大规模封亚洲IP、遭意大利禁用、泄露芯片机密...ChatGPT遇滑铁卢？
近日，一则有关 ChatGPT 大规模封号的消息传遍互联网。
消息显示，OpenAI 官方从 3 月 30 号开始大面积封号，甚至一些开通了付费会员的账号也无法正常启用。据了解，一部分用户在付费后会出现只扣款但订阅不开启的情况，一部分用户的付费Plus原本可用，但近期却突然失效，乃至账单里无法查询相关记录。
在社交平台上，不少网友透露自己的账号被封。
数据显示，OpenAI 的本次封号处理主要集中在亚洲地区，尤其是使用中文对话的用户和批量注册的账号。
除了封号，有网友还曝出 OpenAI 已经暂停注册新账号，注册网页无法进入，很多收码平台近期已关闭。
综合上述情况，网友给出建议：
●尽量用非亚洲节点登录
●不要用同一台设备先后登录不同账号
●不要用不同设备登录同一个账号
不过，4月3日，有媒体报道，经访问 OpenAI 官网发现，账号注册界面已经开放，原有的账号能够成功登录，ChatGPT的响应也很快。
有分析认为，此次出现封号的背后原因，可能是“批量注册”和“API调用”。
前者主要是由于用户在手动注册之外，入手了大量由第三方途径收入的账户；后者则是由于用户在操作过程中存有滥用API的嫌疑，而这违反了OpenAI API的使用规则。
值得注意的是，火爆的 ChatGPT 正遭遇更严的审查和挑战。
首先是来自意大利的“禁令”。由于涉嫌侵犯用户隐私，ChatGPT 近日在意大利被暂停使用。
上周五，意大利数据保护机构对 OpenAI 公司非法收集用户信息展开调查。意大利个人数据保护局宣布，即日起禁止使用聊天机器人 ChatGPT，并限制开发这一平台的美国人工智能公司处理意大利用户信息。同时，意大利个人数据保护局指出了三个问题：
●3月20日，ChatGPT 平台出现了“用户对话数据和付款服务支付信息丢失”的情况。
●该平台没有就收集处理用户信息进行告知，缺乏大量收集和存储个人信息以训练平台算法的法律依据。
●尽管 OpenAI 称其服务面向 13 岁以上的用户，但却未设立检查年龄的验证机制，可能使儿童收到绝对不适合他们年龄和意识的答案。
OpenAI 公司需在 20 天时间内来说明其将如何解决上述隐患，否则最高面临 2000 万欧元（约1.49亿人民币）的罚款。
这也是首个禁用 ChatGPT 的西方国家。
但给 OpenAI 带来的麻烦不仅是罚款方面，如若该公司不能为自己做出合理的辩护，势必会有更多的欧洲国家加入“禁用ChatGPT”的行列。
据悉，德国已有此方面的考虑。4月3日，德国联邦数据保护专员发言人称，出于数据保护方面的考虑，暂时禁止在德国使用ChatGPT原则上是可能的。该发言人称，禁止使用该软件的动作将属于德国联邦数据保护机构的职权范围。
其次，因存在泄密风险，三星考虑禁用 ChatGPT。
上周，韩媒披露，三星电子引入 ChatGPT 不到 20 天的时间，便曝出 3 起内部机密资料外泄事件。
据韩国媒体《economist》3月30日报道，近日，三星内部发生三起涉及 ChatGPT 误用与滥用案例，包括两起“设备信息泄露”和一起“会议内容泄露”。报道称，半导体设备测量资料、产品良率等内容或已被存入ChatGPT学习资料库中，随时面临泄露的风险。而出现这些事故的根源，均是因为员工将涉密内容输入到了 ChatGPT。
目前，三星正在制定相关保护措施，告知员工谨慎使用该应用，若之后仍发生类似事故，公司内部网络可能会切断 ChatGPT 连接。
