随着人工智能（AI）生成的内容充斥互联网，它正在破坏未来模型训练的数据。当AI“吃掉”自己时，会发生什么？得益于生成式人工智能的蓬勃发展，普通人也可随时使用计算机程序来生成文本、计算机代码、图像和音乐。
只有了解了AI，你才能对它建立足够的认知进行使用。顾名思义，机器学习的重点就是“学习”，像人可以通过生活经验得出“吃起来是甜的、表面是绿色、布满黑色条纹、瓤是红色带黑籽的是西瓜”，机器学习就是给AI足够的训练数据，告诉它具有这些特征的就是某一样东西，使得AI在下一次接收到具有相应特征的数据是就可以通过已有的“经验”得出名称。
李志起 杨明川 姚 佳编者的话：人工智能（AI）大模型的训练、进化都离不开数据。外媒近日报道称，科技公司利用语音识别工具转录视频网站上的视频，形成对话文本数据来训练AI，也有公司用社交媒体上具有版权争议和隐私权争议的数据来训练AI——这些“捷径”是否合法？
图片来源：物理学家组织网【今日视点】◎本报记者 刘 霞人工智能（AI）初创公司xAI创始人埃隆·马斯克近日表示：“在AI训练中，我们现在基本上耗尽了人类知识的累积总和。”之前研究也表明，人类生成的真实数据将在2到8年内消耗殆尽。
AI大模型时代，随着AI生成内容作品的数量不断增多，这其中存在的版权问题显得愈发引人注目，用人类的作品“喂给”AI进行训练之后生成的作品，算“借鉴”还是算“抄袭”？如果AI训练必须执行严格的版权规定，那么AI大模型在训练过程中学习过一万个人的作品，是否要经过这1万人一一授权？
乘数而上之AI语料新生态·语料交易继国家数据局等17部门联合印发《“数据要素x”三年行动计划(2024-2026年)》之后，中央面向公共数据开发利用的首个顶层设计文件《关于加快公共数据资源开发利用的意见》公布，构建公共数据资源开发利用“1+3”政策规则体系。
“嘀嘀嗒嗒……”在广东清远一间200平方米的办公室里，李阳（化名）将眼睛凑近屏幕，食指熟练地点击鼠标，将“电视机”“打开”“关闭”等一系列词汇，标注上“物品”“动作”属性。这样的操作，他每天要重复无数次。
学习研究大模型的最佳实践就是要亲身体验和不断的折腾，我本地环境MacMini M4（24G）跑DeepSeek-R1的8B模型很轻松，14B也基本勉强，再往上就没戏了，更别说满血版的671B。不过既然想学习模型的训练，可以根据自己的实际硬件情况，不妨先从小模型开始。
来源：科技日报 自两年前聊天生成预训练转换器（ChatGPT）面世以来，生成式人工智能（AI）技术的拥趸们就一直坚信：随着科技巨头不断用海量数据“喂食”AI模型，再加上计算能力飞速提升，生成式AI改进的步伐将呈指数级增长，接近人类智能的通用AI的出现也指日可待。
