Nature杂志最新披露，学术出版商正将科研论文授权给科技公司，用于训练AI模型，已赚得盆满钵满。据报，英国学术出版商Taylor & Francis与微软达成协议，允许后者获取其数据，以改进AI系统，交易金额高达1000万美元。美国出版商Wiley则在一次投资者更新中透露，允许某公司使用其内容训练模型后，获利2300万美元，而论文作者对此毫无收益。 文章指出，论文从构思到成稿，凝聚了作者的辛勤劳动，如今却在作者不知情的情况下，被用于训练AI。数据集如黄金，各大公司争相高价购买高质量数据集。开源存储库arXiv和学术数据库PubMed的论文摘要尤其受到青睐，因为它们篇幅长，信息密度高，对训练AI模型极为宝贵。然而，论文作者并未从中受益。 面对版权争议，现有法律体系难以界定是否构成侵权。尽管如此，研究者仍尝试开发技术方法，如“版权陷阱”策略，以识别论文是否被AI模型使用。然而，证明论文曾被AI使用仍面临极大挑战。这一现象引发了关于AI伦理、公平性和版权保护的广泛讨论。同时，文章提及了利用arXiv论文构建多模态数据集的研究，旨在提高AI在理解科学图片和文本方面的能力。