欧盟AI新规：科技巨头面临的合规挑战与创新转型

欧盟AI新规对科技巨头的挑战

欧盟正在积极推动人工智能领域的监管，并发布了一项行为准则，旨在帮助科技巨头们更好地遵守即将生效的《人工智能法案》。这项准则涵盖了版权保护、透明度和公共安全等多个方面，虽然初期以自愿形式推行，但预示着未来AI监管的严格趋势。

这些规则将于8月2日生效，初期主要针对“通用人工智能”的头部企业。虽然是自愿性质，但欧盟委员会暗示，遵守这些规则的企业可能会在行政负担和法律确定性方面获得优势。反之，拒绝遵守的企业可能需要付出更高的合规成本。

尽管AI行业参与了法案的起草，但部分企业近期呼吁欧盟推迟法案的执行，担心过于严格的限制会阻碍AI创新。其中，最受争议的条款之一是禁止企业使用盗版材料进行AI训练。

欧盟的这些规定给AI企业带来了多重挑战：

数据透明度要求：AI公司需要公开其训练数据的详细信息，包括数据来源和模型设计的关键决策依据。这将有助于揭示各公司模型对公共数据、用户数据、第三方数据、合成数据以及其他新兴数据源的依赖程度。
版权保护：新规要求AI公司尊重付费墙和robots.txt协议，以解决AI爬虫过度抓取网站内容的问题。欧盟鼓励在线搜索巨头采纳Cloudflare提出的解决方案，允许内容创作者通过限制AI爬虫来保护版权，同时不影响搜索索引。
能耗披露：公司需要披露训练和推理的总能耗，以便欧盟评估AI发展对环境的影响。
安全监管：该准则的安全指导意见要求企业加强对新型AI模型的监控，以检测和避免“严重事故”，如网络安全漏洞、关键基础设施中断、人身伤害甚至死亡。企业需要在5到10天内向欧盟AI办公室报告严重事故，并跟踪所有事件，提供充分的网络安全保护，尽力防止模型越狱，并对系统性风险缓解措施的失败或规避行为做出解释。

Ars Technica联系了多家科技公司，希望获得对新规的即时反馈。OpenAI、Meta和微软均拒绝置评。谷歌发言人表示，该公司正在评估该准则，该准则仍需获得欧盟委员会和成员国的批准，预计会受到业界的强烈反对。

谷歌发言人表示：“欧洲人应该能够在第一时间获得一流、安全的AI模型，并拥有一个促进创新和投资的环境。我们期待审查该准则，并与其他模型提供商和许多其他方面分享我们的观点。”

据《纽约时报》报道，这些规则只是《人工智能法案》的一部分，该法案将在未来一年或更长时间内分阶段生效。彭博社指出，违反《人工智能法案》可能导致AI模型下架或处以巨额罚款，最高可达公司年销售额的7%，或开发先进AI模型的公司年销售额的3%。

以Meta公司最新发布的Llama 3模型为例，该模型在训练数据方面取得了显著进展。为了确保Llama 3在各个领域的卓越表现，Meta投入了大量资源来收集和清理训练数据。据Meta AI团队介绍，Llama 3的训练数据主要包括以下几个部分：

公开数据集：Meta使用了大量公开可用的文本和代码数据集，这些数据集涵盖了各种主题和风格，包括维基百科、书籍、新闻文章、代码库等。通过对这些数据集的分析和学习，Llama 3能够获得广泛的知识和语言能力。
专有数据集：除了公开数据集外，Meta还使用了大量的专有数据集。这些数据集包括Meta平台上的用户生成内容、Meta的研究数据、以及Meta与合作伙伴共同收集的数据。这些专有数据集可以帮助Llama 3更好地理解用户需求和特定领域的知识。
合成数据集：为了进一步提高Llama 3的性能，Meta还使用了合成数据集。这些数据集是通过模拟和生成的方式创建的，可以用来补充和增强现有的训练数据。例如，Meta可以使用合成数据集来训练Llama 3的对话能力或解决特定任务的能力。

通过对这些数据集的综合利用，Llama 3在语言理解、文本生成、对话交互等多个方面都取得了显著的进展。然而，这也引发了关于数据来源、版权合规以及数据隐私等问题的讨论。欧盟的AI新规无疑将对Meta等公司的数据使用策略产生深远影响。

近年来，AI模型的训练数据规模呈现出指数级增长的趋势。以下是一些关键数据点：

这些数据表明，AI模型正在变得越来越大，越来越复杂，同时也越来越依赖于海量的数据。然而，这也意味着AI公司需要投入更多的资源来获取、清理和管理训练数据，同时也面临着更高的合规风险。

欧盟的AI新规对科技巨头们提出了更高的要求，迫使它们在追求技术创新的同时，更加重视数据合规、版权保护和用户隐私。虽然短期内可能会增加企业的合规成本，但从长远来看，这些规定有助于建立一个更加健康、可持续的AI生态系统，促进行业的长期发展。