近日，哈佛大学携手谷歌在AI领域迈出了重要一步，他们宣布将联合发布一个规模庞大的数据集，包含约100万本公共领域的书籍。这一举措旨在为AI训练提供丰富且合法的数据源。
据悉，AI训练所需的数据成本高昂，往往让资金有限的机构望而却步。然而，哈佛大学此次推出的数据集，将覆盖多种类型、语言和作者的作品，其中包括许多经典作家的名著，如狄更斯、但丁和莎士比亚等人的作品。这些作品的版权已随时间流逝而过期，因此可以被自由使用。
值得注意的是，早在今年3月，哈佛大学就已透露了其“机构数据计划（IDI）”，旨在构建一个合法且可信的数据通道，以支持AI的发展。该计划直到正式启动后，才确认了微软和OpenAI的资金支持。
作为IDI的执行董事，格雷格·莱佩特表示，这一数据集的目标是让AI领域的竞争环境更加公平。通过向研究机构、AI初创公司等各类机构开放这一庞大的数据集，他们将有更多机会训练出大型语言模型，从而推动AI技术的进一步发展。
