给AI当“奶妈”，是海角们的生路吗？

老牌汉文社区海角一经住进“ICU”整整一年，歇业看来一经注定，但最近一家好意思国同业搭上AI 快车的音问，又给海角带来了一点但愿。前年4月，因拖缴数据机房用度，海角社区遭“断网”。环节在缺钱。海角社区称，危机来自于近几年资金流动性难受加重，电信IDC欠费，导致海角社区暂停拜访。

再听到海角的音问，是在本年2月底，寰宇企业歇业重整案件信息网上公开一条“海角社区集聚科技股份有限公司被苦求歇业审查”的信息。尽管海角方面否定行将歇业的外传，但海角重睹天日的可能性，到底是愈加茫乎了。在好意思国，一家式微的老牌实质平台，却依靠AI的波浪找到了副业，吃下了热钱——第三方图片托管平台Photobucket，一度领有7000万用户，占据好意思国在线相片商场的近一半份额。如今，Photobucket光线不再，只消约200万东说念主还在使用它。正所谓“瘦死的骆驼比马大”，一经被大部分东说念主淡忘的Photobucket有之前多年的聚积，依然坐拥上百亿相片和视频。而这，恰是患上“数据饥渴症”的AI公司最需要的。在AI茂盛下，约束有公司找上门来。以正在进行的谈判来鄙俗估量，Photobucket手里掌捏的实质可能价值数十亿好意思元。有钱但缺数据的AI公司，遇上没钱但聚积了海量实质的老牌社区，不往来一下才奇怪。

Photobucket正在与AI公司谈往来的音问，是由路透社曝出的。有好奇神往的是，报说念中有一句话在后续剪辑中被删除：“公司瞻望，其第一季度营业陆润将增长10倍，达到近49亿好意思元。”49亿好意思元是什么主张？Photobucket行为一家图片托管网站，刚启动是免费的。在千禧年前后，互联网用户激增，东说念主们或为了记载生存，或为了共享，乐于将相片上传到一个成心的网站。何况，在Photobucket上传了图片后，东说念主们还不错在其他网站如MySpace奏凯镶嵌，省得反复上传。一些卖家也会在eBay或亚马逊使用Photobucket托管的图片。用这种方式，巅峰时期的Photobucket一度占据了好意思国互联网流量的2%。由免费转向付费，似乎是Photobucket的必经之路。不外，Photobucket有点太心急了。2017年时，Photobucket已而将第三方夸耀变为每年399好意思元的付费订阅劳动。此举并莫得提前的充分预警，好多用户发现我方在其他网站镶嵌的Photobucket图片齐无法展示，变成了“付费以解锁”的提醒。要知说念，Photobucket其时一经有1亿注册用户，有约6000万第三方网站的图片在这次“升级”下无法平素夸耀。在争议之下，Photobucket次年将年订阅模式改为可月付的模式，并沿用于今。Photobucket也就此走高下坡路。后续几年，Photpbucket又阅历了劳动中心断电导致劳动中断、逃匿露出等“不测”，巩固从备受迎接的图片网站变成了互联网边角料产物。公司范畴也从焕发时期的120名职工缩水到了40东说念主。

目下Photobucket网站提供的付费策画中，最贵的每月收取8好意思元。以最新报说念裸露的200万用户在使用Photobucket策动，哪怕他们一说念月付8好意思元，每年也仅能孝顺1.9亿好意思元。何况这对Photobucket来说仅仅收入，莫得剔除存储、爱戴、运营等的各项本钱。固然Photobucket在往日二十年亏本了不少用户，但除非用户刊出，它一直保留着用户的图片。即就是在不再撑持免费账户的情况下，Photobucket也明确告知用户：你的相片还在，只需要当今启动付费，就能再行看到它们。约束有一经弃用Photobucket的用户在应付媒体上吐槽，称我方通常收到Photobucket“求复合”的邮件，一经不胜其扰。既然图片齐在，海量的实质还存储在劳动器上，为什么无须它们赚上一笔？将平台实质授权给AI公司，得回49亿好意思元，对Photobucket来说不错算是一笔巨款了。

