圖片來(lái)源@視覺(jué)中國(guó)
文｜元宇宙日爆，作者｜凱蒂，編輯｜文刀
“現(xiàn)在是訴訟時(shí)間?！?月20日，推特被踢出其數(shù)字營(yíng)銷(xiāo)平臺(tái)后，新掌門(mén)人馬斯克立馬發(fā)推回?fù)舴Q，用推特的數(shù)據(jù)做“非法訓(xùn)練”。這一懟，直接揭開(kāi)了AI大模型開(kāi)發(fā)商與數(shù)據(jù)源的利益之爭(zhēng)。
(資料圖)
此前，在線社區(qū)論壇Reddit與程序員社區(qū)Stack Overflow先后宣布，將向使用平臺(tái)API訓(xùn)練數(shù)據(jù)的公司收費(fèi)；環(huán)球音樂(lè)集團(tuán)直接表示，將阻止AI從其版權(quán)歌曲中抓取歌手的聲音。
在此之前，AI大模型開(kāi)發(fā)商都在低成本地使用互聯(lián)網(wǎng)公開(kāi)的內(nèi)容數(shù)據(jù)訓(xùn)練自家的大模型，如今，各種科技巨頭們加持的大模型紛紛開(kāi)始商業(yè)化，互聯(lián)網(wǎng)內(nèi)容平臺(tái)們突然反應(yīng)過(guò)來(lái)，不能讓這些巨頭們薅羊毛“白嫖”數(shù)據(jù)了。????????
當(dāng)推特將API收費(fèi)門(mén)檻擺在面前時(shí)，AI大模型訓(xùn)練要給付的成本就不止芯片算力和研發(fā)算法的人才了，現(xiàn)在還要加上“為數(shù)據(jù)付費(fèi)”。
馬斯克直懟微軟“非法訓(xùn)練”
“他們非法使用推特的數(shù)據(jù)進(jìn)行訓(xùn)練?，F(xiàn)在是訴訟時(shí)間?！?4月20日，“宇宙頂流”馬斯克直接在推特上明示要告。他以推特CEO的身份親自下場(chǎng)，以此直懟把推特踢出Microsoft Digital Marketing Center（數(shù)字營(yíng)銷(xiāo)中心）的做法。
這個(gè)“中心”是干嘛的呢？它其實(shí)是利用大數(shù)據(jù)和AI技術(shù)開(kāi)發(fā)的一個(gè)廣告和營(yíng)銷(xiāo)的管理平臺(tái)，聚合了包括推特、臉書(shū)、Ins等海外所有主流的社交平臺(tái)，方便企業(yè)主們?cè)谝粋€(gè)平臺(tái)上完成廣告和營(yíng)銷(xiāo)活動(dòng)的推送，還能管理各種賬號(hào)、分析推流數(shù)據(jù)。你刷微博、微信朋友圈時(shí)突然冒出的廣告，就有類似這種工具的貢獻(xiàn)。
這個(gè)數(shù)字營(yíng)銷(xiāo)中心能實(shí)現(xiàn)這些功能，很重要的一環(huán)是接入了這些社交平臺(tái)的API，這是企業(yè)主推送廣告、分析數(shù)據(jù)的基礎(chǔ)。
結(jié)果，馬斯克收購(gòu)?fù)铺睾螅苯影淹铺谹PI的企業(yè)套餐初始訂閱費(fèi)用定為4.2萬(wàn)美元/月，折合人民幣28.9萬(wàn)元，以這個(gè)價(jià)格能獲得2500萬(wàn)條推文，一條差不多1塊多錢(qián)了。如果每月支付12.5萬(wàn)美元，能獲得 1 億條推文，后續(xù)還會(huì)按照使用量加錢(qián)。
推特API的新收費(fèi)標(biāo)準(zhǔn)直接勸退了不少小公司，連財(cái)大氣粗的數(shù)字營(yíng)銷(xiāo)中心都直言“要價(jià)太高”，于是，直接把推特踢出了管理庫(kù)。這意味著，借助這個(gè)平臺(tái)執(zhí)行廣告和營(yíng)銷(xiāo)計(jì)劃的廣告主們，沒(méi)法在推特上搞投放了。
