原贴链接

原帖仅提供了一个链接，没有实质可翻译内容

讨论总结

整个讨论围绕Meta通过Anna’s Archive torrented超过81TB数据展开。话题涵盖Meta这一行为与闭源AI竞争的关系、可能面临的抵制、数据来源的质量和合法性、与普通民众类似行为受到不同对待的对比、公平使用和合理使用的争议、左派态度转变等多方面内容，同时也涉及到其他相关的数据项目、数据集改进等话题，讨论氛围比较活跃，既有赞同也有质疑，存在不少争议点。

主要观点

  1. 👍 Meta获取数据有助于与闭源AI竞争
    • 支持理由：为了能在AI领域与闭源对手竞争，Meta需要获取数据。
    • 反对声音：无（未提及）
  2. 🔥 普通民众分享电影会被追究，Meta下载大量数据却没事
    • 正方观点：现实中普通民众分享受版权保护内容易被追究，Meta却未受罚。
    • 反方观点：Meta有合理使用抗辩理由，或者可能存在夸大情况。
  3. 💡 4chan清理部分内容可得到自然对话数据有助于AI改进
    • 解释：通过清理4chan帖子中的数字和炫富内容，能得到自然对话数据，有助于改进AI说话方式。
  4. 👍 怀疑AI公司普遍存在类似Meta的行为
    • 支持理由：AI公司可能为了自身发展都会有类似获取数据的行为。
    • 反对声音：无（未提及）
  5. 💡 社会旧秩序正在瓦解，AI训练处于变革前沿
    • 解释：像Meta在AI训练中的行为打破共识，体现社会旧秩序在改变，AI训练处于这种变革的前沿。

金句与有趣评论

  1. “😂 I’ll be honest, I like this. I always thought they had to do this to be able to compete with closed - source AI.”
    • 亮点：直接表达对Meta获取数据行为的认可，认为这是与闭源AI竞争的必要手段。
  2. “🤔 Psychological_Box406：But regular peasants won’t get away with sharing a movie with their friends.”
    • 亮点：鲜明对比普通民众和Meta在分享数据方面的不同境遇。
  3. “👀 a_beautiful_rhind: how about 4chan itself? clean the numbers off the posts and a bit of the purse swinging and you’ll get natural conversation data. maybe AI stops talking like an HR drone.”
    • 亮点：提出一种利用4chan数据改进AI的独特想法。
  4. “😮 Majestical - psyche：Don’t all AI companies do this 😅”
    • 亮点：引发对AI公司是否普遍存在类似Meta行为的思考。
  5. “😕 The_GSingh：Ahh ok so when normal people torrent a single book they get their internet shut down but when meta torrents millions of books they get praised?”
    • 亮点：再次强调普通民众和Meta在种子下载行为上受到不同对待。

情感分析

总体情感倾向比较复杂，既有对Meta获取数据表示赞同，认为有助于竞争的积极态度，也有对Meta这种行为表示质疑和不满的消极态度。主要分歧点在于Meta获取数据的合法性、是否与普通民众受到公平对待以及AI公司是否普遍存在类似行为等。可能的原因是不同人站在不同立场看待问题，如从AI发展、版权保护、普通民众权益等角度出发，就会产生不同的情感倾向。

趋势与预测

  • 新兴话题：关于4chan数据集改进的想法可能会引发后续对AI训练数据来源多样性和质量改进的讨论。
  • 潜在影响：如果AI公司数据获取的合法性和道德性得不到明确界定，可能会对版权保护、AI发展的公平性以及社会公众对AI的态度产生潜在影响。

详细内容：

标题：Meta 因通过 Anna’s Archive 非法获取大量数据引发 Reddit 热议

在 Reddit 上，一则关于“Meta Torrented over 81 TB of Data Through Anna’s Archive, Despite Few Seeders”的帖子引起了广泛关注。该帖子的链接为：https://torrentfreak.com/meta-torrented-over-81-tb-of-data-through-annas-archive-despite-few-seeders-250206/ 。此帖获得了众多点赞和大量评论，引发了关于 Meta 此举合法性、道德性以及对行业影响的热烈讨论。

