承认使用爬虫，OpenAI的数据黑箱成谜？
2023-08-11 13:35
根新未来
关注
文/陈根
据国外科技媒体Insider最新报道，OpenAI近日承认，其推出了名为GPTBot的网络爬虫机器人，用于抓取和收集数据用于大模型训练。
网络爬虫，是一种模拟人（网络用户）的行为，自动浏览、收集网络信息的计算机程序。目前还不清楚OpenAI的爬虫机器人在网上潜伏了多久，有些人怀疑OpenAI已经秘密收集每个人的在线数据长达数月或数年。
数据来源一直以来就是OpenAI的黑箱之一，公司公开承认爬虫只是OpenAI公司被用户发现之后所承认的危机公关行为之一。可以说，OpenAI的数据不仅会使用爬虫，并且使用用户数据也是在必然之中。
而更值得关注的是OpenAI所训练出来具有一定知识正确性的ChatGPT，这背后的高质量数据来源。在数据来源层面，OpenAI从采取了黑箱操作策略开始，就没打算向外界公布真正的数据来源方式，包括对用户与各种版权方的数据使用。
而我之所以一直说我们当前的类ChatGPT企业无法训练出ChatGPT这类，在知识生成层面具有竞争力的人工智能模型，核心原因就在于我们无法知晓OpenAI的这个数据黑箱。
可以预见的是，只要用户没有发现OpenAI的数据黑箱证据，OpenAI就不会诚实，或者说不会主动采取措施。而当数据黑箱中的一些手法被用户发现之后，OpenAI就会以同样的方式对于发现的部分采取管控。
在AI时代，在大模型时代，数据决定着模型的核心竞争力，廉价、滥用用户数据已经成为了当前监管的最大挑战。
原文标题 : 陈根：承认使用爬虫，OpenAI的数据黑箱成谜？
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
11月22日立即报名>> 【线下论坛】华邦电子与莱迪思联合技术论坛
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
7.30-8.1马上报名>>> 【展会】全数会 2025先进激光及工业光电展
-
精彩回顾立即查看>> 【线下论坛】华邦电子与恩智浦联合技术论坛
-
精彩回顾立即查看>> 【线下巡回】2024 STM32 全球巡回研讨会
-
精彩回顾立即查看>> 2024先进激光技术博览展
-
10 携程集团，彻底爆了！
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论