人工智能如何从数据中学习：Meta网络抓取条款争议中的培训解释

为什么这现在成为新闻

2026年10月16日，《The Register》报道称，Meta修订后的商业服务条款将于10月30日生效，该条款授予该公司有权使用自动化软件——在条款中被描述为包括网络爬虫、机器人、蜘蛛爬虫和用户代理——来访问、索引、缓存、分析、收集、检索或抓取与其商业客户相关的网站。这些客户包括运行Facebook广告、通过Meta工具销售产品、为商业管理页面或群组，或使用WhatsApp和Messenger AI代理的任何人，Meta表示这一类别涵盖约100万家企业。

条款规定，所收集的内容可用于一系列目的，包括提供、开发、改进、研究、培训和维护Meta的产品。新闻/媒体联盟主席兼首席执行官Danielle Coffey称该条款"令人愤怒且可能违法"，辩称它让Meta在商业客户接受广泛的数据收集条款的情况下才能访问观众，《The Register》报道。圣克拉拉大学法学教授Eric Goldman对Meta在没有真正选择退出的情况下修改现有客户关系的程序表示关注，并指出了Meta悠久的隐私纠纷历史。

面对批评，Meta修改了措辞。《TechCrunch》在10月17日报道称，该公司从允许用途列表中删除了"培训"一词，并将规定目的限制在广告和商业产品，而不是所有Meta产品。Meta发言人表示，网络抓取条款仅适用于该公司的广告和商业产品，这一变化并未改变Meta使用网络爬虫的方式。

即使编辑后，法律专家告诉记者更广泛的网络抓取权限仍然存在。根据mediacopilot.ai对报道的描述，康奈尔大学法学院教授James Grimmelmann表示，这些条款在技术上可能让Meta注册能够看到网站比匿名访问者更多内容的凭证，而Loevy & Loevy律师Matt Topic表示，涉及的材料在许可证市场中可能价值数百万美元。威斯康星大学学者Benjamin Sobel将这种安排与反垄断概念中的捆绑进行了比较，因为使用Meta的商业工具需要接受数据条款。

AI模型如何实际从数据中学习

除Meta争议外，现代AI系统的基础培训机制基本一致。根据AI劳动力公司Mercor发布的解释，培训数据是模型研究的示例集合，每个示例都会推动模型的内部数值参数。模型做出预测，与数据集中的正确答案进行比较，衡量产生的错误，并调整其参数以缩小该错误——这个周期在数百万个示例中重复。

Mercor的解释区分了标签数据（人类提供正确答案或类别）和无标签数据（模型必须自己推断模式）。它还将结构化数据（表、数据库）与非结构化数据（如文本、图像、音频和视频）分开。许多当前的大型语言模型结合了两种方法：在大量无标签文本或图像上的初始预培训阶段构建通用能力，然后在较小的标签数据集上进行微调以塑造任务特定的行为。

原始材料来自何处

根据同样的解释，培训数据通常来自三个渠道：为一般研究而提供的公共数据集和存储库、公司内部记录等专有数据，以及人工标注，其中付费工作人员标注原始材料以创建监督示例。大规模网络抓取——对公开可访问页面的自动爬取——是公司在现代模型所需的规模上组建公共数据集类别的最常见方式之一，这就是为什么任何公司的网络抓取权限范围（如Meta的情况）直接关系到开放网络的多少可以合法地为AI系统提供数据。

为什么网络抓取辩论对Meta之外也很重要

Meta措辞的争议说明了AI数据实践中两个反复出现的摩擦点：公司的服务条款是否可以覆盖技术选择退出信号（如网站的robots.txt文件），以及为企业提供对平台受众访问权限的同一公司关系是否也可以用来提取该企业的内容以进行培训，而无需单独的付款或同意。根据mediacopilot.ai转述的Nieman Lab报道，大多数新闻组织至少维护一个Meta商业账户，这意味着该条款的影响范围可能延伸到新闻行业的很大一部分，尽管它是针对商业客户而非出版商具体提出的。

Meta没有否认其网络爬虫可以访问与商业账户相关的内容；其立场（如对TechCrunch所述）是澄清后的条款不会改变现有的网络爬虫行为。报道中引用的法律专家表示，在法庭上测试这类服务条款是否可对第三方强制执行或对robots.txt限制强制执行仍然是未知数，这在10月30日生效日期临近时使该条款的实际界限仍未解决。