关于AI大模型，这两天有两件比较轰动的大新闻。
首先是字节跳动被爆使用GPT训练自己的大模型豆包，然后被OpenAI停止了接口调用权限。
然后是网友使用中文测试Gemini时，Gemini自称自己是百度的文心一言；即使Google很快进行了修复，但是万能的网友们仍旧通过各种提示词引导Gemini做出了有趣的回答。
这些AI大模型到底是怎么回事？
先看字节跳动。这个事情说严重也不严重，说不严重也不是小事。很多小厂和科研机构都会使用OpenAI的API来训练模型。这次，因为字节跳动的影响力比较大，才引起了广泛的关注。虽然字节回应称仅在初期探索时使用，并没有用于商业，但声明有点软弱。
这个事情对字节跳动的声誉影响比较大，很多人指责字节跳动不遵守规则。另一方面，这个事情也让一些人泼脏水，指责咱们的AI企业大规模使用OpenAI的API服务生成数据用于训练LLM，从而导致服务器崩溃。总之，这个事情给舆论场添了一把火。
再看Gemini。很多人将其解释为大语言模型的幻觉，因为大语言模型会使用很多的预料进行训练。之所以会自称文心一言，是因为google抓去了很多文心一言生成的语料，训练的多了就出现了这个问题。当使用英文和Gemini交流时，它就回到了谷歌大模型的身份，表现得非常正常。
至于Gemini有没有直接使用文心一言进行模型的训练，这个就很难说了，不过根据目前的效果看，很可能使用了，因为日常可见的中文语料中还没这么多自称自己是百度大模型的。其实谷歌也是有前科的，早些时候，谷歌输入法就“偷”了搜狗输入法的语料。而且根据网友测试，Gemini的英文语料也大量使用了OpenAI的输出结果。
综合来看，不管大模型还是小模型，利用成熟的AI做辅助训练已经成为常规操作，比自己人工清洗训练集效率会高很多，质量也会高不少，比较难受的就是训练集污染。
OpenAI的输出结果质量比较高，所以大家都会偷偷摸摸的用来做测试。文心一言的中文语料是有优势的，所以被国外的大模型拿来做辅助训练，只是清洗的不太干净。
咱们再看看网友的评论：
1、AI生成的内容已经开始大规模污染互联网了！
2、对待这两件事，咱们要公平看待，不能厚此薄彼。
3、Google对OpenAI进行了处理，但是没有对中文对齐，是认为咱们这边不重视知识产权，还是认为咱们这边访问不了Google？
4、Google太着急了吧，怎么着先把数据清洗好，没有最丢人，只有更丢人。
5、来自未来的恐怖担忧。
最后，要我说就是：天下文章一大抄！
只不过大佬们为了维护自己的先进形象，肯定都不会承认抄袭竞争对手。
只是我们不知不觉间都在为AI贡献语料，却没有人来给我们多少发点报酬，有点可悲。
我是每天分享AI应用的萤火君，欢迎关注我的公众号，一起探索AI。