近日，Ziff Davis公司公布了一項新研究，揭示了谷歌、OpenAI及meta等AI行業領軍企業在訓練大型語言模型時，對知名新聞源內容的高度依賴。
該研究深入探討了AI訓練數據集的構成，發現這些數據集主要由新聞和媒體網站的高質量內容組成。這表明，在人工智能技術的發展過程中，主流AI企業已將新聞內容視為訓練模型的關鍵要素。
據悉，Ziff Davis的首席AI律師George Wukoson和技術官Joey Fortuna主導了這項研究。他們詳細檢查了多個AI公司公開承認使用的數據集，包括Common Crawl、C4、OpenWebText及OpenWebText2。
這一發現不僅揭示了新聞媒體內容在AI訓練中的核心價值，同時也引發了關于內容版權和付費問題的討論。Ziff Davis指出，新聞媒體內容被AI公司無償使用，這可能導致出版商失去重要的許可收入。
此前，已有出版商對OpenAI提起訴訟，稱其未經許可使用內容訓練模型。盡管一聯邦法官駁回了Raw Story和AlterNet對OpenAI的訴訟，但《紐約時報》提起的相關案件仍在審理當中。同時，OpenAI也已與多家頂級媒體公司達成了許可協議。