为什么AI公司会找上“挂念犹新”Photobucket？谜底很简便，太缺数据了。以OpenAI的GPT系列模子为例，GPT-3使用了3000亿的token，GPT-4使用了12万亿的token。费事经在路上的GPT-5所需的token量在60万亿到100万亿。“范畴即一切”成为AI的斗争标语。霍普金斯大学卢纶物理学家贾里德·卡普兰（Jared Kaplan）在2020年发表了一篇对于AI的首创性论文，其标明磨练数据越多，大型说话模子的透露越好，就像学生通过阅读更多竹素来学习更多常识相通。互联网上公开可用的数据在大模子眼前并不是无穷无穷的。据东说念主工智能研究机构Epoch估量，2026年扫数高质地可用数据就有可能被耗尽，互联网分娩数据的速率有可能比不上约束推广的大模子的破钞速率。“数据饥渴”的AI公司获取数据的旅途，追忆起来就是：免费的，奏凯用；自家的，奏凯用且不给别东说念主用；不错付费的，付费；付费也买不到的，必要时念念念念办法弄奏凯。近日，《纽约时报》报说念OpenAI曾在磨练GPT-4时讹诈了谷歌旗下YouTube的实质。奏凯取用信服不能，谷歌不让啊。于是OpenAI计上心来，创建了一个名为Whisper的语音识别器具，将跨越100万小时的YouTube视频转录，然后再喂给模子。

此前，尚未通达给寰球的文本到视频器具Sora也引起了外界怀疑。在一次采访中，OpenAI的首席期间官米拉·穆拉蒂（Mira Murati）莫得正面薪金“是否使用YouTube、Instagram、Facebook等平台的实质磨练Sora”这一问题，她听到该问题时复杂的颜料以致成为了互联网梗图。YouTube首席践诺官尼尔·莫汉（Neal Mohan）在4月5日对此表态，称目下莫得把柄标明OpenAI用了YouTube视频磨练Sora，但要是OpenAI真的这样作念了，那“光显违抗”了YouTube平台的使用条件。要所以为YouTube是在勤劳保护用户（或说创作家），可能有点生动。莫汉在采访中也提到，谷歌确乎用了YouTube上的一些实质磨练了旗下大模子Gemini。另一边，巨头Meta的马克·扎克伯格（Mark Zuckerberg）也将平台数据视为我方的竞争上风。扎克伯格曾直言：“咱们战术的下一个环节部分是从独到的数据中学习。”“在Facebook和Instagram上，出奇千亿张公开共享的图片和数百亿段公开视频。”在前年怒喷微软，恫吓要告状其使用X的数据磨练AI的埃隆·马斯克（Elon Musk），也悄悄更新了X的逃匿策略，示意会使用应付媒体数据来磨练机器学习和AI模子。在网友的追问下，马斯克干脆承认：“只会用公开信息（磨练），不会用私信和任何私东说念主数据。”有海量UGC（用户生成实质）且我方也作念AI的公司，数据是不卖的，只给我方用。其他AI公司要么就铤而走险暗暗用，要么就要去找那些有实质但雀跃出售的公司。ShutterStock和Reddit齐是活跃在数据往来场上的“大卖家”。图片网站ShutterStock险些和扫数叫得上名字的AI大公司齐合营了个遍，包括但不限于OpenAI、Meta、谷歌、亚马逊，杀青使用其图片磨练AI的条约。每笔往来的率先价钱从2000万好意思元到5000万好意思元不等，何况后续还扩大了往来范畴。跟着AI波浪翻涌，“好意思国贴吧”Reddit意志到我方的数据对AI公司至关迫切，且十分认真。前年启动，Reddit启动与一系列AIGC领军企业伸开谈判，商讨数据付费使用的问题。说白了就是，不付费要授权，休念念用这一头部好意思国贴吧的实质喂AI了。谈判陆续有了进展，如本年2月，Reddit就与谷歌杀青条约，授权数据给其磨练AI，合同价值约每年6000万好意思元。在这样的态势下，Photobucket这样的老牌社区被盯上仅仅时辰问题。Photobucket的首席践诺官泰德·伦纳德（Ted Leonard）示意，他正在和多家科技公司谈判，波及130亿个实质（相片和视频）的授权。每张相片的授权价钱在5好意思分到1好意思元，视频则为1好意思元以上。一位买家告诉伦纳德，他们念念要跨越10亿个视频，比Photobucket领有的还多。以当今的谈判来看，Photobucket坐拥数十亿好意思元的实质。机智的Photoshop在前年10月更新了其用户条件，授予平台“不受适度的权益”，不错出售任何上传的实质，用于培训AI系统。伦纳德以致示意，有望用数据授权替代公司的告白销售业务。

