近日一项调查披露了一个引人关注的事实：包括苹果在内的多家科技巨头，竟然利用YouTube视频字幕来训练AI模型。这并非小规模操作，涉及超过17万个视频，其中囊括了MKBHD、Mr. Beast等知名创作者。苹果将这些数据用于训练一个名为OpenELM的开源模型，该模型于今年4月刚刚发布。

苹果紧急澄清：OpenELM并非用于Apple Intelligence

面对舆论压力，苹果很快作出回应：OpenELM从未被用于其任何AI或机器学习功能，当然也包括Apple Intelligence。苹果强调，开发OpenELM纯粹是为研究界贡献力量，推动开源大语言模型的发展。要知道，此前苹果的研究人员曾将其描述为“最先进的开放语言模型”。

说得更直白些：OpenELM仅用于研究目的，与Apple Intelligence毫无关联。该模型以开源形式发布在苹果的机器学习研究网站上，任何人都可以查阅。因此，那个“YouTube字幕”数据集，确实没有为Apple Intelligence提供支持。苹果此前也提到，Apple Intelligence的模型是“在授权数据上训练的，包括为特定功能挑选的数据，以及通过网络爬虫采集的公开数据”。

有趣的是，苹果目前并没有更新OpenELM新版本的计划。据《连线》杂志报道，除苹果外，Anthropic和NVIDIA等公司也都使用过这个“YouTube字幕”数据集来训练自家AI模型。该数据集实际上是非营利组织EleutherAI的大型数据集“The Pile”的一部分。

更深层的问题：公开数据训练AI，边界在哪里？

这一事件再次将AI训练数据的来源问题推向风口浪尖——隐私与版权的边界究竟该如何界定？苹果虽然澄清了OpenELM的用途，但科技公司大规模使用公开数据训练AI模型所涉及的伦理与法律风险，依然值得行业和用户深入思考。