Cooperate And Compete: Archives Can Gain More By Expecting Less From AI Training
本文认为，档案机构应当通过将项目级来源（provenance）的丧失重新定义为竞争优势，并采取战略性政策——例如定制化协议、检索增强生成（RAG）技术以及倡导公共利益贡献——来减轻风险并促进协作，从而克服其在分享收藏品用于人工智能训练方面的犹豫态度。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在世界各地图书馆和档案馆的静谧角落里，数以百万计的独特文献、照片和录音正静静地等待着被看见。这些不仅仅是旧纸张；它们是人类记忆的原材料，通常储存在箱子或脆弱的胶片中，从未进入公众的视野。最近，开发人工智能的公司开始请求访问这些隐藏的收藏。他们希望将这些历史数据喂给他们的计算机模型，使之变得更聪明、更有学问。其目标是教会机器如何理解几个世纪以来人类的思考、写作和创作方式。然而，这些档案的守护者们却感到犹豫。他们担心，如果交出了这些材料，机器虽然学会了事实，却会忘记这些事实从何而来。他们担心失去对自身历史的控制权，无法阻止机器以他们从未预想的方式使用这些信息。这种紧张关系构成了新辩论的核心：档案机构应该是为了保护过去而拒绝，还是为了塑造未来而接受？
南佛罗里达大学研究员纽金芳（Jinfang Niu）的一项近期研究表明，档案机构看待这个问题的方式可能出了偏差。该论文认为，档案机构过于关注向人工智能索取一些技术本身根本无法提供的东西，例如为生成特定答案所使用的每一份文档的完美清单。作者建议，通过降低这些期望，档案机构实际上可以获得更多的权力和保护。与其试图强迫机器记住每一个细节，档案机构应该接受机器将无法追溯到特定页面这一事实。作为这种接受的交换，档案机构可以谈判出更好的协议，保留自己最有价值的工具，并确保自己不对机器误用信息承担责任。
问题的核心在于人工智能是如何学习的。当一个人阅读一本书时，他们会记住故事和思想，但并不会在脑海中保留一份关于阅读过程中每一句话的心理地图来形成一个想法。同样，当一个人工智能模型进行训练时，它会将大量信息吸收进其内部结构，即所谓的“权重”。这些权重并不是文档的档案柜；而是一个复杂的数学连接网络。一旦学习完成，模型就无法指向某个特定档案中的特定页面并说：“我从这里学到了这个事实。”信息已经被融合在一起了。论文指出，要求人工智能为它生成的每一个答案提供数据来源的引用，就像要求一个人回忆起导致其写下一首诗的精确记忆序列一样。这不仅很困难，对于当前的技术而言，实际上是不可能的。
由于这种技术现实，作者认为档案机构应该停止坚持要求“条目级出处”（item-level provenance），即要求将每一次人工智能输出都与特定记录联系起来的要求。相反，档案机构应该意识到，这种无法追踪来源的能力实际上是他们最大的优势。如果人工智能无法完美地复制或引用特定的文档，那么原始档案仍然是寻找该文档真实、未经篡改形式的唯一场所。机器可能掌握了事实，但它无法取代人类查看原始证据的需求。这意味着，档案机构通过分享数据并不会失去价值；反而会成为更加重要的真相来源。
该论文还挑战了档案机构担心一旦信息进入机器就会失去对知识控制权的看法。作者指出，一旦信息离开他们的建筑，档案机构就从未真正控制过信息的去向。当一名研究人员阅读了一份文件，并基于所学内容撰写了一本书或进行了讲座时，档案机构无法阻止他们。知识已经进入了人类的思想，档案机构无法让研究人员忘记它。作者认为，人工智能模型也是类似的。一旦信息被吸收，它就成为了系统知识的一部分。试图强迫一家公司从训练好的模型中删除特定事实是极其昂贵且技术难度极高的，通常需要从头开始重建模型。与其在控制机器记忆的徒劳战斗中浪费精力，不如专注于控制交易的条款。
为了实现这一点，论文提出了档案机构应遵循的一套新策略。首先，他们应该根据材料的法律地位量身定制协议。例如，如果档案机构拥有版权，他们可以对数据的使用收费；如果材料属于公有领域，档案机构可以要求通过提供数字化收藏的资金来换取让人工智能使用其数据的权利；如果材料因隐私或捐赠协议受到限制，则应将其排除在训练数据之外。其次，档案机构应该使用一种称为“检索增强生成”（RAG）的技术。这是一种让人工智能不再依赖其内部记忆获取事实，而是实时在数据库中查找信息的方法。这使得人工智能能够给出答案，并立即向用户展示它找到的特定文档，从而解决了缺失引用的问题，而无需改变人工智能的学习方式。
最后，作者建议档案机构不应再试图阻止人工智能公司访问互联网，而应与他们进行谈判。档案机构可以要求获得用于协助数字化的资金、为自身员工提供更好的人工智能工具，或寻求法律保护。该论文建议，档案机构应在协议中加入一项条款，规定如果人工智能公司或其用户误用了信息，档案机构不承担责任。这会将法律风险转移给公司，从而保护档案机构免于因人工智能生成有害内容而引发的诉讼。作者还呼吁政府制定政策，鼓励人工智能公司为公共利益做出贡献，确保这些技术产生的财富能够支持最初提供数据的文化机构。
研究结论认为，档案机构不需要害怕人工智能。通过接受机器无法完美追踪其来源这一事实，档案机构可以停止在不可能的要求上浪费精力。相反，他们可以专注于自己最擅长的事情：保存原始记录并提供机器无法提供的背景信息。通过谈判智能协议并利用新技术将答案链接回来源，档案机构可以将潜在威胁转化为合作伙伴关系，从而在帮助世界从过去学习的同时，保障自身的未来。前进的道路不是说“不”，而是以保护档案完整性和历史价值为前提，说“好”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。