你的网站被 Google 用于 AI 训练了吗？
原文约1100字，阅读约需3分钟。发表于：。这是我看到了 Zac 的文章《你的网站内容被用于AI训练了吗？你愿意吗？》之后，而想到的。 基本上就是， Google 所使用的 AI 训练，需要很多的语料，而各大网站，或者小网站，都会成为它的目标。我对于这些 AI 工具在最近半年内的快速出现，以及快速的病毒式传播，看法也许并不相同。我认为在科技激流猛进的时候，普通用户需要耐心等待，可以尝试，不要陷入太深，等大浪淘沙后，还能为人所用的，那一定是能提高生产力，帮助人们提高效率的工具。 二月，在 Grandpa try the new technology 一文中，我向岳父大人介绍了Midjourney，以及 ChatGPT，他觉得挺有意思的。三月，我自己在本地电脑上尝试了 Stable Diffusion， 觉得蛮痛苦的。个人普通电脑还是不要尝试了，太费时间。 暂时我还是会认为各大互联网巨头都会向 OpenAI 做出挑战，做自己的 AI 训练。今天看到的 Zac 的文章，就是说 Google AI 训练集的情况。 Google 使用的是 C4 数据集，这里面有海量的网站，当然还有更多的网站并没有包括在内。The Washington Post 有做了一个互动工具，可以查看是否被包括在内，以及使用的数量。 C4开始是由非营利组织 CommonCrawl...
本文讨论了Google使用的AI训练所需的语料库，包括各大网站和小网站。作者认为在科技快速发展的时候，普通用户需要耐心等待，可以尝试，不要陷入太深，等大浪淘沙后，还能为人所用的，那一定是能提高生产力，帮助人们提高效率的工具。Google使用的是C4数据集，其中包括海量的网站，但并不试图避免许可或版权内容。作者测试了自己的网站和其他英文网站在C4数据集中的被使用情况，认为C4对于信誉度更加看重。作者认为如果将训练的结果拿出来作为一种服务，并从中获利，那么这些网站就有权要求回报，至少要有Credit或链接。
