黄河电视台直播

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>“盜(dao)”數(shu)據(ju)，AI 大(da)模(mo)型(xing)的(de)黑(hei)暗(an)面(mian)

原(yuan)文(wen)來(lai)源(yuan)：

圖(tu)片(pian)来源：由(you)無(wu)界(jie) AI 生(sheng)成(cheng)

壹(yi)個(ge)叫(jiao)作(zuo)“一筆(bi)兩(liang)劃(hua)”的創(chuang)業(ye)公(gong)司(si)，公開(kai)聲(sheng)討(tao)曾(zeng)經(jing)的教(jiao)培(pei)龍(long)頭(tou)“學(xue)而(er)思(si)”，說(shuo)它(ta)用(yong)“扒(ba)庫(ku)”的方(fang)式(shi)，“偷(tou)”走(zou)了(le)自(zi)己(ji)辛(xin)辛苦(ku)苦攢(zan)下(xia)的数据。

故(gu)事(shi)的起(qi)因(yin)，是(shi)在(zai)今(jin)年(nian)4月(yue)中(zhong)旬(xun)，“笔神(shen)作文”（一笔两划公司旗(qi)下產(chan)品(pin)）發(fa)現(xian)，服(fu)務(wu)器(qi)接(jie)口(kou)出(chu)现大量(liang)有(you)規(gui)律(lv)的異(yi)常(chang)訪(fang)問(wen)，導(dao)致(zhi)服务器承(cheng)載(zai)壓(ya)力(li)快(kuai)速(su)升(sheng)高(gao)。

访问量遠(yuan)超(chao)日(ri)常平(ping)均(jun)值(zhi)。笔神作文對(dui)深(shen)AI透(tou)露(lu)，平時(shi)的日访问量大約(yue)是幾(ji)百(bai)或(huo)几千(qian)，那(na)几天(tian)暴(bao)增(zeng)至(zhi)每(mei)天超過(guo)50萬(wan)。一周(zhou)之(zhi)內(nei)，他(ta)們(men)的数据被(bei)爬(pa)取(qu)了258万次(ci)。

笔神作文公布(bu)的数据库調(tiao)用情(qing)況(kuang)

通(tong)过查(zha)閱(yue)服务器日誌(zhi)，笔神作文发现，單(dan)一IP通过“爬蟲(chong)”技(ji)術(shu)，高密(mi)度(du)地(di)爬取了他们的数据库。這(zhe)个IP每次访问的搜(sou)索(suo)詞(ci)，都(dou)是作文相(xiang)關(guan)，系(xi)統(tong)會(hui)每頁(ye)返(fan)回(hui)30篇(pian)作文，每次访问都是用搜索词從(cong)第(di)一页逐(zhu)页向(xiang)後(hou)翻(fan)，基(ji)本(ben)上(shang)把(ba)库裏(li)同(tong)个題(ti)目(mu)的所(suo)有作文，全(quan)部(bu)抓(zhua)取完(wan)了。

业内人(ren)士(shi)介(jie)紹(shao)，通常情况下，普(pu)通用戶(hu)不(bu)会这麽(me)幹(gan)。这種(zhong)对数据库的搜刮(gua)式访问，也(ye)被稱(cheng)為(wei)“扒库”。

笔神作文認(ren)为，“扒库”的幕(mu)后黑手(shou)，是它的合(he)作夥(huo)伴(ban)学而思。

“扒库”事件(jian)发生后沒(mei)多(duo)久(jiu)，笔神作文发现，学而思在進(jin)行(xing)数学大模型MathGPT的研(yan)发，並(bing)表(biao)示(shi)將(jiang)於(yu)近(jin)期(qi)上線(xian)一款(kuan)“AI助(zhu)手”，其(qi)中一項(xiang)功(gong)能(neng)，就(jiu)是作文。

笔神作文被“扒库”，和(he)学而思开发“作文AI助手”，这两起事件之間(jian)是否(fou)有关聯(lian)，目前(qian)尚(shang)没有明(ming)確(que)結(jie)論(lun)。

但(dan)笔神作文认为，自己的權(quan)益(yi)被侵(qin)犯(fan)了。它向对方发去(qu)律師(shi)函(han)，并将这件事公之于眾(zhong)，試(shi)图讨要(yao)一个说法(fa)。学而思方面則(ze)給(gei)出公开回應(ying)，称对笔神素(su)材(cai)内容(rong)的使(shi)用均符(fu)合合同要求(qiu)，且(qie)其自研的MathGPT大模型和“作文AI助手”，没有使用笔神作文的任(ren)何(he)数据。

