哈佛大学、谷歌发布 100 万本公共领域书籍，为 AI 训练提供合法数据

近日消息显示，哈佛大学与谷歌宣布联合推出了一项引人注目的计划，即发布100万本公共领域书籍，以供人工智能(AI)训练数据集使用。

要进行AI训练，需要大量数据支持，这对于那些财力雄厚的科技公司来说并非易事。出于这一考虑，哈佛大学计划发布一个庞大的数据集，其中包含大约100万本公共领域的书籍，这些作品涵盖了各种类型、语言和作家，包括那些已经不再受版权保护的经典作家，比如狄更斯、但丁和莎士比亚等，因为这些作品的版权已经随着时间的推移而过期。

尽管这个新数据集尚未正式发布，具体的发布方式和时间尚不明确，但它源自于谷歌的长期项目——谷歌图书(Google Books)。因此，谷歌将积极参与这一宝贵资源的广泛发布。

根据IT之家的了解，早在今年3月，哈佛大学就曾经透露过其“机构数据计划(IDI)”，旨在为AI提供“合法数据的可信通道”。直到正式启动后，该计划才确信得到微软和OpenAI的资金支持。

该计划的执行董事Greg Leppert表示，该数据集的目标是“实现公平的竞争环境”，通过向研究机构和AI初创公司等各种机构开放这一巨大的数据集，为他们训练大型语言模型提供帮助。

广告声明：文中包含的对外链接仅供参考，点击可获取更多信息。