Ben Lorica:AI 数据难题没消失,只是转移到了下游
bigdata · x · 2026-10-01
Ben Lorica 在 Gradient Flow 撰文指出,AI 的数据问题正在从「有没有数据」转向「数据能不能被合法、可用地使用」。
机器人侧:人类经验≠机器人数据
- 机器人曾被认为没有语言模型那种「互联网级数据集」,但现在有公司用超 100 万小时人类视频训练,另一家用约 1,900 小时第一视角人类 footage 转出 1.8 万多小时机器人格式训练数据。
- 关键在于:每套系统都需要大量工程把人类经验转成机器人真正可用的数据——信息存在≠系统可用。
网络侧:访问规则化
- 某学术出版社向 AI 研究产品开放部分书籍检索,但明确不给模型训练权——「允许 AI 使用」正被拆分为训练、检索、推理等独立权限。
- 技术上,网站主已能区分用于搜索、训练和 Agent 的爬虫;某内测系统甚至支持返回 HTTP 402 并附访问报价,数据访问正在变成有价格的市场。
所属事件:Ben Lorica：AI 数据难题未消失，正转移至下游(4 条相关)→
「漫话AGI」频道最新
- 数学编码基准猛涨,AI 掌握人类常识判断仍进展缓慢 — xuanalogue · 2026-10-01
- 创业者观点：垂直专用 Agent 或比通用 Agent 更能落地 — signulll · 2026-10-01
- Reddit 热议:「赢得 AI 竞赛」到底意味着什么? — Isunova · 2026-10-01
- 研究汇总 30+ 实验室 258 个实验,构建大模型认知评测基准 — xuanalogue · 2026-10-01
- 十年老兵更新两年半前感想:从追上汽车到飞向半人马座 — charles_irl · 2026-10-01
- Fortnow 谈学编程能否帮你理解计算复杂性 — fortnow · 2026-10-01