(shuō)，這波圍繞類ChatGPT展開(kāi)的“商戰(zhàn)”著實(shí)有點(diǎn)意思。

不過(guò)圍觀的網(wǎng)友們就不那么樂(lè)觀了：

唯一沒(méi)有獲利的……好像就是用戶了。

科技巨頭們要為訓(xùn)練數(shù)據(jù)買單了

我們都知道，訓(xùn)練一個(gè)像諸如ChatGPT這樣的AI，背后定然需要海量的數(shù)據(jù)。

無(wú)論是OpenAI、谷歌、微軟、Meta或是其它公司都是如此。

但這些科技巨頭們一般獲取這些數(shù)據(jù)的方式都是從網(wǎng)上抓取，也因此不會(huì)給對(duì)應(yīng)數(shù)據(jù)背后的公司掏錢。

他們所獲取的數(shù)據(jù)來(lái)源，就包括了StackOverflow、Reddit在內(nèi)的數(shù)千個(gè)在線“資源”。

然后科技巨頭們就會(huì)將這些數(shù)據(jù)“喂”給大模型，讓對(duì)話AI變得更聰明、更智能。

待產(chǎn)品們成熟可以“上崗”之后，科技巨頭們就會(huì)開(kāi)啟付費(fèi)模式，例如我們熟知的ChatGPT Plus、GitHub Copilot等等。

但在這么一個(gè)過(guò)程中，像StackOverflow和Reddit這樣的網(wǎng)站，就有點(diǎn)慘了。

首先，就是我們剛才提到的，這些AI拿著他們家的數(shù)據(jù)做訓(xùn)練，變得更強(qiáng)更優(yōu)秀。

其次，這些AI的誕生似乎對(duì)于它們來(lái)說(shuō)并沒(méi)有太大的益處，反倒可能會(huì)變成非常有競(jìng)爭(zhēng)力的對(duì)手。

于是乎，Reddit就率先不干了，CEO Steve Huffman直接撂下狠話：

想白嫖，沒(méi)門！得交錢。

而后StackOverflow的CEO Prashanth Chandrasekar也公開(kāi)贊成Reddit的做法。

不僅如此，他還認(rèn)為這些大語(yǔ)言模型（LLM）的開(kāi)發(fā)人員還違反了自家網(wǎng)站用戶們的權(quán)益。

因?yàn)樵赟tackOverflow條款中有這樣的明確規(guī)定：

用戶擁有他們?cè)赟tack Overflow上發(fā)布內(nèi)容的所有權(quán)，但所有內(nèi)容均受知識(shí)共享許可的約束，該許可要求以后使用這些數(shù)據(jù)的任何人都說(shuō)明其來(lái)源。

Chandrasekar認(rèn)為，日后科技巨頭們拿著自家的類ChatGPT的產(chǎn)品去出售的時(shí)候，開(kāi)發(fā)人員是解釋不清用了StackOverflow哪些用戶的問(wèn)答去訓(xùn)練的模型：

因此，他們違反了知識(shí)共享許可。

據(jù)了解，StackOverflow和Reddit目前都沒(méi)有對(duì)數(shù)據(jù)收費(fèi)做明確的公示，而且價(jià)格也沒(méi)有定下來(lái)。

但另一方面，各種大語(yǔ)言模型背后的企業(yè)，也正在努力降低開(kāi)發(fā)的成本。

將來(lái)若是訓(xùn)練數(shù)據(jù)都要收費(fèi)了……那這部分成本又將會(huì)有誰(shuí)來(lái)買單呢？

反正Reddit CEO的表態(tài)是：

爬取Reddit數(shù)據(jù)產(chǎn)生了價(jià)值，卻不將任何價(jià)值返還給我們的用戶，這是個(gè)問(wèn)題。

會(huì)怎么收費(fèi)？

雖然目前StackOverflow和Reddit都沒(méi)有明確訓(xùn)練數(shù)據(jù)的價(jià)格，但有媒體猜測(cè)，他們可能會(huì)借鑒馬斯克推特的“定價(jià)路線”。

例如在這個(gè)月，馬斯克就提高了訪問(wèn)推特?cái)?shù)據(jù)的價(jià)格——42000美元/5000萬(wàn)條推文。

更戲劇性的是，馬斯克前一陣子還以“OpenAI非法使用推特?cái)?shù)據(jù)訓(xùn)練”為由，準(zhǔn)備起訴OpenAI。

而不僅是文字領(lǐng)域，在圖片生成領(lǐng)域，因訓(xùn)練數(shù)據(jù)而產(chǎn)生的糾紛也是屢見(jiàn)不鮮。

例如Getty Image就在此前起訴了OpenAI的對(duì)手Stability AI。

理由是涉嫌使用超過(guò)1200萬(wàn)張照片且之前沒(méi)有尋求過(guò)許可。

……

至于像StackOverflow和Reddit最終將如何定價(jià)，還需要等待他們官方的表態(tài)。

但值得明確的一點(diǎn)是，隨著這一波AIGC熱潮的到來(lái)，其背后的各種“規(guī)矩”，是值得深入探討、商定了。

參考鏈接：
[1]https://www.wired.com/story/stack-overflow-will-charge-ai-giants-for-training-data/
[2]https://qz.com/reddit-ai-bots-training-payment-1850352526
[3]https://twitter.com/ruchowdh/status/1649168431063736320