人工智能训练数据价格不菲，最适合财大气粗的科技公司使用。 这也是哈佛大学计划发布一个公开数据集的原因，该数据集包含约 100 万本公共领域的书籍，涵盖各种类型、语言和作者，其中包括

　　新数据集尚未发布，也不清楚何时或如何发布，它所包含的书籍来自Google的长期书籍扫描项目Google Books，因此Google将参与发布这个宝库的广泛应用。

　　哈佛大学早在 3 月份就首次预告了机构数据倡议（IDI），概述了其创建人工智能法律数据可信渠道的计划。 然而，直到今天正式启动之前，该计划一直鲜有消息，IDI 得到了微软和 OpenAI 的资金支持。

　　IDI 的执行董事Greg Leppert表示，该数据集旨在公平竞争，向希望训练大型语言模型 (LLM) 的任何人（从研究实验室到 AI 初创公司）开放如此庞大的数据集。