牛津博德利图书馆藏书被用于OpenAI模型训练

据媒体报道，牛津大学已允许ChatGPT开发商OpenAI利用其博德利图书馆（Bodleian Library）的历史典籍来训练人工智能模型。博德利图书馆是牛津大学主要的研究图书馆，也是英国规模仅次于大英图书馆的第二大图书馆。在各大科技公司纷纷前往学术机构搜寻全新语料的背景下，这一合作引发了广泛关注。

一份内部文件显示，由OpenAI完成数字化的博德利藏书已被用来构建OpenAI的训练集。牛津大学于2025年3月宣布与该公司达成合作，使用OpenAI的软件对该校这座享誉世界的图书馆藏书进行数字化处理。校方当时表示，此举将让广大学生和研究人员更便捷地查阅这些文献资料，但当时的合作公告并未提及这些资料会被用于训练OpenAI的模型。

OpenAI的一位发言人表示，公司很荣幸能够促成当今的AI模型为后世守护人类的历史文化瑰宝。该发言人还补充道，目前全球已有超过十亿人在日常生活中使用这项技术，因此让它充分反映不同的文化、历史和视角至关重要。

一份根据《信息自由法》调取的牛津大学会议纪要显示，包括博德利管理委员会成员在内的教职员工均表达了顾虑。他们不仅担忧与OpenAI合作可能会引发声誉风险，还指出这项合作涉及高能耗技术，可能会对大学自身作出的环保承诺产生负面影响。

在一个名为NextGenAI的项目下，OpenAI已与包括波士顿公共图书馆、加州理工学院、麻省理工学院以及密歇根大学在内的多家美国研究型图书馆签署了类似协议，牛津大学则是该项目中唯一的英国成员。这一布局显示，科技公司正加速从学术与文化机构获取高质量训练语料。

从数字化进展看，截至2025年6月，博德利图书馆已向OpenAI提供了超过12万份历史学位论文的扫描影印页，其中涵盖19至20世纪欧美高校的博士论文。其他已扫描的文献还包括一份罕见的16世纪宽边民谣珍藏集，共计1万首，记录了曾流传于街头的歌词与乐谱。此外，教职人员还商讨了后续的数字化计划，涉及18世纪爱尔兰国家档案、爱尔兰小说家玛利亚·埃奇沃思的私人信函，以及多萝西·霍奇金关于青霉素研究的实验笔记。

校方否认了向公众和学生隐瞒机器学习相关用途的指责。发言人表示，数字化确实是学校的核心诉求，但教职员工始终明确承认，该项目同时会为模型提供训练数据。牛津大学发言人表示，通过与OpenAI合作完成数字化的文献资料规模有限，均已超出版权保护期；此外，OpenAI对这些资料的使用权是非排他性的。博德利图书馆同样保留了自主发布这些数字化资源的权利，在未来几个月内，图书馆将逐步在网络上公开提供这批资料。校方认为，该项目将帮助博德利图书馆惠及更广泛的公众群体，让那些原本难以接触到这些文献的人能够轻松查阅。