再让AI大厂这么“偷”欧洲杯直播下去咱可能就看不到免费的网站了

　　几天前，谷歌突然更新了隐私政策，明确表示要用网上所有的公开数据，来训练自家的 AI 模型。

　　也就是说，根据新政策，你在网上公开发布的任何信息都有可能被谷歌抓取，包括但不限于你发的帖子、搜索的关键词以及看过的视频。

　　在这个节骨眼上整这么一出，大概率跟数据收费脱不了关系，谷歌再不薅这波免费的羊毛，之后很有可能就薅不到咯。

　　世超先给大家伙儿捋捋时间线 月的时候呢，马斯克带头打响了数据收费第一枪，宣称推特的 API 接口不再免费了。

　　上个月 Reddit 闹得沸沸扬扬的 “ 停电 ” 运动，就是为了抗议官方的 API 收费政策。

　　之前世超写这事儿的时候还在猜测， Reddit 官方最后会不会作出让步。

　　从现在的后续看来，大多第三方软件已经确认关停， Reddit 是铁了心要数据收费。

　　再到这段时间，推特又整了限流的幺蛾子，没有花钱认证的帐号每天就只能阅读 600 条贴文，目的呢也是为了防止机器人抓取用户数据。

　　现在能做大模型的，要不就是自己家有数据，像百度、阿里和腾讯；要不就是爬人家的数据，这里点名 OpenAI 。

　　因为很多网站都开放有免费的 API 接口，才给了微软、 OpenAI 这些巨头可乘之机。

　　但今时不同往日， AI 在重新赋予数据价值以后，有筹码在手上的平台当然不乐意被白嫖了。

　　甚至于 Reddit 的 CEO 霍夫曼都把话搬上明面儿了：就是不想免费提供数据给巨头们。

　　所以， OpenAI 被起诉估计也是平台们联合起来想要 “ 杀鸡儆猴 ”， 治一治 AI 的这股歪风邪气。

　　但需要注意的是，公开的数据并不能等同于授权使用，而且还要看网站是不是有相关的条款对数据爬虫行为做出了限制。

　　要是直接越过版权方的同意，或者绕过了网站限制强行获取数据，那就是妥妥的非法获取计算机信息系统数据罪。

　　即使 OpenAI 声称爬的是公开网站的数据，数据爬虫行为本身是否合法，还要看版权方是不是给了授权。

　　根据美国的版权法，如果 AI 模型训练所用的数据符合 “ 合理使用 ” 的范围，那就不会构成侵权。

　　“ 合理使用 ” 的构成要件包括是否涉及商用、作品本身是否受版权法保护、所使用部分的数量以及使用之后对作品本身造成的影响这四个标准。

　　可 AI 模型上亿万级别的数据使用量、已经商业化的 AI 软件，还能算作 “ 合理使用 ” 吗？

　　因为训练数据版权理不清， AI 生成的内容自然也会存在版权争议。前几天， Steam 还下架了一款使用了 AIGC 生成的游戏，理由就是版权有问题。

　　咱就拿 AI 绘画举例子，图像生成相当于一个拆分又重组的过程，虽然最后的结果是完全 “ 新 ” 的，但仍然会保留训练图像的某些特征。

　　因为训练数据是人家的，美国版权局认定 AI 生成的作品不受版权法保护，甚至还可能侵犯著作权。

　　而日本政府的态度则截然不同，表示日本法律不保护 AI 训练所用数据的版权。

　　既然监管不给力，那版权方就只有提刀自己干了，该收费的收费，该追偿的也赶紧追偿。

　　可以预见，在推特和 Reddit 之后，可能还会有更多的内容版权方竖起高墙。

　　这事儿呢，对于平台来说，当然是个挣钱的新路子，科技巨头再不济也就是多砸点儿钱。

　　当年，互联网就是带着开放共享的基因出生的，像什么、推特，之前常年免费提供 API 接口，开发者调用数据很方便。

　　毕竟，小开发者没有支付巨额数据费的能力，如果创新只在巨头里发生，这不就是纯纯搞垄断了？

　　最主要的是，可能很多现在免费能看到的网站之后就要花钱才能看了，这才是对咱们这种普通用户的真实暴击。

　　其实吧，数据收费这事儿也不能全怪平台，实在是让 AI 巨头给 “ 抢 ” 怕了，算是一种自保的无奈之举。

　　厘清数据版权，是 AI 要发展始终绕不过去的一道坎儿，而现在，似乎也同样关乎着互联网的未来走向。

　　21 世纪经济报道， AIGC 爆火之后：如何平衡数据流动共享与安全保护？

　　链科天下， OpenAI 遭集体诉讼，明星大模型变 “ 数据小偷 ” ？

　　原标题：《再让AI大厂这么“偷”下去，咱可能就看不到免费的网站了。。。》