影视剧本成了AI训练的『免费食堂』！
近日，一份关于AI训练数据的调查报告引发业界轰动：
大型语言模型正在悄无声息地"挖掘"海量影视剧本作为训练数据。
这究竟是技术创新，还是赤裸裸的知识产权掠夺？
惊人数据：139,000部影视作品被"截胡"
根据《大西洋月刊》记者Alex Reisner的调查，目前多家科技巨头的AI系统已经"吞并"了：
超过53,000部电影
85,000集电视剧
包括《辛普森一家》、《绝命毒师》等知名作品
更令人震惊的是，这些数据并非直接来自原始剧本，而是来自OpenSubtitles.org的字幕文件。
数据来源：字幕网站成"帮凶"
OpenSubtitles平台上的数据来源复杂：
从DVD、蓝光光盘提取
来自在线流媒体平台
使用特殊软件抓取
这些字幕文件成为了AI模型训练的"金矿"。
涉事公司名单曝光
已确认使用这些数据训练AI模型的公司包括：
Anthropic
Meta
Apple
Nvidia
Salesforce
Bloomberg
EleutherAI
版权困境：法律灰色地带
目前，这种训练行为处于法律模糊地带：
字幕可能被视为衍生作品
尚未有明确法律裁决
科技公司默不作声
版权问题悬而未决，创作者的权益正在被悄然侵蚀。
技术本质：模仿还是窃取？
AI公司辩称这些数据有助于：
学习自然对话
提升语言模型表现
模拟真实交流场景
但本质上，这些数据是在未经原始作者授权的情况下被"挪用"。
数据解密：惊人细节
OpenSubtitles数据包：
总大小：14GB
包含446,612个文件
以IMDb ID编号命名
这是一个看似普通，实则暗藏玄机的"数据海洋"。
值得关注的是，更详细的调查报告可在The Atlantic网站 [阅读原文]查阅。
👇
👇
👇
👇
本文同步自知识星球《AGI Hunt》
星球实时采集和监控推特、油管、discord、电报等平台的热点AI 内容，并基于数个资讯处理的 AI agent 挑选、审核、翻译、总结到星球中。
每天约监控6000 条消息，可节省约800+ 小时的阅读成本；
每天挖掘出10+ 热门的/新的 github 开源 AI 项目；
每天转译、点评 10+ 热门 arxiv AI 前沿论文。
星球非免费。定价99元/年，0.27元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱 AI 的人。
欢迎你的加入！
