AI High-Quality Corpus Construction Initiative Launched in Shenzhen

中新网深圳5月24日电 (记者 索有为)无序爬取、盗版拆解、侵权商用……这是长期困扰人工智能行业的语料侵权乱象。

人工智能高质量语料库建设共建单位启动会议23日在深圳举行，首批22家出版、传媒、版权、科技领域权威单位联合签署《人工智能高质量语料库建设公约》，确立“先授权、后使用”的原则，向AI语料侵权顽疾正式亮剑。

当前国内人工智能产业加速落地，大模型对优质知识语料需求呈爆发式增长。但行业长期存在野蛮生长现象：不少AI大模型直接网络爬取原创内容、拆解正版出版物、盗用图文音视频资源用于模型训练，既严重侵害内容创作方与出版机构合法权益，也因语料来源杂乱、内容失准，造成大模型输出谬误频出、逻辑失真、幻觉严重等问题，更暗藏数据安全与文化安全潜在风险。

版权确权难、授权难、维权难成为制约行业高质量发展的核心痛点。

直面行业痛点和行业顽疾，本次签署的《共建公约》作出规范，明确要求所有用于AI训练的文字、图表、图片、音视频等各类素材，必须提前取得合法版权授权，坚决杜绝无授权抓取、私自拆解、侵权商用等违规行为，从源头遏制AI版权侵权乱象。

中国大百科全书出版社社长高世屹表示，本次共建将严格恪守“先授权、后使用”准则，全力打造可授权、可追溯、可商用的国家级正版高质量语料库，从源头上规范AI高质量语料使用生态。

会议同步发布建设倡议书，呼吁全行业联手抵制AI无序爬取、盗版盗用等违规行为，搭建行业快速维权、纠纷调解、风险预警一体化协同机制，以共治之力净化产业发展环境。

与会代表表示，版权保护是AI高质量语料库建设的生命线与立身之本。

此次多方共建将建立常态化版权协同保护机制，统一梳理版权权属清单，打通版权确权、流转、授权全链条通道，针对跨领域、常态化侵权行为开展联合惩戒与集体维权。

据了解，共建阵营还将引入区块链技术赋能全流程管理，实现语料入库、授权流转、商业交易全程留痕、可溯源、可监管，从技术层面彻底破解长期困扰行业的授权难、确权难、追责难三大痛点。

业内普遍认为，此次深圳签约确立的合规共建模式，将树立国内AI语料正版化、规范化使用标杆，为人工智能大模型健康发展筑牢版权屏障，推动人工智能产业驶入合规化、高质量发展快车道。(完)