只听说过交际媒体想方设法让用户多逗留的，没听说过自动给人加个上限的。现在开眼了，埃隆·马斯克正在给全部推特用户加“未成年人维护”，而这全部，居然是被AI逼的？

现在推特用户每天最多能阅读多少推特，不取决于手速或许舍不舍得熬夜，而是有一个清晰的数字：已验证（也便是付费的“蓝鸟”服务）账户10000条、未验证账户1000条，而新注册的未验证账户只要500条。

就这，仍是马斯克面对愤恨的用户，两次进步后的规范。至于原因，是“为了处理极点水平的数据抓取和体系操作问题”。

他指的正是AI公司们，为了练习模型，这些企业需求很多数据作为喂食的饲料。上一年12月，马斯克切断了与OpenAI的数据联络，本年4月又责备微软不合法运用推特的数据。

在马斯克为阻挠数据抓取采纳急进办法的一起，OpenAI正在面对一项团体诉讼。诉讼的原告有16名，都是个人，换句话说，都是一般的互联网冲浪人。他们指控OpenAI隐秘地“从互联网抓取了3000亿字词”，未经答应从互联网那个用户那里盗取“很多私家信息”，以练习ChatGPT。

一边是互联网用户和多年来堆集很多UGC内容的渠道，另一面是新式的AIGC企业，一场环绕数据抓取、隐私安全的战役现已打响。

01

周五周五，敲锣打鼓。十分困难要周末端，推特的用户却傻了，屏幕上显现报错信息，提示其现已超越了“速率约束”，违背了推特的规则，查看了过多推文。

人们压根不知道这是什么意思，推特老板马斯克站了出来，表明的确是有速率约束，并且宣告：为了处理极点水平的数据抓取和体系操作问题，已验证、未验证、新注册未验证账户每天的阅读上限是6000、600和300条推文。

在此之前，马斯克刚宣告推特开端制止未登录的用户阅读内容，用户姑且能承受。约束实锤，用户麻了，继而看着这验证与否的区别对待，眉毛挑起来了：你个老六该不会是想用这招推广“蓝鸟订阅”吧？在谈论区，不止一位用户谈论：“现在得用钱制胜了？”

不满的声响很大，推特的竞品Hive、Mastodon、Tumblr等出现在热门话题里，一张推特石碑的梗图被很多运用。争议声中，马斯克两次进步规范至验证用户10000条阅读、未验证用户1000条。

一个马斯克的高仿号戏弄道：“我设置约束，是因为你们这些推特成瘾者需求出去逛逛。我这是在为国际做好事啊”。这种上价值的思路好，马斯克反手便是一个转发，自己还独自发了条“去拜访下你的朋友和家人吧”。

不过打趣归打趣，马斯克为自己的这次“测验”给出了清晰的解说：应对数据爬取。用户的不满，也在于限流的做法是否有用，而不在数据爬取的问题上。

AI草创公司跑来推特“扒数据”的状况有多严峻呢？马斯克在一条推文中说，流量激增，推特不得不启用备用服务器：“在急迫状况下启用很多在线服务器，只是是为了给某些AI草创公司高得离谱的估值帮助，这太令人恼火了。”

在限流风云的前一天，Epic Games的CEO蒂姆（Tim Sweeney）还发推诉苦推特也在建墙，马斯克回复：“数百个（乃至更多）阻挠正在极端急进地爬取推特数据，到了影响用户体会的境地。咱们应该怎么做？我对全部主意都坚持敞开。”

方才还在诉苦的蒂姆，很快就给出了仔细的主张，如在推特的服务条款中参加制止数据爬取、以信息安全工程维护渠道，以及针对大规模乱用推特的公司采纳法令举动。

值得注意的是，马斯克在回复中说到，“*”会对那些盗取数据的人采纳法令举动：“（达观地说）从现在起2到3年，期待在法庭上看到他们。”

不论“为付费订阅添柴”的猜测是不是以小人之心度了马斯克之腹，马斯克高举用户隐私大旗之外，多少有或许抱有私心。4月，马斯克被传出树立X.AI新人工智能公司，要对立ChatGPT。假如真的要练习大言语模型，推特的用户数据，当然是只给自己用*。

不论怎么，自动给渠道限流都做得出来，马斯克现已做好预备，要和AI草创公司们硬刚究竟了。

02

就在马斯克重拳出击给全渠道限流的时分，这场AICG热潮的“始作俑者”、ChatGPT的造物主OpenAI，正卷进一场团体诉讼中。

这申述讼在美国加州北区地方法院建议，原告16人，均为匿名，均为个人。诉状很长，足足有157页，以斯蒂芬·霍金的一句话作为最初：“强壮人工智能的兴起，要么是人类有史以来*的事，要么是最糟的。”被告除了OpenAI，还有为其注资上百亿美元的微软。

