谷歌更新隱私政策 明確在用網上公共數據訓練AI

7月6日消息，谷歌更新后的隱私政策表明，諸如Bard和Cloud AI等各種人工智能服務可能是用谷歌從網上抓取公共數據進行訓練的。

本周一，谷歌更新了隱私政策。其中提到Bard、Cloud AI以及谷歌翻譯等人工智能服務可能使用了收集到的公共數據。

谷歌發言人克里斯塔·馬爾登(Christa Muldoon)表示，“我們的隱私政策一直是透明的，谷歌使用來自開放網絡的公開信息來訓練語言模型，從而提供谷歌翻譯等服務。”“最近一次更新只是說明像Bard這樣的新服務也在內。我們將隱私原則和保障措施納入人工智能技術的開發中，這與我們的人工智能原則是一致的。”

在2023年7月1日進行更新后，谷歌隱私政策顯示，“谷歌使用信息來改進服務，開發有利于用戶和公眾的新產品、功能和技術”，公司可能“使用公開可用的信息來幫助訓練谷歌人工智能模型，開發諸如谷歌翻譯、Bard以及Cloud AI等產品和功能。”

從谷歌隱私政策的歷次更新中可以看出，關于使用收集的公開數據訓練哪些服務，這次谷歌的說法更為明確。例如，谷歌的隱私政策現在顯示，這些信息可能用于“人工智能模型”，而不只是“語言模型”，這讓谷歌在用公共數據訓練和開發大語言模型以外的其他系統方面有了更大自由度。但這條注釋被藏在隱私政策中“你的本地信息”標簽“公共可訪問資源”的嵌入式鏈接之下，用戶必須點擊這個鏈接才能看到相關內容。

更新后的隱私政策說明，“公開信息”將用于訓練谷歌的人工智能產品，但沒有說明谷歌是否或者如何阻止受版權保護的內容進入訓練數據庫。許多可公開訪問的網站都有相關政策，禁止為了訓練大語言模型和其他人工智能工具集開展的數據收集或網絡抓取行為。因為《通用數據保護條例》（GDPR）等法規保護用戶數據不會在未經明確許可的情況下被濫用。

這些法規加上日益激烈的市場競爭，使得GPT-4等主流生成式人工智能系統的開發商對他們從哪里獲得用于訓練模型的數據，以及這些數據是否包括社交媒體內容或藝術家作家的版權作品，都非常謹慎。

但合理使用數據的原則是否可以延伸到這類人工智能應用，目前還處于法律監管的灰色地帶。這種不確定性引發了各種訴訟，并促使一些國家出臺更嚴格的法律，更好地規范人工智能公司收集和使用訓練數據的方式。這種不確定性也帶來了各種問題，比如到底該如何處理這些數據、確保不會導致人工智能系統出現高危故障；還有負責整理這些海量數據的人通常要忍受長時間的極端工作條件。

美國最大報紙出版商Gannett正在起訴谷歌及其母公司Alphabet，聲稱人工智能技術的進步讓這家搜索行業巨頭進一步壟斷了數字廣告市場。谷歌測試版人工智能搜索等產品也被指是“抄襲引擎”，并因導致其他網站流量枯竭而受到批評。

與此同時，包含大量公共信息的社交媒體平臺推特和Reddit最近都采取了嚴厲措施，試圖阻止其他公司自由獲取他們平臺上的數據。但平臺調整和限制API現行機制的做法也遭到了各自用戶社區的強烈反對，因為這種出于反對網絡抓取數據的調整措施對核心用戶體驗產生了負面影響。