來源：IT之家
據 TechCrunch 12 日報道，哈佛大學與穀歌宣（xuān）布，聯合發布 100 萬本公共領域書籍作為（wéi） AI 訓練數據集（jí）。
AI 訓練所需的數據成本高昂（áng），但卻更適合（hé）資金充裕的科技公司。因此，哈佛大學（xué）計劃發布一個包含約 100 萬本公共領域書（shū）籍的數據集，這（zhè）些書籍覆蓋多種類型、語言和作者，包括已不再受版權保護的（de）經典作家如狄更斯、但丁和莎士比亞等，因這些作品的版權已隨（suí）時間過期。
雖然這個新數據集尚未（wèi）公開，也不清楚具體的發布方式和（hé）時間，但它來源於穀歌（gē）的長期項目（mù） —— 穀歌圖書（shū）（Google Books）。因此，穀歌將參與這次“寶貴財富”的廣泛發布。
據（jù）IT之家了解，早在（zài）今（jīn）年 3 月，哈佛大學就（jiù）曾（céng）透露其“機構數（shù）據計劃（IDI）”，並表示這一計劃旨在為 AI 提供“合法數據（jù）的可信通道”。直到正式（shì）啟動後（hòu），該計劃才確認（rèn）得到了微軟和 OpenAI 的資金支持（chí）。
IDI 的執行董事格雷格?萊佩特（Greg Leppert）表（biǎo）示，該數據集的目標是“讓競爭環境更加公平”，通過向包括研究機構和 AI 初（chū）創公司在內的各類機構開放這一龐大的數據集，以幫助他們訓練大型語言模（mó）型。
