在人工智能快速发展的今天，一场发生在德国汉堡的法庭裁决为AI训练数据的收集和使用带来了新的讨论。这起案件不仅引发了公众对AI与版权之间关系的深思，也为未来AI发展的法律框架提供了重要参考。事件的起因是非营利组织LAION在未经授权的情况下，从一个图片代理网站下载了一张受版权保护的图像。LAION将这张图像与相关描述配对，并将其纳入了名为"LAION-5B"的免费数据集中。这个庞大的数据集包含了高达58.5亿对图像和文字组合，被广泛用于AI训练。图源备注：图片由AI生成，图片授

LAION发布Re-LAION-5B，全球首个全面清除CSAM链接的AI训练数据集，旨在解决儿童性虐待材料（CSAM）问题。该数据集在LAION-5B基础上进行了重大改进，主要分为Re-LAION-5B Research和Research-Safe两个版本，共移除2236个CSAM链接，其中1008个来自儿童保护组织名单。数据集包含55亿对文本和图像，旨在帮助清理现有数据集，移除所有匹配的CSAM内容。LAION希望通过此举为网页规模数据集的安全标准设定新基准，解决AI训练数据集中CSAM问题的严重性，尤其是AI生成CSAM内容的增长对真实案件调查和社交媒体平台报告数量的影响。

德国研究机构LAION创建并发布了新数据集Re-LAION-5B，声称已清除疑似儿童性虐待材料（CSAM）链接。该数据集是旧数据集LAION-5B的修复版，采纳了互联网观察基金会、人权观察、加拿大儿童保护中心和斯坦福互联网观察站的建议。Re-LAION-5B分为两个版本：Research和Research-Safe，后者额外删除了NSFW内容。数据集旨在支持Stable Diffusion等生成式AI模型的训练，且不包含图像，仅提供图像链接和替代文本的索引。Re-LAION-5B的发布前，斯坦福互联网观察站发现LAION-5B包含非法图片链接，且数据集中可能存在不当内容。LAION已暂时下线原数据集，并承诺删除已知违规链接。新数据集包含约55亿个文本图像对，根据Apache2.0许可发布。LAION强调数据集用于研究而非商业目的，并鼓励使用元数据清理现有副本。

["AI 组织 LAION 和领先的 AI 开发者建议欧盟鼓励使用开源 AI 模型","开源 AI 模型具有更大的安全性、问责制、可复制性和鲁棒性","LAION 推出了用于中型语言模型训练的 PyTorch 代码库 OpenLM","OpenLM 模型表现优于类似开源模型","LAION 呼吁欧盟监管努力应鼓励开源 AI 模型的应用"]