OpenAI不再拿实时互联网训练模型，理由是风险太大

据报道，OpenAI已经决定不再用实时互联网训练自家AI模型，理由是风险显著。这个变化意味着，前沿模型在训练过程中不再获得持续的网络访问——跟过去那套让大模型吸收新鲜信息和时事的路子，算是明显分道扬镳了。 值得一提的是，这个决定出现在几周之前：当时有OpenAI工程师据称表示，这种“实时网页训练”的方案行不通。由此也能看出，内部对于怎样打造更安全、更可靠的模型，是有过一番讨论的。 决定落地之后，实际问题马上来了。如果训练时不能从实时互联网学习，开发者就得靠精心筛选的数据集、定期快照和别的数据流水线，来让模型知识保持更新。好处是可控性和可复现性更强，坏处是模型对突发新闻、新出现的说法反应会变慢。 许可和隐私是另一重顾虑。网页数据里可能夹着受版权保护的内容、个人信息，还有专门用来操纵模型行为的恶意内容。 安全看上去是主要动机。实时联网会让训练系统接触到投毒页面、有害指令、诈骗内容，以及那些本来就不该被吃进去的私人数据。退出持续网页训练，OpenAI或许能减少这类暴露面，但对自己实际使用的数据，仍然需要强力的过滤和监控。 这件事也照出了AI开发里一个更普遍的矛盾：公司想要模型既博学又跟得上时代，但新鲜度必须和安全、法律风险、质量控制放在一起权衡。OpenAI怎么处理这个取舍，会影响它未来的模型发布节奏，也可能影响其他实验室在训练数据上的打法。