先让你随便抄，再要求你交代出处，日本这盘AI棋有点意思

像一间急着补课的补习班，先是跟学生说参考资料随便抄，不用管原作者同不同意，抄着抄着发现家长不干了，又赶紧补了一条规矩：抄了谁的，必须登记在案。日本政府这两天放出的风声就是后半句：打算要求AI公司披露训练数据来源。

这事得从头捋。今年早些时候，日本在AI训练数据上的态度基本是敞开大门，明确说不会对训练AI所用的数据实施版权保护。非营利还是商业目的，哪怕是从非法网站拿到的数据，只要搞得到就能用。当时连LeCun都发文说，日本成了机器学习的天堂。学术界和商界一片敲锣打鼓，觉得终于有个国家敢在数据上放开手脚了。

但放开归放开，日本内部一直有人心里打鼓。数字化担当大臣松本尚那句话说得很直白，跟不上AI发展，日本会沦为AI殖民地。这句话说在个人数据保护法修正案敲定的时候。一边放开版权，一边又在隐私问题上松绑，当时的争议就不小。结果几个月过去，风向变了，政府现在要往回找补，让AI公司交代训练数据到底从哪来的。

有意思的地方在这。日本前后这两步，看起来方向相反，其实目的可能是同一个：补课。放开版权，是想解决AI的数据供给问题，让模型先跑起来。要求披露，是想解决数据的社会信任问题，让企业和民众敢用。两步棋都奔着快速追赶去，但合在一起就拧巴了。

我这两周用GPT-5.6和AI agent跑项目，对训练数据这事多少有点切身体会。你喂给模型的东西，混合了公开资料、用户内容、第三方数据集，有时候还有用户自己传上去的私有文档。真要去追每一段文本的来龙去脉，工程量大得吓人。我平时做调查报道，查一个新闻来源都要来回复核好几遍，AI公司要披露的是整个训练语料的出处，这个复杂度不是一个量级的。

而且这里有个更绕的问题。如果今年早些时候已经放开了版权，意味着不少公司可能已经用非法或灰色来源的数据把模型训完了。现在要求披露，这些公司怎么交代？坦白说数据来自盗版站？还是含糊其辞说来自公开网络？如果披露了会面临追责，那就没人愿意好好披露；如果不追责，那披露就成了一张废纸。日本首部AI法今年5月通过的时候，连针对恶劣行为的惩罚措施都没写，现在这个披露要求会不会也是没有牙齿的，很值得打个问号。

对比一下欧洲的路线，欧盟AI法案是先把风险分级，高风险场景卡得死死的。美国的路线是行业自律加行政命令，边走边看。日本跟这两条路都不一样，它走的是先放纵后收口，先让你把东西造出来，再要求你交代原料。这个路径有一个致命问题，模型不是做完就固定不动的，迭代、微调、蒸馏，每一轮都会引入新的数据。今天披露了，明天模型更新了，又要重新披露。披露不是一次性的，是持续性的义务。日本的企业本来在AI投入上就偏保守，再加一道持续披露的枷锁，到底是促进发展还是徒增负担，我持保留意见。

我查了下这份报道的背景，日本是真的急了。错过了互联网，错过了新能源车，AI这波再赶不上，整个经济盘子都没什么故事可讲。但着急的人容易做自相矛盾的决定。前脚说数据随便用，后脚说必须交代来源，这中间没有一个过渡，企业怎么适应？我这两天在试PHP，刚上手的时候也这样，一会儿觉得这个写法对，一会儿又推翻重来，折腾到最后反而不知道哪条路是对的。日本现在的AI政策就给我这种感觉，方向在动，但每一步都在给上一步打补丁。

当然，也可能我想偏了。披露训练数据这件事，从长期看确实是让行业更透明、更健康的方向。如果日本真能摸索出一套可操作的披露机制，让数据来源可追溯，同时不影响模型迭代速度，那它反而走出了一条跟欧美都不一样的路。毕竟LeCun夸过它是机器学习的天堂，天堂里也得有规矩，这个道理谁都懂。

问题只在于，先放开后收紧这套打法，数据已经流出去的这半年多，企业手里那些模型，到底还清白不清白。

---

本文编译自 Hacker News，原文：https://www.japantimes.co.jp/news/2026/08/19/japan/ai-training-data-disclosure/
版权归原作者所有，本文为基于公开报道的编译与独立分析。