费力的数据往来商场，也许给式微以致一经牺牲的UGC平台提供了一个“副业”。海角究竟聚积了若干实质不可知，几个数据不错从侧面一窥其范畴。巅峰时期，海角的日拜访量曾达到2000万。在汉文社区的黄金期间，流行着“全民话题，海角制造”的说法。庞大初代网红出生于这里，如芙蓉姐姐、杰作小月月、敏锐哥等。庞大畅销书孵化于此处，如《鬼吹灯》《明朝那些事儿》《东北旧事：黑说念风浪二十年》《法医秦明》等等。汉文论坛对AI磨练的用处也正在被怜惜。一项研究夸耀，百度贴吧的“弱智吧”显现出不俗的数据磨炼就果。这项研究由中科院深圳先进期间研究院、中科院自动化研究所、滑铁卢大学等庞大高校、研究机构谐和完成，提议了一个高质地的汉文教训优化数据集。研究顶用汉文教训优化数据集磨练了不同类型和大小的模子，探讨了各式数据源对模子性能的影响。在测试中，百度贴吧“弱智吧”的得分颇高。“弱智吧”集结了300个成员，并不是真的和技艺拦阻联系，而是“假装弱智”，发表一些烧脑言论。如“要是高中的入学率不高，为什么不奏凯请托大学生”，或“为什么我爸妈授室的时候莫得邀请我”。研究东说念主员猜度，可能是“弱智吧”的问题增强了AI的逻辑推理才能。这是全民创作和AI之间碰撞出的火花，社区实质偶然能孝顺出东说念主预念念的惊喜。

不外，横在社区实质和AI之间的，还有效户。就像Photobucket忙不迭地更新用户条件，汉文互联网的“实质确权”也一直是个问题。一方面，汉文互联网平台早已酿成了将授权条件埋入用户条件里的习气。目下所能查到的海角2017年的《逃匿和版权》条约中写明：“用户发表并将其上传到本网站的任何实质，本社区在全世界边界内不限方法和载体地享有历久的、不可消除的、免费的、非独家的使用权和转授权的权益，包括但不限于修改、复制、刊行、展览、改编、汇编、出书、翻译、信息集聚传播、播送、饰演和在创作及著述权法等法则细主见其他权益。”海角“断电”后，集聚上售卖“海角神帖书籍”的买卖走俏。海角曾在重启公告中称，怜惜到海角神贴在各大平台大受迎接，“策画从当今启动发展一批高档会员，在回复拜访后的海角社区平台上拓荒海角神贴付费专区”。在重启公告的临了，海角示意，“不管是预购一个‘99元海角神贴劳动’，如故预购一个‘299元一双一数据下载劳动’，齐是对海角重启十分迫切的助力”。文末，海角附上了购买二维码。另一方面，平台是否就此有权将用户实质授权给其他公司以磨练AI，还有待商榷。用户对此颇为警惕。在前年，小红书曾更新用户条件，在“用户实质及信息授权”中写着“您授予xxx公司免费的、不可消除的、非排他的、无地域适度的许可使用”，并示意“上述许可包括使用、复制和展示用户实质中受保护的个东说念主形象、肖像、姓名、商标、品牌、象征过火他营销推论素材、物料的权益和许可”，加之彼时恰有插画师质疑AI器具涉嫌抄袭，而激发了插画师对平台用我方上传的作品磨练AI的担忧，不少插画师公开按捺，并晓喻在该平台停更。如今PhotoBucket首席践诺官收受采访，并坦诚平台与AI公司进行授权条约，但并不是每个AI公司齐对其实质定心。Defened.ai的首席践诺官布加拉（Daniela Braga）示意，她幸免从Photobucket这样的平台公司获取实质，而更可爱从创作这些相片的原作家那边获取授权：“我合计这十分危急。”“要是有一些AI生成的东西雷同于某个从未点头许可的东说念主的相片，那就有浮泛了。”