原本這是企業(yè)主、分發(fā)平臺(tái)、渠道商之間的廣告業(yè)內(nèi)事，馬斯克跳出來(lái)了，直指用推特的數(shù)據(jù)搞非法訓(xùn)練。
馬斯克稱用推特?cái)?shù)據(jù)“非法訓(xùn)練”
誰(shuí)都知道，爆火的ChatGPT背后有的資本加持。而馬斯克和GPT大模型的開(kāi)發(fā)方OpenAI不僅淵源頗深，還積怨許久。
2015年，馬斯克與Sam Altman等6人共同創(chuàng)立OpenAI人工智能實(shí)驗(yàn)室，致力于建設(shè)開(kāi)源的、研發(fā)人工智能的非營(yíng)利機(jī)構(gòu)，來(lái)抗衡當(dāng)時(shí)在人工智能領(lǐng)域大有一家獨(dú)大之勢(shì)的谷歌。為此，馬斯克捐了1億美元，承諾未來(lái)繼續(xù)捐9億。結(jié)果不到2年，馬斯克就退出了OpenAI董事會(huì)，這里既有燒錢(qián)開(kāi)發(fā)大模型短期沒(méi)燒出成果的問(wèn)題，也有馬斯克和Altman對(duì)OpenAI的管理權(quán)之爭(zhēng)。
馬斯克退出1年后，即2019年3月，OpenAI成立子公司OpenLP，將其定位為“有限營(yíng)利機(jī)構(gòu)”，重組后的OpenAI很快拿到了來(lái)自微軟的10億美元投資。誰(shuí)也沒(méi)想到又一個(gè)3年過(guò)去后， OpenAI站上了全球科技舞臺(tái)的最前沿。
ChatGPT爆火后，當(dāng)初為OpenAI掏過(guò)錢(qián)、站過(guò)臺(tái)的馬斯克頻頻表達(dá)怨念。
2月17日，馬斯克發(fā)推指稱OpenAI從開(kāi)源、非營(yíng)利變成了微軟控制的“閉源、追求利益最大化”的公司；后來(lái)還多次在公開(kāi)場(chǎng)合強(qiáng)調(diào)人工智能對(duì)人類社會(huì)的潛在危害，甚至認(rèn)為“風(fēng)險(xiǎn)比飛機(jī)、汽車(chē)、毒品更大”；3月29日，那封科技大佬聯(lián)署簽名“暫停AI巨型實(shí)驗(yàn)”的公開(kāi)信上，他也第一時(shí)間簽名表態(tài)。
馬斯克為人工智能的健康發(fā)展操碎了心，看上去，這位將巨型載人飛船送入太空的現(xiàn)實(shí)版“鋼鐵俠”似乎不打算跟風(fēng)人工智能了。
然而，4月17日，馬斯克在媒體采訪中披露，將推出一款生成式AI大模型TruthGPT。很快就有媒體爆料，馬斯克買(mǎi)了1萬(wàn)個(gè)英偉達(dá)A100芯片。這是AI大模型訓(xùn)練的重要硬件。
撕微軟非法訓(xùn)練數(shù)據(jù)，懟OpenAI變成逐利公司，無(wú)論馬斯克如何批評(píng)這兩家公司，這下也難掩他對(duì)人工智能的興趣了。左手?jǐn)r下推特?cái)?shù)據(jù)低成本外流，右手高價(jià)囤芯片，在AI大模型賽道上，馬斯克開(kāi)始跑馬圈地。
多平臺(tái)API擬收費(fèi)，AI訓(xùn)練成本被推高
不過(guò)，最近要向AI大模型開(kāi)發(fā)商們收取API費(fèi)用的平臺(tái)不止推特。
4月18日，海外最大的社區(qū)論壇Reddit宣布，將向使用其API做數(shù)據(jù)訓(xùn)練的公司收取數(shù)據(jù)使用費(fèi)。Reddit暫未公布具體收費(fèi)標(biāo)準(zhǔn)，業(yè)內(nèi)推測(cè)，Reddit很可能會(huì)按數(shù)據(jù)數(shù)量分等級(jí)收費(fèi)，這也是業(yè)內(nèi)的常規(guī)做法。此外，程序員問(wèn)答網(wǎng)站Stack Overflow也計(jì)劃向AI巨頭收取訓(xùn)練數(shù)據(jù)費(fèi)用。