事实上，ChatGPT 泄露用户聊天记录的事件已发生多次。上月，Reddit 上有用户发布截图称遇到了一个BUG，其 ChatGPT 聊天历史栏出现了不是自己的聊天记录标题。同时期，网络上有人反馈 ChatGPT Plus 支付页面会随机曝光用户注册邮箱。多起事件引发了大家对于 ChatGPT 在隐私安全方面存在漏洞的担忧。
尤其是很多企业员工都在将公司内部数据输入到 ChatGPT，让它帮忙处理。在数据泄露事件发生后，多家企业开始重视隐私安全问题，包括软银、日立、富士通、摩根大通等企业都明确禁止员工使用 ChatGPT。
此外，千余名科技大牛呼吁暂停 ChatGPT 研发。
包括马斯克在内的上千名科技大佬就曾联合署名要求，至少 6 个月内，暂停发展更高级别的 GPT，担心更高级别的 AI 会脱离人类的掌控，主要还是出于对技术安全问题的担忧。
上月中旬，GPT-4 刚发布，被马斯克请愿叫停的则是更先进的 GPT-5。据悉，GPT-5 能力会大幅提升，可能会首次实现 AGI，也就是通用人工智能。这将成为 AI 发展的一个转折点，意味着 AI 首次比人类更聪明。
AI 发展太快，相关的监管和法律没有跟上，人们的担忧也就愈发强烈。
无论如何，创新技术不应该被阻止，但因为人工智能技术可能会面临伦理方面的挑战，被纳入监管是有必要的。
如何对人工智能进行监管，也成为欧盟内部正考虑的问题。
据报道，由于 AI 生成图片近期在网上疯传，尤其是 Midjourney 这类 AI 生成图片的应用软件被滥用引起了混乱。比如，“美国前总统被捕”、“马斯克和通用汽车女掌门人手牵手”等图片在国外社交媒体上泛滥，这些看似细节丰富的图片却非事实，其都出自人工智能驱动的图像生成技术。
针对 AI 生成图片引发的混乱，欧盟内部市场专员、工业和信息化产业负责人蒂埃里・布雷顿公开表示表示：欧盟希望对 AI 生成的内容进行强制性的规定。
其表示，欧盟将是首个做出明确规定的政府，人工智能生成的一切，无论是文本还是图像，都有义务告知它们是由人工智能完成的。如果有人在社交网络上发布由 AI 生成的图像却不表明是由 AI 生成的，他们将面临法律诉讼。
欧盟人工智能法案将于本月起正式进行投票，生成式 AI 也将作为被监管的重点对象被纳入其中。
生成式 AI 内容需注明来源，这一规定将利于我们更好的辨别虚假信息。但人工智能发展的过程中，保护用户隐私同样至关重要。聊天机器人该如何加强自身的隐私政策透明度？让用户清楚地知道自己授权的信息会被用在哪些方面？希望相关的法律制度尽管完善，切实保护用户的隐私权益。
最后再次提醒，鉴于 ChatGPT 曾多次出现数据泄露事件，最好不要和它聊隐私。返回搜狐，查看更多
责任编辑：
自然语言处理词库是什么 自然语言处理与翻译
自然语言处理属于人工智能吗,自然语言处理技术有哪些,自然语言处理和计算机视觉哪个难,自然语言处理的应用有哪些向AI转型的程序员都关注了这个号&#【【微信】】;&#【【微信】】;&#【【微信】】;
人工智能大数据与深度学习 ?公众号：【【微信】】
1.维基百科(wiki2019zh)，100万个结构良好的中文词条
2.新闻语料(news2016zh)，250万篇新闻，含关键词、描述
3.百科问答(baike2018qa)，150万个带问题类型的问答
4.社区问答json版(webtext2019zh)，410万个高质量社区问答，适合训练超大模型
5.翻译语料(translation2019zh)，520万个中英文句子对
大规模中文语料?获取方式：
关注微信公众号 【【微信】】 ?然后回复语料即可获取。
AI项目体验地址【【网址】】
为什么需要这个项目
