谷歌AI正在吞食一切！爬取所有公开内容用于训练AI，隐私政策更新
用于训练Bard等AI产品
萧箫 发自 凹非寺
量子位 | 公众号 QbitAI
从今往后，你在网上公开说的每一句话，都可能被谷歌拿去训练AI！
没错，继画画之后，文字作品也要被用来喂大模型了——
无论是技术博客、代码、论文，还是所有你在网上公开的帖子，都可能被扔进“谷歌大模型搅拌机”，即使有版权也是如此。
就在这周，谷歌更新了一版隐私政策，明确表示他们保留有抓取网上所有公开内容，以构建其AI工具的权利。
网友们立刻炸了。有人警告“谷歌正抓取一切”：
一旦谷歌能够读取你写的东西，就意味着这些都是他们的“所有物”了。
还有网友抱持更悲观的想法：
很快啊，所有内容产出者就都会是AI了。
所以，这版隐私政策究竟是怎么回事？
用于训练Bard等AI产品
事情还得从谷歌这几天更新的隐私政策说起。
在最新的隐私权政策中，谷歌增加了一个关于“研究和开发”的AI模型条款：
Google会利用信息来改进我们的服务并开发新的产品、功能和技术，以惠及我们的用户和公众。
例如，我们会利用公开信息来帮助训练Google的AI模型并打造实用产品和功能（比如Google翻译、Bard和Cloud AI功能）。
换言之，就是将所有可能收集到的公开信息，用在谷歌翻译、Bard和Cloud AI等AI相关产品或功能的训练中。
那么，这些公开信息具体包括什么？
例如互联网、网络和其他活动信息，包括搜索字词、应用和浏览器与谷歌服务进行互动的相关信息，以及在第三方网站和应用中使用谷歌服务等。
换而言之，不止是此前已经公开的博客等内容，包括公开到网上的谷歌文档、或是一些包含个人信息的发帖，也可能会被谷歌收集起来，用于大模型训练。
当然，目前这些内容都还限定在“公开信息”。
像谷歌提供的Gmail等电子邮件服务，应该还是不会被爬进数据里的。
而且谷歌也明确在隐私权政策中表示，在其他如防范安全威胁、信息审核、服务维护、个性化广告或法律等原因情况下，同样可以使用这些个人或公开信息。
不过，谷歌为啥在这个节骨眼更新这个政策？
“AI正挑战文字版权”
或许也与Reddit和推特等一众公司搞出的“限流”操作有关。
先是今年4月，Reddit宣布对接入API的公司开始收费。
公司CEO认为，Reddit的数据库很有价值，但是他们不想将这些有价值的内容免费提供给科技大公司。
随后，推特也开始以“不想让AI公司白嫖数据”的理由，来给推特限流，未经验证用户日浏览量只有600，经过验证后增加到6000。
这一系列政策对用户和第三方工具影响很严重，例如Reddit引发了大规模的讨论版块抗议，不少版主直接关闭了自己管理的论坛，以对Reddit这一活动进行抗议，推特上也有不少人在声讨，甚至有网友表示“推特被杀死了”。
但无论如何，让AI白嫖数据这件事，现在都已经是一个无法忽视的矛盾了。
对于谷歌AI爬数据这件事，有网友表示疑惑：
为啥之前互联网如搜索引擎也有爬取数据一类的操作，但人们却偏偏对“AI抓取”感到抗拒。
有网友回应称：
本质上还是版权的问题。如果只是引用受版权保护的材料，那么不一定侵犯版权，但如果用AI对有版权的内容进行“搅拌清洗”，而且这事儿合法化了，那么本质上版权已死。
也正是因此，他对于这件事感到悲观：
如果有人在不标注来源的情况下复制了你的博客，或是将你的开源代码拿去做付费服务，又或是将你在StackOverflow上的答案用作答题方法，你能接受这些情况发生吗？
我之前做的一切都是免费的。但现在如果AI想让我消失，那我就会消失。
当然，也有网友已经接受了这个政策的推出，警惕大家自身防范意识不可或缺：
细读新政策，注意我们泄露了多少信息到网上。
那么，你怎么看待这件事？
参考链接：
[1]https://gizmodo.com/google-says-itll-scrape-everything-you-post-online-for-1850601486
[2]https://news.ycombinator.com/item?id=36577626
- “清华AI医院”上线！首批42位AI医生亮相，诊断覆盖300余种疾病2024-11-21
- 打破纪录！中国科学家让薛定谔的猫活了23分钟2024-11-17
- 特斯联首款通用智能体发布，实现对物理世界的高维感知2024-11-20
- 多个中国团队斩获EMNLP’24最佳论文！UCLA华人学者中三篇杰出论文，明年顶会落户苏州2024-11-15
相关阅读
