IT之家 11 月 10 日消息，OpenAI 發文宣布，將與組織合作生成用于訓練 AI 模型的公共 / 私有數據集，數據合作伙伴關系旨在“讓更多組織能夠幫助引導 AI 的未來”并“從更有用的模型中受益”。
IT之家從博客獲悉，OpenAI 稱：“為了最終使 AI 變得更加安全且造福于全人類，我們希望 AI 模型能夠深入理解所有主題、行業、文化和語言，這需要盡可能廣泛的訓練數據集。”
作為數據合作伙伴計劃的一部分，OpenAI 表示，它將收集“反映人類社會”且目前不易在線訪問的“大規模”數據集。雖然該公司計劃跨多種模式開展工作，包括圖像、音頻和視頻，但它特別尋求跨不同語言、主題和格式“表達人類意圖”（例如長篇寫作或對話）的數據。
OpenAI 表示，如有必要，它將與組織合作，結合使用光學字符識別和自動語音識別工具，對訓練數據進行數字化，并在必要時刪除敏感或個人信息。
OpenAI 希望創建兩種類型的數據集：一個可供任何人在 AI 模型訓練中使用的公開開源數據集，以及一組用于訓練專有 AI 模型的私有數據集。
OpenAI 表示，私有集適用于希望保持數據私密性但希望 OpenAI 的模型更好地理解其領域的組織；到目前為止，OpenAI 與冰島政府和 Mieeind ehf 合作，提高了 GPT-4 說冰島語的能力，并與自由法律項目合作，提高其模型對法律文件的理解。