讨论焦点与观点分析： 有人表示：“我说实话，我喜欢这个。我一直认为他们必须这样做才能与闭源 AI 竞争。我觉得他们在这方面行动有点晚，但至少他们在尝试。专有 AI 模型从一开始就这么做了，这也是它们在流行文化和创意写作方面如此有创造力和知识渊博的最大原因之一。现在 Meta 由于这类新闻不得不应对反 AI 人士的强烈反对。但如果他们能很好地清理这些数据，今年能在 Llama 4 或 5 中看到这些数据将会很棒。” 有人认为：“15 - 20 年前，每个 Digg/Reddit 用户都支持 Pirate Bay 和 LibGen。当时的共识是所有知识和文化都应该对任何人、在任何地方免费开放。LLMs 让这种理念得以延续。作为一个老家伙，我觉得很奇怪，进步左派的态度发生了转变，不再相信这一点。” 也有人说：“我也有同感。看到人们如此轻易地背离自己的价值观甚至自身利益，真令人沮丧。至少，我对正在发生的事情的解释是，版权行业，尤其是新闻界，正在进行一场非常出色的宣传活动来欺骗公众。” 还有人提出：“这种解释很简单：左派在很大程度上不再进步，而是趋于保守和抵制变革。就像右派不再保守，被想要快速彻底改变事物的自由意志主义者所掌控。进步派和保守派暂时无家可归……” 但有人反驳：“抱歉，这更像是一个‘非真苏格兰人’谬误。” 有人回应：“并非如此，这里的进步派和保守派都受到了大企业的严重影响。” 有人指出：“这才是真正的问题。而且不仅仅是企业的影响，事实上企业也被有疯狂议程的精神病患者所掌控。记住，你将一无所有并且还得喜欢！” 有人表示：“进步左派通常以免费教育、图书馆、大学等形式支持免费知识，但这与一家大公司获取大量内容却不向作者付费有很大不同。这与我们在 Napster 上下载歌曲是一个非常不同的道德争论。另外，要知道，那时我们都才 15 岁还在上高中，没有钱。” 有人认同：“共识是人们不喜欢为东西付费。其他一切都是胡说八道的幌子。” 有人称：“同意，我更担心 Meta 和其他公司不会将大规模的书籍数据集用作训练材料。人类的很多知识都在书籍中（包括小说），不一定在开放的互联网上。” 有人说：“Meta 实际上是最早表示他们不想要所有抓取的互联网内容，而是专注于更高质量来源的公司之一。据说他们已经证实这比把所有东西都放在一起作为训练数据更有效。” 有人认为：“如果知识的未来在 AI 的记忆细胞中，那么从互联网聊天室获取信息是一个非常危险的提议。整个图书馆都应该数字化并输入到这些东西中，这样才能包含真实、实际、经过验证的信息。” 有人反驳：“如果你认为图书馆里的所有信息都是‘真实、实际、经过验证’的，那我有座桥要卖给你。” 有人表示：“同意，但它比 X/Twitter 好，一磅对一磅。” 有人反驳：“但不如 4chan 。”

有人认为：“开放的互联网也是有版权的。如果你不能使用书籍，你也不能使用 Common Crawl，反之亦然。” 有人表示同意：“我不会评论合法性或道德性，但考虑到开放网络上有多少污染的垃圾，他们使用这种类型的数据来训练模型是一件好事。”

有人指出：“但普通老百姓不会因为和朋友分享一部电影而逃脱惩罚。” 有人分享个人经历：“我会。” 有人表示：“Meta 由于计划使用而有合理使用的辩护。如果你‘分享’是为了创建一个新的非衍生作品，那么你也有合理使用的辩护。不幸的是，Meta 的种子客户端在下载时上传了，上传可能缺乏合理使用的辩护。” 有人感慨：“合理使用现在取决于谁的钱包更大。” 有人提问：“如果 LLM 可以免费在所有人类的创意产出上进行训练，那我也可以吗？我想要一份免费的每一份受版权保护的作品，这样我就可以学习和训练自己。”

有人称：“Meta 的辩护大军今天全力出动。给你点个赞。” 有人表示：“说出一个你知道的没有逃脱惩罚的案例。我认为普通老百姓几乎普遍都能逃脱惩罚。” 有人回应：“我明白你的意思，我可能在那里夸大了，但普通人如果被抓住就不会毫发无损。如果证明你复制的受保护内容是这些公司的 1/100000，我很确定你不会逍遥法外。” 有人打趣：“是啊，他们甚至可能对你指指点点！”

有人质疑：“难道不是所有的 AI 公司都这么做吗？” 有人回应：“是的，这就是为什么没有公司分享他们的数据集，甚至不具体说明其中包含了什么。” 有人说：“大多数公司也不会像他们这样分享盗版内容。” 有人吐槽：“那只是不礼貌。”