此(ci)次事件中，值得(de)探(tan)讨的不僅(jin)是作文素材。数据，对于大模型而言(yan)，意(yi)味(wei)著(zhu)(zhe)什(shen)么？

合作伙伴變(bian)成門(men)口野(ye)蠻(man)人？

雙(shuang)方各(ge)執(zhi)一词

我(wo)们先(xian)簡(jian)单介绍一下笔神作文。

这家(jia)公司成立(li)于2017年，产品“笔神”是一款人工(gong)智(zhi)能輔(fu)助寫(xie)作軟(ruan)件，算(suan)是AI+教育(yu)的产物(wu)。一开始(shi)“笔神”面向内容创作平臺(tai)和相关工具(ju)廠(chang)商(shang)，后来深入(ru)到(dao)垂(chui)直(zhi)領(ling)域(yu)，用AI教学生写作文，于是就有了“笔神作文”。

妳(ni)可(ke)以(yi)简单理(li)解(jie)：它處(chu)在教育行业，面向的是学生群(qun)體(ti)，利(li)用了人工智能技术，解決(jue)的是写作文的場(chang)景(jing)。

AI写作文，跟(gen)今天大火(huo)的ChatGPT，在技术上有很(hen)多共(gong)通之处。它们都涉(she)及(ji)到自然(ran)語(yu)言处理、语義(yi)分(fen)析(xi)預(yu)測(ce)、機(ji)器学習(xi)等(deng)技术。笔神作文创始人宋(song)嘉(jia)偉(wei)，曾擔(dan)任过索尼(ni)高級(ji)系统架(jia)構(gou)师、奇(qi)點(dian)机智CTO。

早(zao)在五(wu)年前，宋嘉伟就说过，在考(kao)慮(lv)如(ru)何将bert或GPT-2这些(xie)预訓(xun)練(lian)语言模型技术運(yun)用到应用中去。當(dang)时GPT尚未(wei)出圈(quan)，不像(xiang)今天这樣(yang)廣(guang)为人知(zhi)。

开始做(zuo)AI作文之后，笔神作文正(zheng)式进入教育賽(sai)道(dao)，跟教培龙头学而思踏(ta)进了同一條(tiao)河(he)流(liu)。

据笔神方面介绍，2020年12月，笔神作文跟学而思達(da)成合作。笔神作文为学而思提(ti)供(gong)“笔神作文範(fan)文素材服务接口”，用于学而思相关服务中，按(an)调用次数结算費(fei)用。为此，笔神作文为学而思开放(fang)了服务接口。

也就是说，学而思可以调用笔神作文数据库中的作文素材，并为之付(fu)费。

作文素材，是这项交(jiao)易(yi)中的一个核(he)心(xin)資(zi)产，也是笔神作文商业模式的基石(shi)。事實(shi)上，笔神作文最(zui)早就是从素材这个点切(qie)入的。它当年主(zhu)打(da)的“一鍵(jian)找(zhao)素材”功能，用户通过搜索关键词，系统可以自動(dong)匹(pi)配(pei)素材，资源从古(gu)詩(shi)词经典(dian)、公文，到现代(dai)網(wang)文均有涵(han)蓋(gai)。在写作过程(cheng)中，系统還(hai)可以实时推(tui)送(song)素材。

这些素材不是来源于网絡(luo)，而是笔神自有的数据库。通过AI技术的智能識(shi)別(bie)、翻譯(yi)、匹配，笔神能向用户的搜索行为反(fan)饋(kui)回合適(shi)的素材。

当这些作文素材的量足(zu)夠(gou)大、質(zhi)量足够優(you)质、匹配够精(jing)準(zhun)，就具備(bei)了一定(ding)的商业價(jia)值，甚(shen)至可以对外(wai)售(shou)賣(mai)。这才(cai)有了跟学而思的合作。

问题是，这些素材有被“偷”走的風(feng)險(xian)，尤(you)其是在开放部分接口的情况下。

按照(zhao)笔神作文对深AI的介绍，他们对與(yu)学而思的合作范圍(wei)进行了限(xian)定，“我们开放接口讓(rang)他们调用我们的数据，顯(xian)示在他们自己的APP里，但合同中并未包(bao)括(kuo)存(cun)儲(chu)数据或用于AI算法的权限。数据应仅供他们的用户调用，不能被存储在他们的机器上。”

相当于，当用户在学而思的产品端(duan)发起搜索，调用的作文范本来自笔神作文，学而思不能自己储存。

4月中旬的那次异常调用，让笔神作文认为，超出了正常的商业合作范围。“他们的行为觸(chu)发了我们的防(fang)禦(yu)机制(zhi)，这才使我们发现了这一情况。”

