OpenAI 发布了一个新的网络爬行机器人GPTBot，以扩展其数据集以训练下一代人工智能系统，并且下一次迭代显然有一个正式名称。该公司为术语“GPT-5”注册了商标，暗示即将发布版本，同时让网络出版商了解如何将其内容排除在其庞大的语料库之外。
据 OpenAI 称，网络爬虫将从网站收集公开数据，同时避免付费、敏感和禁止的内容。然而，与 Google、Bing 和 Yandex 等其他搜索引擎类似，该系统是选择退出的 – 默认情况下，GPTBot 会假设可访问的信息是公平的游戏。为了防止 OpenAI 网络爬虫摄取网站，其所有者必须向服务器上的标准文件添加“禁止”规则。
如何禁止 OpenAI 的 GPTBot。图片来源：OpenAI
OpenAI 还表示，GPTBot 将抢先扫描抓取的数据，以删除个人身份信息 (PII) 和违反其政策的文本。
然而，一些技术伦理学家认为，选择退出的方法仍然会引发同意问题。
在Hacker News上，一些用户为 OpenAI 的举动辩护称，如果人们想在未来拥有一个强大的生成人工智能工具，它必须收集一切可以收集的东西。一位用户表示：“他们仍然需要当前数据，否则他们的 GPT 模型将永远停留在 2021 年 9 月。” 另一位更注重隐私的用户认为，“OpenAI 甚至没有适度引用。它在不引用的情况下制作了衍生作品，从而掩盖了它。”
GPTBot 的发布是在最近对 OpenAI 的批评之后进行的，OpenAI 之前未经许可就抓取数据来训练 ChatGPT 等大型语言模型 (LLM)。为了解决这些问题，该公司于四月份更新了隐私政策。
与此同时，最近的GPT-5商标申请似乎证实了 OpenAI 正在训练其下一个模型以供未来发布。新系统很可能涉及大规模网络抓取来更新和扩展其训练数据。
这可能代表着 OpenAI 早期强调透明度和人工智能安全性的转变，但考虑到 ChatGPT 是世界上使用最多的法学硕士，尽管市场日益拥挤和强大，这并不奇怪。OpenAI 的明星产品（以及任何法学硕士的产品）的好坏取决于用于训练它的数据的质量。
OpenAI 需要更多、更新的数据，而且需要大量的数据。
另一方面，有一个开源的法学硕士，由社交媒体巨头 Meta 组建。只要你不是竞争对手也不是太大的企业，这家科技巨头就免费提供其模型。Meta 尚未透露其使用哪些数据集来训练模型以及收集了哪些信息。然而，该方法使用户可以使用自己的数据集微调模型。
OpenAI 依靠所有抓取的数据来训练其模型并围绕其 AI 工具构建一个有利可图的生态系统，而 Meta 则竞相围绕其数据建立一个有利可图的业务。因此，Meta 不仅使用它来创建更好的模型，还与第三方共享，以便他们可以使用它。
“我们不会出售您的信息。相反，广告商和其他合作伙伴会根据我们掌握的信息向我们付费，让我们向您展示个性化广告。”Meta 解释道。根据 Meta 的标准隐私披露，该公司收集的一些数据包括购买、浏览器历史记录、ID、财务信息、联系人和未公开的敏感信息等。
Meta 从其 Thread 应用程序的用户那里收集的一些数据。图片：元
ChatGPT 目前每月吸引超过15 亿活跃用户。微软对 OpenAI的100 亿美元投资似乎很有先见之明，因为 ChatGPT 的集成增强了 Bing 的功能。
目前，OpenAI 引领着炙手可热的人工智能领域，科技巨头竞相追赶。该公司的新网络爬虫可能会进一步提高其模型的能力。但扩大互联网数据收集也引发了有关版权和同意的道德问题。
随着人工智能系统变得越来越复杂，平衡透明度、道德和能力仍将是一个复杂的平衡行为。
ChatGPT、ChatGPT中国站、国内ChatGPT、人工智能、AI、OpenAI、ChatGPT国内、ChatGPT官网、ChatGPT中文版、ChatGPT体验、ChatGPT国内站点、ChatGPT中文网、ChatGPT国内、中国版ChatGPT、ChatGPT中国镜像、ChatGPT国内镜像、AI全家桶、AI导航、MJ绘画、AI绘画技术、人工智能绘画、AI艺术创作、智能绘图软件