有人表示：“人类的共同利益正在占上风。如果特朗普可以剥夺权利，其他人也可以剥夺权利（当然，他们首先需要改变法律）。如果在特朗普的情况下是可以的，那么在其他情况下也可以。” 有人疑惑：“但这和这个帖子有什么关系？” 有人解释：“Anna’s Archive 违背了某些人的利益。Meta（据称）打破了共识并以新的方式行事。特朗普也是如此。旧的秩序正在崩溃。AI 训练是这一变化的前沿。所以我认为我写的很有逻辑，你只需要把点连起来。” 有人吐槽：“兄弟，你在说什么鬼？” 有人回应：“那社会价值正在改变，即使在 LLM 训练中也是如此。你给我点反对是因为你不明白我在说什么？这太搞笑了哈哈。” 有人反驳：“我不会给反对，除非是可恶或违法的东西，你没有这样做。你被反对是因为你说的太模糊，没有意义，你实际上什么都没说，但我们都在想象它在你的脑袋里听起来很明智。” 有人解释：“哦，所以特朗普的回归、乌克兰战争、欧洲的民粹主义、中国的崛起、AI 的崛起都只是照常进行？兄弟，这些确实非常模糊。我会更进一步说：这些事情很难发现。” 有人反问：“你还好吗兄弟？” 有人再次解释：“哦，孩子。好的，让我们从头开始。1. “Meta Torrented over 81 TB of Data Through Anna’s Archive, Despite Few Seeders” 2. “道德抗议” 3. 每个人都知道，AI 训练使用了受版权保护的材料。 4. “道德抗议” 5. AI 比版权更重要吗？ 6. 是的，因为它是一种战略技术 7. “道德抗议”有点奇怪，因为旧规则正在被改写 8. 就像在许多其他情况下一样。我清楚了吗？现在有联系了吗？:)” 有人调侃：“这个道德抗议现在在这个房间里和我们在一起吗？”

有人感到羞耻：“应该有更多的种子提供者。” 有人表示：“我相信很多人愿意。但没有多少人有 1PB（1000TB）的可用空间来托管这些文件。” 有人反驳：“你不需要托管每一个文件来做种子提供者。” 有人表示：“我来自 Metallica 在 Napster 时代起诉那些盗版他们音乐的普通人几十万美元的时代。我过去收到过我的 ISP 关于种子下载的信件。在这一点上，即使完全合法（不是在谈论道德，只是说能够根据“法律”惩罚我），我也犹豫是否要接触这项技术。我知道如何使用 VPN 和 Tor 网络（通过多种方式，不仅仅是 Tor 浏览器），但我甚至不想冒险。我怀疑至少有相当数量的能够帮助做种子提供者的人有类似的犹豫。” 有人回应：“是的，这完全公平。我上次使用种子下载是当那是获取 llama 权重的最简单方式，但 huggingface 基本上让这变得无关紧要。” 有人吐槽：“你太偏执了兄弟，它运行得很好而且比以往任何时候都快。” 有人称：“如果他们想让人们免费做种子提供者，他们应该停止对下载速度设置付费墙……” 有人回应：“我现在正在做一些种子提供。谢谢信息！” 有人表示：“通常人们会为他们自己感兴趣的文件做种子提供者。比如他们想看的电影或想听的音乐。很难找到一群愿意托管他们自己不想读或不想用于训练 AI 的书籍或科学论文的人。他们没有种子提供者不是没有原因的。” 有人反驳：“你在这里说的完全与我最初回复的帖子相矛盾。你从‘我相信很多人愿意’变成了‘好吧，当然他们可以但没有人愿意’。” 有人分享个人经历：“我来自 Metallica 在 Napster 时代起诉那些盗版他们音乐的普通人几十万美元的时代。我过去收到过我的 ISP 关于种子下载的信件。”

有人提出质疑：“啊，所以当普通人下载一本电子书他们的网络会被关闭，但当 Meta 下载数百万本书时他们却受到赞扬？这不是关于 AI，而是关于非法下载。他们的行为没有改变。” 有人提问：“在你的国家种子下载是非法的吗？” 有人分享个人经历：“是的，如果超过几次他们会关闭你的网络，如果被抓住分发受版权保护的材料的种子他们会试图起诉你。一个 VPN 可以解决这个问题，但重要的是原则问题。” 有人称：“这是合法的。你应该查阅一下整个谷歌图书馆的事情和相关的法庭案例。” 有人惊叹：“天啊”

有人称：“所有的 AI 公司都这么做。他们针对 Meta 的原因是因为他们没有与出版公司签署协议 - 也就是付费。这应该是合理使用。LLM 无法引用一本书。希望马克的好友特朗普能给它开绿灯。” 有人反驳：“哈哈，只有在训练和提示不引用的时候才不会。”

有人质疑：“考虑到 Anna’s Archive 中有 1.1PB 的数据，这似乎相当少。还是说漫画书之类的东西把前者的数字吹大了？” 有人调侃：“他们最好在做种子提供者。”

综上所述，Reddit 上关于 Meta 此行为的讨论观点多样，涉及合法性、道德性、行业影响等多个方面，各方争论激烈，尚无明确的统一观点。