AI时代的稀缺资源“媒体报道”

韩国国内一位房地产专家向中国人工智能（AI）DeepSeek提问说：“O O（自己的笔名）是谁？”结果让他大为吃惊。他的主要活动和主张被一目了然地列举了出来，甚至说明了他为什么著名。信息的质量和深度超过了OpenAI的ChatGPT。DeepSeek怎么会知道这些信息？OpenAI质疑DeepSeek偷走了其数据，但可能不止这些。

▶美国大科技公司在编写ChatGPT等AI模型时收集了世界上所有的信息，其核心是媒体积累了100多年的新闻报道。大科技公司对AI开发过程中收集数据最多的前10个网站进行了调查，其中5个是新闻社。在前100个网站中，媒体占据了51个。《纽约时报》知道AI免费盗取记者们用血汗制作的报道的事实后，以OpenAI为对象提起了侵犯著作权的诉讼，媒体开始限制免费使用数据。

▶OpenAI与美联社、《华尔街日报》等部分媒体签订了单独的合同，缴纳数据使用费，但很难向全世界媒体缴纳使用费。主要网站也开始对收集数据的AI机器人下达“禁止出入令”。新的数据收集变得困难后，埃隆·马斯克说：“训练AI所需的数据池正在枯竭。”相反，中国的新生AI对数据收集没有任何障碍和制约。DeepSeek和ChatGPT对韩国房地产专家的AI信息能力的差异可能是出于这个原因。

▶大科技公司们希望在AI人为制造的“合成数据”中找到突破口。以特斯拉为例，它已经用完了全球的交通事故信息，不再有新数据，而是将“深夜在国道行驶时，在交加雷电的暴雨中，野猪冲进道路的情况”制作成合成数据，将其放入算法中。但如果加入大量合成数据，此前的错误和幻觉现象就会积累起来，导致AI模型的质量下降。

▶想打造更聪明的AI，优质的数据是不可或缺的。比起在社交媒体（SNS）上流传的假新闻、粗鲁的措辞，经过事实确认后使用精炼措辞的媒体新闻是“高品质的稀缺资源”。这也是为什么大科技企业不得不追求与新闻社共赢模式的原因。中国是一个根本没有言论自由的国家。在没有自由和高质量媒体的国家，很难出现世界顶级的AI模型。