笔神作文称，他们查看(kan)了后台的访问日志，发现是由单一IP通过“爬虫”技术发起的非(fei)法访问。“我们已(yi)经掌(zhang)握(wo)了这个IP地址(zhi)。”

笔神作文公布的IP地址情况（一部分）

國(guo)内某(mou)人工智能创业公司的CEO劉(liu)然对深AI分析，这种窮(qiong)舉(ju)关键词的方式，肯(ken)定是想(xiang)要獲(huo)取库里的数据，这是非常明显的行为。

笔神作文对深AI透露，事发后他们与学而思的运營(ying)人員(yuan)求證(zheng)，对方直接承认，是学而思的算法組(zu)在爬取数据并作为己用。不过，針(zhen)对此说法，深AI尚未得到学而思方面的证实。

曾经的合作伙伴，突(tu)然变成了门口的野蛮人，让笔神作文非常憤(fen)怒(nu)，多次发出律师函。

学而思方面则在6月13日的公开回应中称，其对笔神作文接口的调用，并未超出双方合同范围，对笔神素材内容的使用均符合合同要求，未用于合同以外的任何用途(tu)。学而思專(zhuan)门強(qiang)调，其自研的MathGPT大模型和“作文AI助手”，没有使用笔神作文的任何数据。

双方各执一词，目前未有定论。笔神作文称，該(gai)案(an)件可能将会成为“AI大模型数据被盗第一案”。

一个值得探讨的问题是，数据，对于大模型而言，意味着什么？

数据从哪(na)里来，是个大问题

算力、算法、数据，是人工智能进行机器学习的三(san)大核心要素。

为了提升算力，很多科(ke)技公司都在花(hua)重(zhong)金(jin)搶(qiang)奪(duo)英(ying)伟达的GPU。在算法端，国内外的一些大厂将算法开源，大大降(jiang)低(di)了模型开发的门檻(kan)。

而在数据端，壁(bi)壘(lei)一直存在。去哪里找到高质量数据，是个关键问题。

生成式AI大模型需(xu)要使用大量且多样化(hua)的数据来进行训练，以提高模型的泛(fan)化能力和生成能力。不同的模型可能使用不同的数据来源。ChatGPT这類(lei)通用大模型，用了很多公开数据，如各类新(xin)聞(wen)网站(zhan)、書(shu)籍(ji)、科学论文、网页等等。一些垂直领域的大模型，则需要找到有针对性(xing)的语料(liao)库和数据集(ji)。

国内某头部科技公司的大模型負(fu)責(ze)人对深AI表示，ChatGPT其实也用了很多非公开的数据，网上的公开数据很多都质量非常差(cha)，高质量的数据是有门槛的。数据的获得、清(qing)洗(xi)，都面臨(lin)很大挑(tiao)戰(zhan)。

好(hao)未来CTO田(tian)密在5月4日公开表示，“很多领域是有数据壁垒和行业know-how的，大模型还是得和领域知识深度结合，加(jia)上足够多的领域数据来训练领域大模型。”

就像田密说的，领域大模型要和领域知识深度结合。在AI作文领域，作文素材就是训练机器的重要数据。

早在2019年，笔神公司就开始有目的性地收(shou)集数据，训练自己的作文语料库，覆(fu)盖名(ming)人名言、诗词、公文、网络语言等。他们利用训练机器模擬(ni)人工標(biao)簽(qian)的方式，对每条语料打标签。

在垂直语料库中，只(zhi)有对数据打过标签，才能基于向量匹配、用户当前创作内容的语义分析和预测，进行精准的内容推送。

刘然对深AI说，建(jian)立模型需要大量经过驗(yan)证的数据，如果(guo)这些数据已经整(zheng)理好了，那么就可以節(jie)省(sheng)大量的人力工作。笔神作文整理的作文，可能被当作标註(zhu)数据使用。

这个过程是持(chi)續(xu)且漫(man)長(chang)的。笔神作文称，创业六(liu)年，他们總(zong)共積(ji)累(lei)了超过500万篇作文素材，月批(pi)改(gai)量超3万篇。这些作文素材，是经过一篇篇人工審(shen)核、篩(shai)選(xuan)投(tou)稿(gao)、打标签、分级、数据糾(jiu)正，最后累积起来的。

这些数据不仅能在APP的页面以素材形(xing)式呈(cheng)现，还能拿(na)去在后台训练算法。所以在跟其他公司合作开放接口时，笔神作文在協(xie)議(yi)中专门加了一条——不得“緩(huan)存，存储，作为语料进行計(ji)算，训练”。

笔神作文认为学而思“盗”走了数据，揣(chuai)测学而思将数据用于数学大模型MathGPT以及学而思学习机“作文AI助手”的训练和研发。但这似(si)乎(hu)很難(nan)证明。