Reddit更新數(shù)據(jù)API條款防大公司薅羊毛
要知道，研發(fā)AI大模型，算法、算力和算據(jù)這“三算”缺一不可。以O(shè)penAI訓(xùn)練GPT-3.5為例，這個(gè)模型容納了多達(dá)45TB的文本語(yǔ)料，這些語(yǔ)料既包括書(shū)籍期刊等出版物的內(nèi)容，也包括社交平臺(tái)、問(wèn)答網(wǎng)站、論壇小組等在線數(shù)據(jù)中的用戶生成內(nèi)容。而從OpenAI的公開(kāi)信息看，該公司并沒(méi)有提及獲取線上數(shù)據(jù)是否支付過(guò)費(fèi)用。用“爬蟲(chóng)”爬、和第三方合作、以及購(gòu)買(mǎi)都有可能是OpenAI 獲得數(shù)據(jù)的方式。
此前，各個(gè)生成式大模型似乎都在沒(méi)啥限制地使用互聯(lián)網(wǎng)上的公開(kāi)內(nèi)容，影響大模型性能的要素就集中在算法和算力差異上。從推特、Reddit等平臺(tái)明確為API收費(fèi)后，大模型開(kāi)發(fā)商自在地使用數(shù)據(jù)的好日子到頭了。
2019年之前，OpenAI是非營(yíng)利機(jī)構(gòu)，如今，ChatGPT都有Plus收費(fèi)版了，更別提該公司還開(kāi)通了API的付費(fèi)渠道。當(dāng)前，OpenAI的估值接近300億美元，研究機(jī)構(gòu)PitchBook預(yù)測(cè)，該公司今年的收入將達(dá)到2億美元，明年會(huì)翻五番。
社交平臺(tái)們明確API收費(fèi)，劍指大模型開(kāi)發(fā)商，雙方也正式變成了“商業(yè)對(duì)商業(yè)”的關(guān)系，收費(fèi)與付費(fèi)實(shí)屬正常。這也意味著，AI大模型成為科技巨頭們狂卷的賽道后，像Reddit這樣的海量?jī)?nèi)容平臺(tái)將增加商業(yè)來(lái)源，數(shù)據(jù)將成為重要要素。
以成立于2008年的Reddit為例，它是全球互聯(lián)網(wǎng)中最有活力的社區(qū)之一，目前日活達(dá)到3.3億，大量的用戶創(chuàng)建了超過(guò)14萬(wàn)個(gè)活躍社區(qū)，帖子總量超3.6億。尤其在很多小眾領(lǐng)域，Reddit論壇貢獻(xiàn)了很多有價(jià)值的討論內(nèi)容。換句話說(shuō)，Reddit提供了英語(yǔ)互聯(lián)網(wǎng)中最重要的語(yǔ)料庫(kù)。
OpenAI的CEO Sam Altman也表示，公司在積極與內(nèi)容公司進(jìn)行合作，并愿意“為高質(zhì)量數(shù)據(jù)支付高價(jià)”。
盡管Altman宣稱“目前沒(méi)在訓(xùn)練GPT-5”，但OpenAI應(yīng)該不會(huì)停下數(shù)據(jù)訓(xùn)練的腳步，因?yàn)镚PT-4仍有很多需要打磨的地方，比如通識(shí)知識(shí)的準(zhǔn)確性、對(duì)人類語(yǔ)言的理解進(jìn)化等等，這些仍然需要語(yǔ)料數(shù)據(jù)的持續(xù)投入。
放眼全球，研究AI大模型的公司還不止OpenAI一家，海外有谷歌，國(guó)內(nèi)有百度、華為、阿里。可以預(yù)見(jiàn)，切入大模型賽道的公司，都將面對(duì)數(shù)據(jù)所有者的收費(fèi)關(guān)卡，訓(xùn)練成本將水漲船高。另一個(gè)值得深思的問(wèn)題是，Twitter也好，Reddit也罷，他們手握數(shù)據(jù)向大模型開(kāi)發(fā)公司收取價(jià)格不菲的費(fèi)用，那么，為這些平臺(tái)貢獻(xiàn)了海量?jī)?nèi)容和數(shù)據(jù)的用戶又得到了什么？
關(guān)鍵詞：
