已经与新闻集团和 等公司达成了内容许可协议这样就减少了潜在的诉讼问题。如果我是你我可能不会考虑这种合作。 那么你如何说服我许可我的信息？鲁珀特·默多克已经盗用了我的其他信息《纽约时报》也是我不希望再有其他人包括你。 ： 我知道你对此很关心所以我可以告诉你我们如何看待数据训练模型的问题。我们主要有三个数据来源：公开数据、与出版商的合作数据以及我们支付人力标注的特定数据。 此外我们还有用户自愿允许我们使用的数据。关于出版商合作我们关心的是信息的准确性用户也非常重视这一点。 因此我们与特定产品建立了一对一的合作关系提供对用户有价值的信息同时也在探索不同的方式来补偿内容创作者让他们的数据在产品中展示或用于训练。
主持人： 有些人会与 丹麦电话号码表 你合作像 和许多其他机构但有些人则会提起诉讼比如《纽约时报》。这如何演变到那一步？ ： 我不能具体评论这些诉讼但这确实很不幸。因为我们认为在产品中拥有新闻数据和这种类型的信息是有价值的因此我们尝试与他们达成合作但在这种情况下未能成功。 主持人： 或许未来会成功。我想这是因为媒体多年来与互联网公司打交道通常最终会吃亏。但每期节目我们都会请专家提问我们来听听你的问题。 观众： 。我是斯坦福大学计算机科学教授也是斯坦福人类中心 研究所的联合创始人。我想问你一个关于数据的问题。很多人认为 的成功与数据密切相关。
我们了解到你的公司从互联网和其他来源获得了大量数据。 那么你认为数据与模型之间的关系是什么？是否简单地认为输入的数据越多模型就越强大？还是需要花费大量时间来整理不同类型的数据以使模型有效？最后你如何解决对大量人类生成数据的需求与这些数据的所有权和权利问题？ ： 关于数据和模型之间的关系这其实是很多人对 模型特别是大型语言模型的误解。开发这些模型的人并不是预先编程它们做特定的事情而是输入大量数据。 这些模型通过这种过程变成了出色的模式匹配系统并且通过这种方式产生了智能。因此它们学会了写作、编码、做基本数学、总结信息等等。