可是，数据是不能乱用的，只有公开数据或者开源数据，才能免费地供全球的开发者使用。
全球有一个超大型的免费的数据库。
什么语言都有，90%以上都是英文的语料库，中文语料数据也就是2%左右。
全球几乎所有的AI模型，想要训练都要依靠着这些公开的数据内容才行。因为都是英文数据，所以这些AI模型，一定都是以英文为核心。
所以当百度的文心一言推出之后，就会出现很多令人难以理解的事……其实原因很简单，文心一言使用的是英文数据，中文语料的数据实在是太少了。
别看国内人多，但网络上真正有价值的内容实在不多，稍微出格一点，这些有价值的语料就要按法律法规给删除了。
就剩下了一堆没法训练AI的垃圾内容。
就比如，《大时代之巅》到底是一本怎样的书？
如果有人说好，有人说不好，这些内容就都是有价值的内容，AI模型经过一番的训练和评估，从而给出比较客观公正的评价。
如果作者想要维护评论区的和谐，把所有说好的内容都留下了，说差的内容都删除了，最后只剩下了一片赞歌，那么即便这些赞歌都是对的，这也是垃圾信息。
因为对AI模型来说缺少了多元化的评判。
内容未完，下一页继续阅读