OpenAI合作伙伴寻求生成AI模型训练数据集

OpenAI最近发文宣布，将与组织合作生成用于训练AI模型的公共/私有数据集，旨在让更多组织能够帮助引导AI的未来并从更有用的模型中受益。为了最终使AI变得更加安全且造福于全人类，OpenAI希望AI模型能够深入理解所有主题、行业、文化和语言，这需要尽可能广泛的训练数据集。

作为数据合作伙伴计划的一部分，OpenAI表示，它将收集反映人类社会且目前不易在线访问的大规模数据集。虽然该公司计划跨多种模式开展工作，包括图像、音频和视频，但它特别寻求跨不同语言、主题和格式表达人类意图（例如长篇写作或对话）的数据。

OpenAI表示，如有必要，它将与组织合作，结合使用光学字符识别和自动语音识别工具，对训练数据进行数字化，并在必要时删除敏感或个人信息。OpenAI希望创建两种类型的数据集：一个可供任何人在AI模型训练中使用的公开开源数据集，以及一组用于训练专有AI模型的私有数据集。

OpenAI表示，私有集适用于希望保持数据私密性但希望OpenAI的模型更好地理解其领域的组织；到目前为止，OpenAI与冰岛政府和Miðeind ehf合作，提高了GPT-4说冰岛语的能力，并与自由法律项目合作，提高其模型对法律文件的理解。