刘然认为，正常来講(jiang)，作文数据应该会提前設(she)置(zhi)一些限制，比(bi)如不接受(shou)高并发，在数据里加密，而且应该能追(zhui)蹤(zong)到数据的去向和用途。不过他同时认为，作文数据不像用户关键行为数据那么关键。

“你可以让AI学习什么是好的作文，然后让它按照这些标准生成。但我认为，其实不需要那么大量的数据。几万篇高质量的作文应该就够了。”他说。

“AI大模型数据被盗第一案”，

立得住(zhu)嗎(ma)？

笔神作文態(tai)度强硬(ying)，連(lian)发两篇公告(gao)，要求学而思道歉(qian)，同时索賠(pei)1元(yuan)。它甚至想给这次事件扣(kou)上“AI大模型数据被盗第一案”的帽(mao)子(zi)。

上海(hai)曼(man)昆(kun)律师事务所主任刘紅(hong)林(lin)律师对深AI表示，笔神作文自建的语料库或素材库，本身(shen)是有知识产权权益的。但是否屬(shu)于著作权法上的作品，需要看獨(du)创性是否符合相关的判(pan)定标准。

“如果笔神作文有足够的证据能证明学而思惡(e)意抓取了他们的数据，那么可以发起知识产权侵权或不正当競(jing)爭(zheng)訴(su)訟(song)。”他说。

另(ling)外，笔神作文与学而思有合作协议，如果对知识产权的尊(zun)重和授(shou)权进行了约定，他们也可以通过合同違(wei)约来保(bao)護(hu)自己的权益。

值得注意的是，笔神作文素材库中的很多作文，是用户投稿而来。笔神作文自称，每个月都会收到30万篇作文投稿。因此，在认定是否侵权之前，先要厘(li)清这些素材的知识产权歸(gui)属。

刘红林分析，这要看作文的创作者(zhe)（投稿人）与笔神作文之间，如何对知识产权进行约定。如果用户在投稿时对笔神作文进行了知识产权授权，那么笔神作文就享(xiang)有对应的权益。

深AI查詢(xun)笔神作文的用户服务协议，发现其中有这么一条：用户在笔神作文发表的内容（包括但不限于留(liu)言、評(ping)论、笔記(ji)），授予(yu)笔神作文免(mian)费且不可撤(che)銷(xiao)的非独家使用許(xu)可。

也就是说，笔神作文对素材库擁(yong)有知识产权。

刘然想不明白(bai)的是，笔神作文为什么会与学而思合作。“如果是我，絕(jue)对不会跟学而思合作，因为我们是强竞争关系。”他认为，“在大模型时代，仅仅提供作文数据库的做法是没有机会的。”

有业内人士分析，学而思有流量，有场景，有知名度，尤其是在面向用户的前端产品方面，学而思的优勢(shi)要比笔神作文大。而在后端收集数据、建设素材库的工作，费时费力，短(duan)期难見(jian)成效(xiao)。对于学而思而言，直接拿现成的素材库接入是最方便(bian)的。笔神作文则靠(kao)出售素材库的调用权限，实现了商业变现。

但对笔神作文这种创业公司而言，这样的合作就像是帶(dai)刺(ci)的玫(mei)瑰(gui)。因为巨(ju)头隨(sui)时可能打进你的领地，甚至在业务層(ceng)面形成直接竞争。

AI批改作文是笔神作文很重要的一项功能。而早在三年前，好未来（学而思母(mu)公司）也曾推出过“中英文作文批改解决方案”，通过AI实现智能化中英文作文批改。

现在，AI改作文只是好未来龐(pang)大AI产品矩(ju)陣(zhen)的冰(bing)山(shan)一角(jiao)。在其最新的产品介绍中，中文作文批改，属于中英文聽(ting)写批改中的一个模塊(kuai)。好未来有更(geng)大的野心，它的触角已经伸(shen)向AI+教育的方方面面。

ChatGPT带火生成式AI之后，人工智能行业的创业者既(ji)興(xing)奮(fen)又(you)焦(jiao)虑。他们兴奋的是，行业終(zhong)于又熱(re)起来了；焦虑的是，ChatGPT实在是太(tai)强大了，很多垂直领域的创业项目一夜(ye)之间失(shi)去了壁垒。

像笔神作文这样的公司，竞争壁垒在哪里，如何与巨头对抗(kang)，是很现实的问题。而人工智能行业的加速内卷(juan)，同质化竞争的加劇(ju)，会让创业公司与巨头的对抗升级。

抢数据，或许只是新一輪(lun)争夺战的冰山一角。返回搜狐(hu)，查看更多

责任編(bian)輯(ji)：