近期，一家新兴的初创公司 Vectorize 成功获得了360万美元的种子轮融资，由 True Ventures 领投。这笔资金将帮助 Vectorize 推出其创新的检索增强生成（RAG）平台，旨在优化企业如何访问和利用其专有数据，以更好地应用于人工智能(AI)领域。图源备注:图片由AI生成，图片授权服务商Midjourney随着生成式 AI 模型如 GPT-4、Bard 和 Claude 的不断发展，这些 AI 技术在现代商业运营中的应用变得愈加重要，但这些模型往往面临一个问题，那就是无法获取最新的、领域特定的信息，这对模型的实际应用效果造

最近，《卫报》的一项分析揭示了科技公司在处理其 AI 数据中心的环境影响时，可能存在严重的误导。微软、谷歌、Meta 和苹果等科技巨头所报告的排放数据，与实际情况相差甚远。根据这项分析，这些公司的实际排放量比它们官方披露的数字高出662%，而这只是冰山一角，因为这项研究仅涵盖了2020年至2022年的数据。图源备注：图片由AI生成，图片授权服务商Midjourney在所有科技公司中，亚马逊的排放量最高，但由于缺乏具体的数据显示其数据中心的排放量，未能被纳入该分析。然而，分析

​在2024年WAIC科学前沿主论坛上，上海人工智能实验室（上海AI实验室）大模型数据基座OpenDataLab团队发布了一款名为MinerU的全新智能数据提取工具。这款工具旨在简化AI数据处理流程，帮助AI研究者从海量文档中提取高质量数据。

Reddit，以其庞大的用户社区和丰富数据资源著称，已通过数据许可方式开辟了新的盈利途径。该平台拥有超过10万个活跃社区，每天吸引7600万用户，生成了海量包含实时讨论、意见和交互的数据，对AI和机器学习模型开发具有极高的价值。随着AI技术的迅速发展，Reddit的数据成为训练AI模型的关键资源。在2023年，Reddit推出了数据许可计划，预计在2024年从该业务获得6640万美元收入，并在未来三年内总计获得2.03亿美元。Reddit数据的高价值在于其广度和深度，以及内容的实时更新，提供了对新兴趋势和行为的洞察。这一业务的增长显著，第一季度收入增长了54%，其中数据许可业务增长691%，贡献了2810万美元。然而，数据许可业务也引发了法律和道德争议，Reddit承诺维护自身权益，防止未经授权的数据使用。尽管面临挑战，Reddit在数据许可领域展现出强劲势头，同时意识到可能与AI工具竞争，需要不断创新，提升用户体验，以保持市场竞争力。

人工智能领域面临的数据获取难题日益凸显，研究指出，曾经易得的网页数据现在变得难以访问，影响了AI训练和学术研究。MIT等机构的研究发现，多个开源数据集的爬取网站因收紧许可协议，限制了数据获取，不仅对商业AI模型训练构成挑战，也对学术和非营利研究造成阻碍。通过使用机器人排除协议和网站服务条款作为研究方法，研究团队预测未来网站对数据的限制将持续增加。数据获取的困难可能对模型对齐、数据收集实践以及版权产生影响。研究呼吁需要更灵活的协议来适应网站所有者的意愿，并支持AI开发人员使用开放网络数据进行训练。作者希望未来的法律能对此提供支持。

近日，阿里巴巴推出了一款名为DS Assistant的AI数据科学助手，它能够自动化地完成从数据探索到模型评估的全流程，让数据科学工作变得更加简单、高效。

欧洲数据保护监管机构对埃隆·马斯克的X平台在未经用户明确同意的情况下，自动将用户数据用于其人工智能初创公司xAI的系统进行调查。用户发现，他们的帖子及与Grok聊天机器人的互动被用于AI系统的训练和微调。爱尔兰数据保护委员会已向X平台发送询问，要求澄清用户透明度问题，并可能对潜在违反《通用数据保护条例》的行为展开调查。此举引发对X平台可能违反GDPR规定的质疑，面临可能的罚款或处罚。X平台表示，用户很快将能在移动设备上控制其公开帖子的使用。马斯克正试图利用X平台的大量用户数据在AI竞争中取得优势，xAI与特斯拉等其他马斯克实体之间存在紧密联系，引发了关于潜在冲突的担忧。

Meta公司计划利用海量用户数据，包括公开和非公开信息，来培训其人工智能系统，这一举措在英国引发了公众和隐私组织的高度关注，核心争议点在于数据收集未获得用户充分同意，可能触碰《通用数据保护条例》底线。开放权利组织已正式向英国信息专员办公室投诉，主张Meta对数以亿计英国用户数据的处理行为，应遵循明确、规定的“合法利益”原则且需用户知情同意，而非简单地通过“选择退出”。法庭则需权衡Meta的技术需求与用户隐私权益间的平衡，探讨数据收集与利用的法律边界与道德考量，突出在科技发展背景下保护个人隐私的重要性及复杂性。

金融巨头高盛的一份研究通讯警告称，大型科技公司已加大资本支出以推动生成式人工智能的发展，但尚未展示可持续的商业模式。该投行估计，在未来几年将有约1万亿美元用于数据中心、半导体、电网升级和其他人工智能基础设施。

["谷歌公司宣布终止与澳大利亚数据公司Appen的合同，后者曾为Bard、Search等谷歌产品提供大型语言模型AI的训练。","终止合同导致Appen面临重大收入影响，人工工作者低薪问题备受关注。","谷歌发言人表示将与Appen合作以确保顺利过渡。","AI行业内对人工工作者薪资和工作条件的关切成为行业热议话题。"]

["研究人员联合MIT、Cohere for AI等机构发布Data Provenance Platform，解决AI数据透明问题。","审计和追踪2,000多个广泛使用的微调数据集，强调数据透明问题的重要性。","数据集溯源不足可能导致数据泄漏、个人信息曝露、偏见和法律风险。","Data Provenance Platform有望提高AI数据透明性，改善数据集质量和伦理合规性。"]

["澳大利亚联邦警察（AFP）宣布使用人工智能（AI）技术分析监视许可数据，旨在识别洗钱和欺诈活动。","AFP表示，他们期望AI技术能够提高警务工作效率，尽管目前使用还有限。","AI工具包括大型语言模型，有望帮助在大规模数据中发现有用信息，从而加速决策和行动。","此举对打击经济犯罪尤其重要，因为这些犯罪涉及复杂的数据和模式。","AFP强调了透明、伦理和合法性，确保数据保护和隐私不受侵犯。"]