哈佛大学与谷歌近日宣布联合发布100万本公共领域书籍，作为AI训练数据集。这些书籍涵盖多种类型、语言和作者，包括经典作家如狄更斯、但丁和莎士比亚的作品，因其版权已过期而进入公共领域。尽管具体发布方式和时间未定，但该项目源于谷歌图书的长期项目。哈佛大学的“机构数据计划（IDI）”早在今年3月就已透露，该计划旨在为AI提供“合法数据的可信通道”，并获得微软和OpenAI的资金支持。IDI执行董事格雷格·莱佩特表示，此举旨在“让竞争环境更加公平”，向研究机构和AI初创公司开放这一数据集，帮助它们训练大型语言模型。