中心指控是，ChatGPT运用从互联网上搜集的数据来“练习其技能”时，侵略了“无数人的版权和隐私。”

申述书中称，OpenAI从互联网上隐秘抓取3000亿字词，窃听了“书本、文章、网站和帖子，包含未经赞同取得的个人信息”，违背了隐私法。其间就说到了OpenAI爬取很多网络数据，包含交际媒体中的数据。

他们还指出OpenAI有个专有AI语料库，堆集了很多个人数据，包含从Reddit帖子及其链接到网站中获取的数据。

这是练习模型方面的指控，此外，原告还称用户与OpenAI的产品的互动、在产品中的私家信息，也都被OpenAI不合法拜访、大规模盗用。

这现已不是OpenAI*次在美国面对团体诉讼。上一年11月，就有Github程序员对Github、OpenAI和微软建议团体诉讼的事情，指控OpenAI涉嫌违背开源答应，运用他们奉献的代码练习专有AI东西GitHub Copilot。

彼时ChatGPT还没有上线，现在回头看，AI练习的问题那时就现已露出。现在，最新的团体诉讼针对的是用户更为广泛、被侵略人群也愈加广泛（基本上便是全员受害）的ChatGPT，更重要的是，在AIGC的狂潮之下，任何法令先例都或许影响未来。

署理该案的克拉克森公益律师事务所（Clarkson）在一封声明中，将这次的团体诉讼称作“里程碑式”的联邦案子，是对整个人工智能的正告。

从这个视点看，OpenAI肩上的担子的确很重。

OpenAI因数据抓取和隐私安全现已惹上许多费事，渠道上锁、用户争吵都只是冰山一角。

在欧洲，OpenAI现已遭到了多个国家的查询，乃至在本年4月，意大利忧虑ChatGPT会违背欧洲数据维护法，暂时封禁过ChatGPT。

针对整个人工智能范畴的监管正在推动。法国于5月推出人工智能举动计划，其间在AIGC方面，法国隐私监管组织特别重视一些AI模型从互联网上搜集数据、树立数据集，用来练习大言语模型的做法。

最重磅的是欧盟人工智能监管法案（EU AI Act），现在现已走向收尾阶段。该法案将有或许成为全球AI管理的范本。   

03

渠道、用户、监管，三股力气现已构成合围之势，誓要尽早给AIGC立立规则，并且要从大模型练习这个起点开端。

一方面，时刻急迫，AIGC开展得太快。

马斯克说“估值高得离谱的AI草创公司”指的是谁，咱也不知道。但这话一出，中箭的确实不少，究竟现在AIGC范畴融资一波接一波，满是热钱。

在草创公司里，OpenAI估值近300亿美元，融资总规模113亿美元，是AIGC里最有钱的；然后是Anthropic，第二有钱，估值超越40亿美元。而前几天才以13亿美元融资震动硅谷的Inflection，估值也现已有40亿美元，而它树立不过一年多。

大的或许还在后头。Inflection用的是自家的大言语模型，这次13亿美元到手，宣告要搞2.2万张英伟达H100芯片，做全球*的人工智能集群。如此大规模算力，方针参数量和数据集必然也是惊人的。

另一方面，ChatGPT横空出世，等它露出出问题时，想“修补”并不是那么简单。OpenAI的几代大言语模型，GPT-2数据集有40GB文本，GPT-3（也便是ChatGPT发布时用的模型）练习数据有570GB，至于本年才发布的GPT-4，数据集巨细压根没泄漏。

海量的数据并没有从一开端就做好记载。谷歌前研讨科学家尼西亚·桑巴斯万曾在采访中表明，科技公司不会记载它们是怎么搜集或注释AI练习数据的，乃至不知道数据会集究竟有什么。

木已成舟的ChatGPT就像一个黑匣子，并且是一个打造在密室里的黑匣子，现在要做透明化、隐私维护，比方罗列究竟爬取了哪些数据、阐释运用过程中会怎么运用这些数据、应用户要求删去某条数据，其实很难。

互联网冲浪人和监管死咬OpenAI们，还有一个不容忽视的原因——在社媒开展壮大的那些年，对个人网络数据维护的认识还在襁褓中，待要抗衡时，发现已错失太远。

当扎克伯格2018年初次坐上国会听证席时，他的交际媒体渠道Facebook现已推出了14年。彼时Facebook身陷“剑桥丑闻”，公司首席技能官称有8700万用户受影响。那也是一次因数据抓取变成的大错。

比及本年5月阿尔特曼坐上美国国会听证席，议员一再表达着在社媒年代举动缺乏的懊悔，意思很明晰：这一次，就算不能超前，也至少要跟上AIGC的脚步。

一个接一个的大模型仍然在练习傍边，数据抓取是一根线头，攥住它才有望理清AIGC的糊涂账。