中文的信息无处不在，但如果想要获得大量的中文语料，却是不太容易，有时甚至非常困难。在2019年初这个时点上，普通的从业者、研究人员或学生，并没有一个比较好的渠道获得极大量的中文语料。笔者想要训练一个中文的词向量，在百度和github上上搜索了好久，收获却很少：要么语料的量级太小，要么数据过于成旧，或需要的处理太复杂。
不知道你是否也遇到了这样的问题？
我们这个项目，就是为了解决这一问题贡献微薄之力。
结构：
例子：
效果：
250万篇新闻( 原始数据9G，压缩文件3.6G；新闻内容跨度：2014-2016年)
数据描述
包含了250万篇新闻。新闻来源涵盖了6.3万个媒体，含标题、关键词、描述、正文。
数据集划分：数据去重并分成三个部分。训练集：243万；验证集：7.7万；测试集，数万，不提供下载。
可能的用途：
结构：
例子：
150万个问答( 原始数据1G多，压缩文件663M；数据更新时间：2018年)
数据描述
含有150万个预先过滤过的、高质量问题和答案，每个问题属于一个类别。总共有492个类别，其中频率达到或超过10次的类别有434个。
数据集划分：数据去重并分成三个部分。训练集：142.5万；验证集：4.5万；测试集，数万，不提供下载。
可能的用途：
结构：
例子：
公开评测：
欢迎报告模型在验证集上的准确率。
任务1：类别预测。
报告包括：#1）验证集上准确率；#2）采用的模型、方法描述、运行方式，1页PDF；#3）可运行的源代码(可选)
基于#2和#3，我们会在测试集上做测试，并报告测试集上的准确率；只提供了#1和#2的队伍，验证集上的成绩依然可以被显示出来，但会被标记为未验证。
410万个问答( 过滤后数据3.7G，压缩文件1.7G；数据跨度：2015-2016年)
数据描述
含有410万个预先过滤过的、高质量问题和回复。每个问题属于一个【话题】，总共有2.8万个各式话题，话题包罗万象。
从1400万个原始问答中，筛选出至少获得3个点赞以上的的答案，代表了回复的内容比较不错或有趣，从而获得高质量的数据集。
除了对每个问题对应一个话题、问题的描述、一个或多个回复外，每个回复还带有点赞数、回复ID、回复者的标签。
数据集划分：数据去重并分成三个部分。训练集：412万；验证集：6.8万；测试集a：6.8万；测试集b，不提供下载。
可能的用途：
结构：
例子：
在该数据集上的公开评测和任务：
任务1：话题预测。
报告包括：#1）验证集上准确率；#2）采用的模型、方法描述、运行方式，1页PDF；#3）可运行的源代码(可选)
基于#2和#3，我们会在测试集上做测试，并报告测试集上的准确率；只提供了#1和#2的队伍，验证集上的成绩依然可以被显示出来，但会被标记为未验证。
任务2：训练社区问答(cQA)系统。
要求：评价指标采用MAP，构建一个适合排序问题的测试集，并报告在该测试集上的效果。
任务3：使用该数据集（webtext2019zh)，参考OpenAI的GPT-2，训练中文的文本写作模型、测试在其他数据集上的zero-shot的效果，或测评语言模型的效果。
520万个中英文平行语料( 原始数据1.1G，压缩文件596M)
数据描述
中英文平行语料520万对。每一个对，包含一个英文和对应的中文。中文或英文，多数情况是一句带标点符号的完整的话。
对于一个平行的中英文对，中文平均有36个字，英文平均有19个单词(单词如“she”)
数据集划分：数据去重并分成三个部分。训练集：516万；验证集：3.9万；测试集，数万，不提供下载。
可能的用途：
结构：
例子：
阅读过本文的人还看了以下文章：
不断更新资源
深度学习、机器学习、数据分析、python
?搜索公众号添加：?【【微信】】
长按图片，识别二维码，点关注
AI项目体验
【【网址】】
