英国第二大图书馆：牛津大学博德利图书馆藏书被曝用于 OpenAI 模型训练

英国媒体《卫报》9月26日报道，在科技企业积极寻找新语料之际，牛津大学已批准ChatGPT开发商OpenAI利用其博德利图书馆的馆藏古籍来训练人工智能模型。

博德利图书馆是牛津大学的主要研究型图书馆，其藏书规模在英国仅次于大英图书馆，位居第二。

一份内部文件揭示，由OpenAI完成数字化的博德利馆藏已被用于“构建OpenAI的训练数据集”。牛津大学于2025年3月宣布与OpenAI达成合作，利用该公司的软件对这座世界知名的图书馆进行数字化处理。

校方当时表示，此举旨在让学生和研究人员更方便地查阅这些文献。但合作公告中并未提及这些资料将被用于训练OpenAI的模型。

OpenAI的一位发言人表示，公司很荣幸能帮助“现代AI模型为后世守护人类历史文化瑰宝”。

该发言人补充道：“目前全球已有超过十亿人在日常中使用这项技术，因此确保它充分反映各种文化、历史和视角至关重要。”

根据《信息自由法》获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表达了担忧。他们不仅担心与OpenAI合作可能带来声誉风险，还指出这项合作涉及高能耗技术，可能对大学自身的环保承诺产生负面影响。

在名为“NextGenAI”的项目中，OpenAI已与波士顿公共图书馆、加州理工学院、麻省理工学院及密歇根大学等多家美国研究型图书馆签署类似协议。牛津大学是该项目中唯一的英国成员。

截至2025年6月，博德利图书馆已向OpenAI提供了12.5万份历史学位论文的扫描影印页，涵盖19至20世纪欧美高校的博士论文。其他已扫描文献还包括一套罕见的16世纪“宽边民谣/街头民谣”珍藏集，共1万首，记录了都铎王朝时期街头流传的歌词与乐谱。

此外，教职人员还讨论了后续数字化计划，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。通过米兰体育网址获取的最新信息显示，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，正如我们对待其他数字化合作成果一样。事实上，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。”