हाल ही में हार्वर्ड यूनिवर्सिटी ने घोषणा की कि वह लगभग 10 लाख सार्वजनिक डोमेन पुस्तकों से मिलकर बने एक डेटा सेट को जारी करने की योजना बना रही है, जिसे कोई भी बड़े भाषा मॉडल और अन्य एआई उपकरणों को प्रशिक्षण देने के लिए उपयोग कर सकता है। यह परियोजना हार्वर्ड विश्वविद्यालय की नई स्थापित संस्थागत डेटा पहल (Institutional Data Initiative) द्वारा संचालित की जा रही है और माइक्रोसॉफ्ट और OpenAI के वित्त पोषण के तहत पूरी की जा रही है। इस डेटा सेट में गूगल बुक्स परियोजना से स्कैन की गई पुस्तकें शामिल हैं, जिनमें शेक्सपियर, डिकेंस, दांते जैसी क्लासिक कृतियाँ शामिल हैं।